最大平行结构的kalman滤波器的硬件电路设计

文章提出了一种基于FPGA的kalman滤波器的硬件实现结构。由于设计应用了高性能的算数处理单元和流水线结构，获得高效的结果，每次的处理周期大约是57．98ns，比其软件实现快了3到4个数量级。同时有利用了资源共享技术，使其面积比没有使用资源共享的情况下减少了45％左右。     

图象的自适应遗传算法矢量量化方法

本文描述了一种基于自适应遗传算法的图象矢量量化方法，它不同于一般遗传算法之处是其交叉概率与变异概率这两个参数随个体的适应度值而变化，从而增强了算法的性能。实验结果表明，将自适应遗传算法用于码本设计，具有运算简单、聚类能力强等优点，有着广泛的应用前景。     

图象,视频以信元形式在Internet上传输的实现

本文研究了以Ｃｌｉｎｅｔ／Ｓｅｒｖｅｒ模式实现图象，视频以信元形式在Ｉｎｔｅｒｎｅｔ网上传输和重构的方法。     

基于TS101平台的气象雷达解距离模糊算法实现

信号处理器是气象雷达的重要组成部分,可实现各种算法来提取气象信息,因此开发新一代气象雷达信号处理器具有重要意义.该信号处理系统采用AD公司的TigerSHARC系列芯片TS101,本文介绍基于该DSP芯片的信号处理器硬件设计以及气象雷达信号处理算法的软件流程.使用表明,该气象雷达信号处理器有很强的运算能力,能实现较为复杂的解距离模糊算法,并且具有很好的处理效果.     

条件随机场模型的场景描述

提出一种基于条件随机场模型的场景描述方法,条件随机场模型直接对描述目标的后验概率建模,不但能融合多类特征,还具有联系上下文信息的能力,这使得CRF模型在场景描述中能获得更准确的描述结果.将图像分成m×n大小的矩形块,通过多类特征提取,分别提取图像中每一矩形块的颜色特征、纹理特征、位置特征,通过K-means算法对特征进行聚类,并按照矩形块的位置组成特征向量,用CRF模型对特征向量建模,通过训练获取模型的参数估计,最终利用MPM算法进行模型推断,获取场景描述.实验结果表明本文方法能较准确地进行场景描述.     

1.6Kb/s类MELP语音压缩编码器的FPGA实现

基于"CPU软核 模块算法IP"的方法对一个1.6Kb/s类MELP语音压缩编码算法进行了实现,并将整个语音压缩编码器在FPGA上进行了整体验证,实验结果说明本文给出的语音压缩编码器的实现结构是可行的,能够满足语音压缩编码算法对实时性的要求,从而为下一阶段语音压缩编码器的芯片设计提供有力的可行性论据.同时,由于本文给出的语音压缩编码器的实现结构中的各模块算法IP对于许多语音压缩编码算法中都适用,因此该语音压缩编码器的实现结构对不同的语音压缩编码算法具有一定的通用性.     

高效的MPEG先进音频编码方案

为提高MPEG先进音频编码系统的编码效率,分别在三个关键模块上进行了算法优化,提出一种高效的编码实现方案.在心理声学模型中,使用新的时域分块峰值变换率准则代替感知熵来判断MDCT变换块的类型,降低误判、漏判概率,提高编码质量和速度;在分析滤波器中,基于双路并行计算技术,采用N/8点FFT算法实现N点MDCT变换,提高运算速度;在量化编码模块中,利用量化噪声能量公式,减少量化迭代次数,提高编码效率.该编码方案在保证音频质量的前提下,减少了50%的编码时间,满足实时性系统设计的要求.     

卡箍式柔性接头在平潭海峡大桥供水管道工程中的应用

该文阐述卡箍式柔性接头在平潭海峡大桥供水管道工程中的应用。平潭海峡大桥供水钢管安装在平潭海峡大桥两侧,预留位置空间小,且由于管线长,钢管伸缩量大,无法采用法兰和焊接方式连接。工程设计采用卡箍式柔性接头连接,满足了工程特殊的预留空间要求;两瓣式卡箍柔性接头间隙采用40 mm的特大间隙,解决了管道自身轴向位移及大桥大伸缩量的难题,保证了工程的顺利完工。     

基于Windows CE的远程图像采集与控制系统开发

该文基于传统的TCP/IP和GPRS,提出一种以ARM9为核心的嵌入式图像远程控制采集系统,并且引入Windows CE 5.0嵌入式操作系统,以满足用户易操作、成本低的要求。实验结果表明,本系统具有高实时性、多任务以及良好的人机界面和快速的开发周期等特点。通过Internet和GPRS,使得系统的适用性和控制范围大大增加,可以应用于物联网和智能家居等领域,具有较强的实用价值。     

一种新的结合纹理特征的SVM图象分割方法

本文提出了一种新的结合纹理特征的支持向量机图象分割方法,将纹理特征和灰度特征一起组成训练特征向量,利用支持向量机分类方法进行图象分割.该算法结合了纹理特征在图象描述中的重要意义和支持向量机方法在模式识别领域已表现出的优越性能,实验证明其在图象分割中取得了良好的效果.同时,当需要处理一批内容相似,感兴趣区域具有相同纹理、灰度特征的同类图象时,只需对其中一幅代表性的图象进行SVM训练,所产生的分类模型适用于所有该类图象,无需逐幅进行处理,大大简化了运算过程.