使用MCU内置序列发生器控制的交流信号采样

针对一款隔离开关控制器交流信号采样的需求,在分析使用MCU内置的采样序列控制器实现多通道交流信号同时采样可行性的基础上,提出了完整的软同步交流信号采样技术的解决方案,设计了交流信号输入调理电路和相应的信号采集软件,使用LM3S9D92内置的ADC系统实现了三相四线交流线路PQIU电气参数的采样,有效提升了控制器产品的性价比。测试结果表明,所设计的交流信号采样部分的精度满足技术规范书的要求。     

一种应用于电网参数检测的小波消噪交流采样新算法

根据电网参数检测对于交流采样算法的要求,提出了一种新的高精度交流采样算法,对半波傅立叶算法引入小波消噪方法进行信号预处理、运用样条插值法消除非同步采样产生的泄漏误差.仿真结果证明,这种方法与现有交流采样算法相比,具有响应速度快、精确度高的明显优点.     

三相交流测速发电机的一种无延时采样方法

在快速过程控制中,采样的延时常常成为制约调节品质及稳定性的重要因素。采用集成模拟乘法器求出三相交流信号的平方和的平方根,可形成一个代表其有效值的直流信号。采用此法对三相交流测速发电机的信号采样,以获得转速信息,可完全免除测频或测周法不可避免的计时、计数延时,以及整流后测直流电压法不可避免的滤波延时。文中给出了电路实例。     

一种电网电压信号的快速测量方法

电压是电网的重要参数之一,快速测量电网电压能预防某些电力系统事故发生.分析了传统电网电压交流测量方法在快速性与准确性之间存在的矛盾,提出了一种基于两点采样,能较好协调快速性与准确性的电网电压信号测量方法.该算法先将滤波处理后的电网电压信号送入微处理器,分别在t1处和2t1处进行采样,将采样后的数据利用所提算法进行计算处理,最终获取电网电压信号.基于该算法思想,设计了检测硬件电路和算法程序,进行了实验验证.500次试验结果表明,该测量方法能在2t1(小于等于1ms)的时间内快速测量出电网电压值,测量误差小于0.5％,具有速度快、精度高的特点,适用于电网电压的快速准确测量.     

基于VC＋＋的多路离散信号频谱分析系统

从快速傅里叶变换(FFT)的原理出发,利用VisualC 实现了"多路离散信号频谱分析系统"的研制与开发.该系统实现了快速傅里叶变换,多通道时域波形,幅值谱,互功率谱的绘制与显示.每通道1024点的离散信号来自于历史数据,以文本文件保存,文件的首行包含诸如采样点数、采样通道、采样周期等采样信息,自第二行起保存信号数据.频谱分析过程中,首先读取文本文件的数据,再时其进行分析与处理.     

AD7865在微机励磁调节器中的应用

AD7865是Analog Devices公司生产的一款高速、低功耗、四通道同步采样的14位AD转换器.介绍了该芯片的主要性能及工作原理,并详细介绍了AD7865芯片在微机励磁调节器中交流采样的设计方法.微机励磁调节器需要采集的模拟量信号一般为交流电压和电流信号,而且数量较多,由于微机励磁调节器所采用的CPU所自带AD...     

基于DSP的移频信号高分辨率检测方法

为保障机车运行安全,而对指挥行车的信号快速、准确的测试是重要手段之一,所以对铁路轨道移频信号FSK的频谱进行了分析;为避免移频信号在频域分析中产生混叠,从采样信号中恢复原信号,根据带通信号的窄带特性,采用欠采样技术进行采样和快速傅里叶变换对移频信号进行处理,以提高频率分辨率;针对移频信号的频谱特点,提出了利用DSP的移频信号高分辨率的检测方法,给出了检测系统的结构框图,同时分析了系统的实时性;该检测系统具有体积小、接口丰富、精度高等优点,为设计快速、准确的移频检测系统提供了依据.     

