排序方式: 共有18条查询结果,搜索用时 14 毫秒
1.
针对常规平面成像技术表现形式单一,容易视觉疲劳等问题,提出一种新型的基于FPGA/ARM异构双核控制的磁性介质显示系统,实现磁性介质的立体动态成像;本系统通过在Altera DE1-SoC的Linux平台上构建Lighttpd轻量级Web服务器和设计开发功能程序、底层驱动程序、自定义IP核和Verilog逻辑译码程序来实现该显示系统的软硬件开发;本系统具有网络设备跨平台控制能力、磁流体精确控制能力以及多种样式的汉字和图案显示能力;大量实验表明该系统能够通过控制磁流体完美的表现出立体书法、绘画图案,且系统运行稳定可靠。 相似文献
2.
3.
提出了一种新型平面三频带通滤波器,该滤波器由一个加载短路枝节的阶梯阻抗谐振器,一对加载开路枝节的背靠背E型谐振器,以及包含源负载直接耦合的馈电结构组成.所采用的枝节加载谐振器的多模工作特性使滤波器的体积大大减小,同时每个通带的位置及其耦合特性都能够独立调谐.另外,通过源负载直接耦合引入通带两侧的传输零点,实现了滤波器良好的频率选择性.最后设计并加工了一款高选择性小型化三频带通滤波器,其三个通带的中心频率分别为2.0GHz,3.95GHz和6.35GHz,插入损耗均小于2.5dB,带内回波损耗均优于14dB,实验结果与仿真结果吻合良好. 相似文献
4.
当前基于图神经网络的事件抽取模型无法很好解决长距离依赖问题,并且图的构造中没有考虑实体之间的关系,实体也需要结合文档中的多个句子进行推理。为解决这些问题,该文首先使用预训练模型RoBERTa对文档进行编码并输出所有句子的特征表示和文档的上下文信息嵌入表示,能更好地学习中文金融数据的语义特征。其次,构建一个包含文档节点和实体节点的全局图神经网络使不同节点和边的交互有更丰富的表示,加强了文档和实体信息之间的联系。最后,应用图卷积网络捕获了它们之间的全局交互得到实体级图,在此基础上通过改进的路径推理机制来推断实体之间的关系,更好地解决了长距离文档上下文感知表示和跨句子论元分散问题。在CFA数据集上进行了模型验证,实验结果表明,该文所提模型F1值优于对比模型,综合性能得到有效提升。 相似文献
5.
随着计算机科学技术的迅速发展,嵌入式领域实时图像处理应用越来越广泛,然而传统硬件因为自身架构导致并行化程度不高,针对在视频监控、机器视觉、视频压缩、医疗影像分析等领域需要对图像进行高性能计算的问题,提出一种以OpenCL软件模型和FPGA异构模式的高性能图像处理解决方案,实现了图像显示和OpenCL加速功能,以Sobel边缘检测算法为研究对象,进行了算法并行性分析,并在系统中运用OpenCL加速内核算法,与基本的ARM平台和OpenCL共享内存加速机制相比较,展开性能测试,对加速效果进行了研究。实验数据表明,使用该系统处理不同分辨率的图像,OpenCL加速子系统的处理较基于片上ARM硬核的软件处理,实现相同功能上有100倍左右的性能提升。 相似文献
6.
为解决频域法实现线性调频(LFM)脉冲压缩时硬件开销较大的问题,采用时域法实现。针对间距为20m的两目标LFM信号,设计了一款64阶分布式FIR时域匹配滤波器;采用全流水线并行处理结构实现,并利用FPGA的ROM宏模块构建查找表代替乘法运算,既提高了运算速度又减小了硬件开销。基于FPGA器件EP2C35F672C8完成了LFM信号时域脉冲压缩的逻辑设计与集成。仿真结果显示,系统占用2268个逻辑单元、1573个寄存器、27K字节存储器资源。 相似文献
7.
大型超市内商品数目繁多,空间环境复杂,顾客在购物的过程中往往需要耗费大量的时间来寻找所需购买的商品。针对这一问题,提出了遗传-改进A*算法来帮助顾客找到一条通往所需购买商品的最短路径。首先利用矩阵对超市的空间环境进行建模,然后通过改进A*算法找到任意两个商品之间的最短路径,再根据顾客的购物列表利用遗传算法优化生成一条包含超市入口,购物列表上的商品以及超市出口的最短路径。最后仿真实验表明,在多楼层的大型超市里,顾客购买多个不同商品时,遗传-改进A*算法寻优能力更强,求解质量更优,并且运行时间更短,能够高效地解决最短路径规划问题。 相似文献
8.
9.
针对解决新闻文本如何有效提取关键主题信息进行归纳分类的问题,提出一种基于RoBERTa-wwm与注意力机制混合的深度学习文本分类模型RoBERTa-ATTLSTM。模型首先采用RoBERTa-wwm预训练语言模型获取文本的动态特征信息;利用双向长短期记忆网络Bi-LSTM进一步提取文本更深层次的语义关系,将最后一个时序输出作为特征向量输入到注意力机制层;最后通过全连接层神经网络得到文本分类结果。在今日头条与新浪新闻THUCnews数据集上的实验表明,模型RoBERTa-ATTLSTM的准确率、精确率、F1值、召回率均为最高,且模型可有效提取文本中字词特征信息,提高新闻文本分类效果。 相似文献
10.
针对夜间场景光线微弱、能见度低导致夜视图像信噪比低、成像质量差的问题,提出了基于深度学习的双通道夜视图像复原方法。首先,用两种基于全连接多尺度残差学习分块(FMRB)的卷积神经网络(CNN)分别对红外夜视图像和微光夜视图像进行多尺度特征提取和层次特征融合,从而得到重建的红外图像和增强的微光图像;然后,两种处理后的图像通过自适应加权平均算法进行融合,并根据场景的不同自适应地凸显两个图像中具有更高显著性的有效信息;最后,得到分辨率高且视觉效果好的夜视复原图像。使用基于FMRB的深度学习网络得到的红外夜视重建图像,相较于卷积神经网络超分辨率(SRCNN)重建算法得到的在峰值信噪比(PSNR)和结构相似性(SSIM)的平均值上分别提升了3.56 dB和0.091 2;相较于MSRCR,得到的微光夜视增强图像在PSNR和SSIM的平均值上分别提升了6.82 dB和0.132 1。实验结果表明,所提方法得到的重建图像的清晰度明显得到改善,获得的增强图像的亮度也明显得到提升,而且前二者的融合图像的视觉效果较好,可见所提方法能有效改善夜视图像的复原效果。 相似文献