基于FPGA的混合编帧的高速采集系统

针对某型号战术导弹在震动、高冲击及高温等恶劣环境下的飞行试验中各项性能指标进行数据采集时存在数据丢失或损坏、系统毁坏等问题,本文设计了一种以FPGA为核心的数据采集系统。本设计以FPGA作为中心逻辑控制模块,对弹上的不同速率的模拟信号与数字信号进行采集,并将采集到的的信号通过数据帧格式的形式混合编帧并存储,最后通过CAN总线完成与上位机的通信。该系统已在测试状态下通过地面测试系统对其进行了实时监测,同时完成了各项功能的检测,达到了预定的性能要求。     

基于LabVIEW的温度测试系统

针对广泛应用的温度测量需求,本文设计一种基于LabVIEW的温度的测温系统。设计中针对NI7831FPGA采集卡构建了的LabVIEW RIO平台,其继承了传统的LabVIEW图形化编程的特点又赋予FPGA的适时高速的特性。测试结果表明,本系统能够测温的高精度要求。     

基于RFID技术的TPMS数据采集系统设计

针对胎压数据无线传输和汽车内部网络CAN总线发展的要求,设计了一种基于工作在2.4GHz ISM频段的射频芯片nRF2401A轮胎压力监视数据采集系统,并给出了系统构成和各个模块的设计方案。在胎压遥测端,系统通过PIC16F628A控制SP12进行胎压数据采集和处理,并通过nRF2401A芯片进行数据的发射;接收端,系统通过PIC18F2480控制nRF2401A接收数据,大大增加了汽车行驶的安全性。     

基于FPGA的信号发生器的设计

文章详细介绍了基于FPGA的信号发生器系统的构造及其设计原理。系统基于模块化设计,QuartusⅡ为主要开发和仿真环境,采用VHDL语言,将软件与硬件设计相结合,该系统通过了软件仿真测试,实物连接输出实验,能够实现方波、正弦波、三角波和直流量等波形信号的输出及控制。     

微型脉冲供电式光电倒置开关的检测系统

针对放入式电子测压器在测试火炮膛压时,内部的微型脉冲供电式光电倒置开关无法正常上电的问题,设计了倒置开关的检测系统,验证了倒置开关的可靠性。该检测系统由CPLD控制A/D转换器的数据采集和外部闪存的存储,将采集的数据传输到计算机中进行分析处理。试验证明,该检测系统在高温、常温和低温任意一个需要测试的环境满足信号的采样频率,并根据信号参数验证倒置开关的可靠性。该检测系统精确度高,成功证明了倒置开关的微功耗和高可靠性,对放入式电子测压器的正常工作具有重要的意义。     

基于多尺度数学形态学光纤环边缘检测技术

现在所具有的各种边缘检测技术都具有相对的局限性,本文主要分析了现有技术的优点和缺点,并且在研究的基础上提出一种基于多尺度数学形态学的边缘检测方法。通过实验证明,采用此方法比经典的边缘检测算子能更好的满足视觉测量的各项要求。     

基于FPGA的混合编帧的高速采集系统

针对某型号战术导弹在震动、高冲击及高温等恶劣环境下的飞行试验中各项性能指标进行数据采集时存在数据丢失或损坏、系统毁坏等问题,本文设计了一种以FPGA为核心的数据采集系统。本设计以FPGA作为中心逻辑控制模块,对弹上的不同速率的模拟信号与数字信号进行采集,并将采集到的的信号通过数据帧格式的形式混合编帧并存储,最后通过CAN总线完成与上位机的通信。该系统已在测试状态下通过地面测试系统对其进行了实时监测,同时完成了各项功能的检测,达到了预定的性能要求。     

基于单片机的红外光电开关测速系统设计

各行业对测速系统的要求越来越高,不仅要求精度而且还要有一定的便携性,针对这一要求,设计了一种基于单片机的红外光电开关测速系统;本测速系统由硬件调理电路,STC89C52单片机以及触摸屏组成;STC89C52作为数据采集的核心使用双计数器实现脉冲周期的测量使用触摸屏取代了原始的PC机,作为数据的控制及显示的终端,这样也简化了系统的体积,实现了便携的可行性;单片机通过RS-232与触摸屏相连实现两者之间的数据通信。通过现场实验以及误差分析,该测速系统测速的相对误差为O．1％,满足行业界对精度的要求。     

汉字液晶显示屏系统设计与实验

介绍了基于51单片机的LCD液晶显示系统的设计,该系统用来完成对简易信号发生器信号输出状态的提示。硬件系统由单片机最小系统和液晶显示系统组成;液晶显示系统由主控模块ST7920和LCD液晶显示模块接口电路组成。介绍了常用的字符显示和汉字显示方法及程序。实现了对信号发生器发出直流、方波、正弦波和三角波不同频率以及幅值的52种组合的实时判断和显示。     

基于DT及PCA的DNN入侵检测模型

当今入侵检测领域作为一个重要领域,虚警率高、检测率低、处理速度慢、特征维度高等问题正困扰着从事这一领域的专家学者.为了解决这些问题,提出基于决策树(DT)与深度神经网络(DNN)以及主成分分析(PCA)的入侵检测模型DT-PCA-DNN,在相对高的检测率和相对低的虚警率的基础上提高入侵检测系统(IDS)的处理速度.为缩小整体数据量达到加快处理速度的目的,首先利用DT对数据初步判别.将DT判别为入侵的数据,存入临时训练样本集以再训练优化DT以及DNN,而DT判别为正常的数据,删除所添加正常标签后用PCA降低数据维度并送入DNN进行二次判别以得出最终结果.DT使用浅层结构以防止过多正常数据被判定为入侵数据,导致后续DNN二次处理时不能有效提高整体准确率.DNN采用简化神经网络计算过程的ReLU激活函数以及收敛速度更快的adam优化算法以加快数据处理速度.经过在NSL-KDD数据集上的二分类及五分类实验验证,相比于其他的应用深度学习的入侵检测方法,所提出模型能够在实现相对高的检测率的同时具有更加迅速的检测速度,有效解决了入侵检测的实时性问题.