基于FPGA的随机脉冲快速捕捉系统的设计与实现

介绍一种基于FPGA的随机脉冲信号快速捕捉系统的系统结构、工作原理和实现方法;该系统完全摆脱了传统数据采集系统在采集深度和采样效率方面的制约因素,能够在整个时域范围内对外部信号进行连续的高速采样;系统工作过程中不需要外部控制器的干涉,完全由FPGA内部的硬件逻辑电路实现对随机脉冲信号的快速、精确捕捉,可靠性高;抗干扰能力强,同时具有很高的采样效率.     

SOPC的多路信号同步采集编码系统

设计了一种基于SOPC(System-On-a-Programmable-Chip)的信号采集编码系统.采用AD7607模数转换器作为多通道信号采样的核心,搭建采样模块;利用FPGA设计并搭建了数据编码电路和以MicroBlaze为内核的嵌入式处理器,实现了对采样信号的快速编码,并取代了传统设计中的单片机.实验结果表明,本系统可以对8路模拟信号进行同步采样、编码及传输.相比于传统采集编码器,该系统不仅将采样通道扩充至8路,而且基于SOPC的单处理器的方法大大简化了设计结构和难度.     

电力参数直接交流采样信号的小波消噪方法

论述了电力参数交流采样信号的特点,介绍了应用小波分析方法进行信号去噪的基本原理.基于阀值小波变换去除信号高、低频噪声,然后应用小波包分解方法获取信号的特征量从而进行信号的重构,消除瞬态突变干扰信号,并对系统结构和组成进行了分析.实验结果表明：该方法可以有效地进行信号的消噪,并获取真实的采样测量信号.这种方法对其它类似系统也具有一定参考价值.     

频域选择性压缩采样的数字预失真计算优化

为了节省数字预失真的计算量提高迭代速度,提出一种基于频域选择性压缩采样的数字预失真计算量优化方法,降低数字预失真的矩阵计算部分计算量,使数字预失真单次迭代速度显著提升。仿真中使用10 MHz正交频分复用（OFDM）信号通过快速傅里叶变换FFT进行数据可用带宽的稀疏压缩采样,然后再进行参数提取,矩阵计算部分的计算量可优化到60%,而且数字预失真迭代效果与压缩采样前保持一致。     

正交寻优法

本文提出的正交寻优法是适用于复杂非线性目标函数的近似寻优法.它基于逐点线性化 后按梯度法进行寻优,在线性化及求梯度过程中借用正交试验的概念和正交表的性质,简化了 矩阵求逆过程.该法具有计算量小、搜索速度快及对初值不敏感等特点.利用该法设计的某 型惯导平台稳定回路,得到了理想结果.     

基于JADE的企业商务智能服务代理平台

为解决电子商务平台在异构和分布环境下计算实体的协作和协调、快速有效的信息收集及平台的智能化等问题,提出基于移动Agent在JADE上的企业商务智能服务代理平台体系结构模型和实现方法,给出基于多移动Agent的商务服务竞标算法流程和服务实体的行为交互过程,结合实际的应用验证,表明该服务代理平台系统在实际应用中的可行性与有效性。     

基于树莓派与神经计算棒的特种车辆检测识别

目前随着深度学习技术的不断发展,越来越多的智能化应用应运而生,用于训练和演算的硬件设备通常以GPU为主,在实际部署和使用过程中会产生较高硬件采购成本和用电成本.因此针对现有深度学习系统中成本与算法可用性的平衡问题,本文提出以树莓派与Movidius神经元计算棒为计算平台,通过改进的SSD+MobileNet算法实现对车辆目标进行识别和检测,并在实际环境中对训练的模型进行测试和调优,最终达到满足实际使用的效果,处理速度为平均每秒4帧.通过实验结果表明,在树莓派这样计算能力较弱的平台上,可以通过类似于Movidius神经元计算棒这样的VPU模块来实现算法的加速,在满足实际使用的情况下还可以大幅度降低计算成本.     

