微波自动测量系统多频率测量方法研究与实现

对多频率测量方法进行了分析和研究。在自动测量线系统即微波自动测量系统的基础上,提出一种进行多频率测量的新方法。即根据线性叠加原理,对驻波信号电压的空间分布进行频谱变换,结合自动测量线实现多频率测量。经过实验测量,得到了较为理想的效果,验证了该方法的有效性。该方法扩展了自动测量线应用性,对低成本、多功能、多频率微波自动测量系统的研制具有一定参考意义。     

一种能量高效的无线传感器网络拓扑控制算法

通过对现有拓扑控制算法的研究,针对无线传感器网络中节点能耗分布不均匀的问题,提出了一种能量高效的拓扑控制算法(EETCA)。该算法以均衡全局能耗为目标,综合考虑了节点的剩余能量、簇的规模、数据最优传输跳数等因素,避免了部分节点能量消耗过快,从而有效地均衡网络负载。仿真结果表明:EETCA在能耗均衡方面均优于原来的算法,延长了无线传感器网络的生命周期。     

一种压缩待测气体增强气体传感的方法

针对普通气体传感器在低体积分数的气体检测中灵敏度低的问题,提出将待测气体进行压缩以增强气体传感器响应的方法,根据检测压缩后的气体响应的特征,间接得到普通状态下该气体的体积分数。设计了一种小型的样机系统来进行气体压缩和气体传感器检测,描述了系统各个模块的设计,给出了该系统的软件设计和控制流程。以H2S气体为检测对象进行了实验,分析结果表明:该方法提高了现有传感器检测低体积分数气体的能力,尤其是提高了对毒害气体的及时发现和预警防范能力。样机的试制也为该压缩传感系统的进一步小型化和提升检测性能提供了条件,具有较高的应用价值。     

基于协作传输的大范围WSNs能耗均衡分簇算法

由于大范围无线传感器网络（WSNs）节点的数量巨大,网络的能量消耗极不均,提出一种基于协作传输的分簇算法—EBBMCC—LS算法。该算法在保证网络均匀分簇的前提下,能保证网络中簇头节点的均匀分布,在簇间通信时加入协作传输策略,传感器节点之间通过协作传输构成虚拟多天线系统,改善系统性能,解决了大范围WSNs中的能耗不均现象。实验验证：该算法能够均衡大范围WSNs中的能耗,延长网络寿命,可促进大范围WSNs应用的推广。     

人体局部代谢率监测系统设计

在实现将温度、湿度及辐射传感器集成于独立检测探头基础上,设计了一种人体局部代谢率监测系统。系统通过采集人体指端生理参数,根据人体能量代谢守恒法,建立数学模型并计算静息代谢率。经过实验验证:该系统可以实现代谢率的方便测量,测试结果能够反映人体正常的代谢情况。由于系统设计简便、成本低,可被广泛用于人体的能量代谢率检测。     

无线传感器网络分簇拓扑控制算法

通过对经典的分簇算法HEED和EEUC进行研究与分析,对它们不足之处进行了改进,提出了一种新的基于双簇首节能的无线传感器网络分簇拓扑控制算法,即DCHEB算法。该算法提出了一种新的簇划分方案,通过此方案可以对无线传感器网络进行合理分簇,使得簇首节点位于合适的位置上,平均了各个簇的节点个数,可以避免簇内的边缘节点过早死亡。最后通过理论分析和仿真工具验证了该算法对减少无线传感器网络的能量消耗和延长其生存时间有很好的作用。     

认知无线电网络信道交汇研究综述

认知无线电技术被认为是解决目前频谱资源利用率低下问题最有前景的技术,基于该技术,认知无线电网络采用动态频谱接入方式有效地提高了授权频段的利用率.然而,动态变化的信道可用性极大地增加了认知无线电网络组网的难度.信道交汇旨在为用户通信提供公共传输媒介,是实现无线网络组网的基础.介绍了认知无线电网络信道交汇的基本概念和特点,并阐述了信道交汇策略设计面临的挑战以及应考虑的性能指标.提出了信道交汇策略的分类标准和系统模型,根据该分类标准,详细剖析了当前信道交汇策略相关的研究工作.最后,讨论了认知无线电网络信道交汇研究的开放性问题,以期为未来的研究指出可能的方向和重点.     

基于红外光声光谱的气体检测系统设计

随着工业现代化的发展,环境变化日益复杂,而人民的环境健康意识也在不断提高.在这种情况下,传统的气体检测系统已不能满足要求,有待开发一种高灵敏度、高分辨率的新型实时气体检测系统.从气体分子红外光谱理论出发,在对当前各种气体检测方法进行分析比较的基础上,设计了一种基于光声光谱技术的气体检测系统.实验证明：该系统可有效进行CO2气体检测.     

制袋机薄膜速度传感方法与定长控制

提出了实现薄膜张力传感的薄膜速度传感方法,设计了基于ARM处理器和嵌入式实时操作系统的薄膜定长伺服控制系统。采用巧妙的机械变换技术实现薄膜长度变化的传感,从而建立具有线性特性的薄膜速度传感数学模型。采用ARM7 TDMI核心处理器和μC/OS-II嵌入式实时操作系统平台,研发了薄膜定长伺服控制系统。核心技术成功应用到双列中封高速制袋机的控制系统中,运行速度达到24000 P/h,成品率超过99.6%。     

Prevention from Soft Errors via Architecture Elasticity

Due to the decreasing threshold voltages, shrinking feature size, as well as the exponential growth of on-chip transistors, modern processors are increasingly vulnerable to soft errors. However, traditional mechanisms of soft error mitigation take actions to deal with soft errors only after they have been detected. Instead of the passive responses, this paper proposes a novel mechanism which proactively prevents from the occurrence of soft errors via architecture elasticity. In the light of a predictive model, we adapt the processor architectures h01istically and dynamically. The predictive model provides the ability to quickly and accurately predict the simulation target across different program execution phases on any architecture configurations by leveraging an artificial neural network model. Experimental results on SPEC CPU 2000 benchmarks show that our method inherently reduces the soft error rate by 33.2% and improves the energy efficiency by 18.3% as compared with the static configuration processor.