基于嵌入式Linux的车载监控系统

介绍了一个用于汽车环境的嵌入式监控系统.系统包括两个模块:用户交互模块和汽车监控模块.其中用户交互模块的主要功能是显示汽车监控模块传送过来的汽车状态,并负责完成用户与监控模块的交互.汽车监控模块的主要功能是监视车内主要部件的状态,并在部件状态发生改变时能对其做出相应的控制,同时通过无线网络与监控中心通讯.本系统使用Minigui来实现用户界面模块,使用串口通讯技术完成与汽车部件的交互,使用802.11b无线局域网完成与监控中心的通讯.     

一种基于抽象模板的语义Web服务组合框架

提出一个基于抽象模板的语义Web服务组合框架,并详细分析了基于该框架的抽象模板检索、数据预处理以及模板修正的实现方法.为了提高模板检索的精确度,框架采用特征匹配和图匹配相结合的方法,实现了抽象模板和用户请求之间的相似度计算.同时利用数据预处理过程构建服务之间的依赖关系图,除去了冗余的服务,并事先验证了用户请求的可满足性.根据服务依赖关系图,框架使用启发式规划修改算法(HPAA)实现了模板的自动修正,并提供了对启发式策略的灵活配置,提高了服务组合的适应性和扩展性.最后对HPAA算法中所使用的启发式策略进行了实验,验证了算法在解决大规模问题上的适应性和可靠性.     

农田水利灌溉工程的规划设计

农产品栽植和水有着紧密的联系，而水利浇注项目是农田用水最基础的保证。浇灌新措施的实施以及普遍运用推动农田水利浇注项目朝着合理化、现代化、体系化发展，对于不同的区域，不同的农产品需要，农田水利浇注项目建筑技术也存在很大的差异，这就需求农田水利浇注项目要统筹策划，才可以以提升浇注区域浇注效率，推动农业产量，农民收益增多这一目标。文章以农田水利浇注项目的策划为典例，开展了简单的讲述，期望对其他区域农田水利浇注项目也存在参阅性。     

基于业务分布的TD-SCDMA系统扰码规划

由于TD-SCDMA系统是一个干扰受限的系统,扰码分配合理与否直接影响到系统所承受的干扰能力.不同扰码间相关性的大小不同,而扰码相关性对于系统掉话率、阻塞率等性能有着很大的影响.因此,一个合理的扰码分配算法对TD-SCDMA系统规划至关重要.然而,TD-SCDMA系统中的扰码具有数量少、码片短、经过位移后码之间的互相关性变差等特点,这在很大程度上增加了系统扰码分配的难度.本文创新性地将用户的业务分布引入到扰码分配算法中,由于业务到各个基站的位置不同,基站到达业务的信号存在着不同的延时,本文将由于用户位置导致这种延时也考虑进扰码相关性计算公式中,设计出了一套更贴近实际的扰码分配算法模型.通过仿真分析得知,本扰码分配算法可使系统中用户信噪比有所提高.     

基于人工智能技术的认知无线网络重构决策算法

认知无线网络引入重构技术以实现对复杂时变环境的动态适应,为在认知无线网络中实现重构,提出了重构架构模型,并在此模型基础上进行重构决策算法的研究,提出了基于人工智能技术的重构决策算法。该决策算法包括了推理过程和学习过程,使重构技术在认知无线网络感知能力、推理能力和学习能力的帮助下实现了对环境的适应并同时维护和提升了系统性能。     

利用有效应力进行横波预测及其应用

横波预测往往建立在大量假设条件下,给计算带来了较大不确定性。采用基于地震岩石物理模型预测横波速度的方法,无须预先预测干岩样弹性模量,选择控制岩石体积模量的参数作为回归变量,不存在对典型未知参数的不可靠假设条件,减少了人为原因造成的误差。鉴于研究区域地层疏松,采用有效应力作为回归变量,相比无有效应力时,预测横波速度更为精确。利用校正后3口井实测横波与预测5口井横波资料,进行波阻抗反演、纵横波速度比反演,计算结果均反映出了关键砂层组。孔隙度反演结果与测井孔隙度曲线吻合较好,而泥质含量反演效果在某种相对意义上趋势也是合理的。综合孔隙度、泥质含量反演结果,可用于评价砂岩相对含量,进而可为钻井优选有利目标。     

芝麻中木脂素的组成、结构及其生理功能

介绍了芝麻中木脂素类物质(lignans):芝麻素、芝麻林素、芝麻酚以及芝麻林素酚等生物活性物质的结构、含量以及其所具有的抗氧化、抗癌、保护肝脏、降低血浆中的胆固醇、调节脂质代谢等诸多生理功能特性.     

太赫兹通信感知一体化波形:现状与展望

面向6G时代机器通信、沉浸式业务对高精度感知与高速率通信的需求,通信感知一体化技术应运而生.基于此,针对太赫兹通信感知一体化波形的场景、波形设计方法和未来展望进行了阐述和总结.首先,概括了太赫兹通信感知一体化波形设计所面临的场景与需求,包括感知辅助通信场景、感知催生的新业务场景等.然后,从太赫兹电磁波的传播特点、太赫兹...     

一种可应用于嵌入式系统的低复杂度超限学习机训练方法

为解决超限学习机复杂度较高的问题,提出了一种新型的超限学习机更新策略,称为序列超限学习机.避免了复杂度较高的逆矩阵运算,而且能够应用于嵌入式系统中.序列超限学习机比各种广泛应用的机器学习分类器具有更低的计算复杂度.基于实际数据集的仿真结果表明,序列超限学习机的分类精度比传统超限学习机和其他广泛应用的分类器更高,而且具有更短的训练时间.