OpenStack环境下的资源动态调度研究

针对云计算平台中资源调度问题,提出了基于Open Stack的虚拟机动态调度算法。算法主要采用了基于节点负载的上线和下线触发策略和以提高服务质量和减少迁移成本的待迁移虚拟机选择策略.为了避免群聚效应,维持系统的负载均衡,通过计算虚拟机对节点的需求度来衡量虚拟机与节点间的匹配度,利用匹配度制成概率轮盘的目的节点的选取策略。最后结合云计算仿真平台CloudSim对算法工作的情况进行模拟,验证了算法的调度质量。     

关于复杂FPGA设计的一些技巧

随着社会的发展,FPGA的应用将越来越广泛,其设计也必然将越来越复杂.作为设计人员来说,在今后的工作中会遇到更多的问题,从这个角度出发,提出了一些在设计中的技巧,最后给出了一个例子说明如何在实际中做到这点.     

基于PXA270的智能手机硬件系统设计

这里选用PXA270作为智能手机应用处理器,用目前主流的基带+应用处理器系统设计方法实现了智能手机的硬件系统设计,并介绍了怎么实现智能手机所具有的A-GPS导航、蓝牙和MP3/MP4播放等功能.     

基于DSP的短波跳频频率合成器的设计

针对传统跳频通信系统跳频器的频率转换速度慢、分辨率低等不足,设计了基于现代数字信号处理和直接数字频率合成技术的高性能跳频器,采用高速数字信号处理器(DSP)和直接数字频率合成器(DDS)来完成跳频器的功能,以m序列为跳频序列;DSP采用TI公司的TMS320VC5402,它一方面作为DDS芯片的控制器,控制DDS芯片的工作;另一方面产生m序列;DDS芯片采用ADI公司的AD9852,它在DSP的控制下完成频率合成,同时还可以实现数字调制;跳频信号输出后经测试系统进行检测,输出幅度随频率变化的阶梯波,以此来测试系统输出跳频信号的性能.     

基于运动跟踪的快速交互式视频抗误码方法

提出了一种基于运动跟踪的快速交互式抗误码算法。首先由解码器检测定位出误码位置,并将误码位置信息反馈给编码器,编码器在编码后续帧时采用运动跟踪的原理定位出受误码影响区域,并对区域内的宏块数据进行相应的处理,以防止误码进一步扩散。实验结果表明,使用该交互式视频抗误码方法能够快速有效地抑制误码的扩散,保证恢复视频质量。     

基于FPGA的数据采集系统设计

随着信息技术的飞速发展,各种数据的采集和处理在现代工业控制和科学研究中已成为必不可少的部分。数据采集系统是计算机智能仪器与外界物理世界联系的桥梁,是获取信息的重要途径。以Xilinx公司的Spartan-3系列FPGA芯片XC3S400为核心,采用TI公司的TLC0820型号的A/D转换器作为模数转换器件,设计了一个基于FPGA的数据采集系统,并用Verilog HDL语言作为描述语言实现了对TLC0820的采样控制和FPGA的数据处理等过程的控制,以Xilinx ISE 9.1i软件为平台,进行了设计输入、分析与综合、仿真与验证等过程仿真实现了这一系统。     

多回波环境中多机动目标跟踪的新算法*

目标的状态估计与数据关联是机动多目标跟踪中的关键问题.针对杂波环境中多机动目标的跟踪问题,本文首先引入一种自适应滤波算法,并与快速概率数据关联算法结合,提出一种适于实际应用的密集回波环境下机动多目标跟踪的新算法-快速自适应概率数据关联(FAPDA)算法,利用近似概率数据关联(PDA)算法的计算量达到优于联合概率数据关联(JPDA)算法的跟踪效果,并能快速检测到机动.通过与JPDA算法的仿真结果进行对比,表明了该算法的有效性和快速性.     

焦平面热成像图像显示电路设计

本文介绍了基于CD22402电视同步信号产生器和DAC8308的弹用焦平面图像显示电路的设计.首先研究了原理和设计要求,然后对各部分硬件设计进行了详细介绍,最后介绍了电路的调试.实验结果表明:能完成把经过校准后的数字图像灰度数据和图像处理中形成的信号转换成模拟视频信号,并将系统时序转换成电视时序功能.     

小波多分辨率算法在电力谐波检测中的应用

在电力系统中,由于非线性负载广泛应用,电网被注入了大量谐波电流,给电力系统中的设备带来很大的危害;为了防止谐波危害系统安全运行,就必须确切掌握电力系统中畸变波形含有的谐波情况,并采取相应措施对其进行抑制或补偿;文中基于多分辨率小波分析法,利用Daubechies小波db24进行7级重构将电流信号分解为基波信号和高次谐波信号;通过Matlab7.0仿真和误差分析,分离出的基波误差不超过1%,实现了谐波变化趋势的有效跟踪,并利用总畸变分量对其进行了有效补偿。     

神经网络预测中长期电力负荷对比研究

为避免传统方法预测中长期电力负荷建模的复杂性,根据电力负荷历史数据,研究了基于LM算法的BP网络、RBF网络在中长期电力负荷预测中的应用,通过神经网络对训练样本的学习,自动提取影响中长期电力负荷的诸多因素。从训练速度、预测误差等方面分析对比了两种神经网络预测能力,仿真和实例数据表明了两种神经网络在中长期电力负荷预测方面的可行性和良好效果。