随机延迟网络控制系统中的分段时戳动态矩阵控制

针对网络控制系统中小于一个采样周期的随机延迟,引入了分段时戳动态矩阵控制算法.通过时戳方法测量网络延迟,在线校正系统的阶跃响应系数向量和控制系数向量,并采用分段算法来减少所需的在线计算量.给出了算法的推导过程和程序实现方法,并基于实时控制系统仿真平台TrueTime进行仿真研究.应用该算法对共享以太网中直流电机进行控制,取得了比标准动态矩阵控制算法更好的控制品质.     

基于无线传感器网络节点的RFID系统节能研究

为了提高射频识别(RFID)系统的能量利用效率,在无线传感器网络节点结构的基础上,提出一种改进方案,将RFID读写器集成到传感器节点中,取代原有的传感器模块,形成读写器智能节点,并利用传感器节点的节能控制机制实现RFID系统对有限能量的高效利用。以SK—WSN—I无线传感器网络节点和SK—RFID—TRF796X—II读写器模块作为实验平台,进行Matlab仿真,验证了改进方案的节能效果。     

基于PC的OpenGL跨平台实现及性能研究

针对OpenGL独立于操作系统和窗口系统的特性，分析了OpenGL基于PC的工作原理，包括泛型实现、硬件实现和OpenGL跨平台实现。并使用SPECViewperf 9.0对OpenGL在Windows和Linux操作平台上的实现性能进行了测评。结果显示，OpenGL运行在硬件模式时会获得更好的性能。在PC平台上，OpenGL的实现性能受操作系统和窗口系统影响。测评方法和结果对选择OpenGL操作平台具有一定参考价值。     

比例最小偏度单行采样的平方根UKF-SLAM算法

对于UKF-SLAM算法所存在的滤波增益矩阵计算失真,采用对称采样计算复杂度相对较高且易产生非局部效应等问题,提出基于比例最小偏度单行采样的平方根UKF-SLAM算法。改进后的算法采用协方差阵的平方根代替协方差阵带入迭代运算,并以比例最小偏度单行采样的方式优化采样策略。仿真结果表明,该算法能够有效地提高机器人位姿以及特征地图的估计精度,并降低了计算复杂度,提高算法的稳定性。     

高性能人脸识别加速器优化设计及FPGA实现

计算机视觉的快速发展对嵌入式产品的系统性能要求越来越高,传统的现场可编程门阵列（Field Programmable Gate Array,FPGA）平台存在计算吞吐未能很好匹配内存带宽,通用处理器对卷积神经网络（Convolutional Neural Network,CNN）的实现效率不高,未能满足性能要求等问题。针对以上设计瓶颈,使用经典的LeNet-5神经网络模型,在Xilinx ZC706嵌入式开发平台上设计了一个高性能的人脸识别神经网络加速器,在高层次综合（High Level Synthesis,HLS）工具的基础上通过存储优化、定点量化、运算优化等方法对神经网络模型进行优化改进,实现了7层的CNN加速器。实验结果表明,CNN加速器的工作频率为200 MHz,相较于CPU,加速器实现了126倍加速,相较于GPU速度提升10倍以上,并且功耗仅为2.62 W。     

基于嵌入式GPU的pyramid LK光流法高速计算方法研究

在嵌入式计算平台上实现双向约束LK金字塔高精度光流的实时计算,是该算法能否用于自动驾驶等场景的重要影响因素。为了实现该目的,提出了基于网格划分的特征提取方法及新的双向约束方法;然后设计了动态窗口的金字塔模型,解决了光流计算过程中的负载不均衡问题;最后通过降低计算位宽,使得整体性能获得进一步提升。实验结果表明：在Jetson TX2上,针对真实场景所用的720P视频,所提出方法的性能比OpenCV的GPU版本提升了4.1倍,达到30 fps以上;将采用该方法的SLAM系统成功应用于车载场景并在真实环境中测试,使得系统的性能达到了28 fps。新方法有效地提升了位姿和点云的精度,较好地满足了车载场景的实时处理需求。