监控网络的对话协议设计

现代的大型监控系统基本都是基于网络化设计的。监控网络平台实现的关键设计基于两个方面:一是根据通信协议构成适当的网络传输系统,二是网络对话协议。对话协议不仅是实现监控内容的重要体现,也是监控终端设备和监控中心设备软件开发的依据。因此本文进一步讨论对话协议设计问题,以保证设计具有功能性强、通信效率高和可扩展性。

溅射功率对掺铝氧化锌薄膜光电学性质的影响

利用射频磁控溅射在BK-7玻璃基片上沉积掺铝氧化锌薄膜,研究溅射功率对薄膜光电性能的影响.当溅射功率从250 W增加到400 W时,X射线衍射的结果发现,250 W制备的薄膜只有(002)衍射峰,而300 W以上的样品则出现了新的(101)衍射峰;而且随着溅射功率的增加,(002)峰的强度减弱,(101)峰的强度增强.薄膜的厚度随溅射功率的增加而变厚,电阻率随溅射功率的增加而减小,从200 W功率时的24.6×1-0 4Ωcm减小到400W时的7.2×1-0 4Ωcm.样品在可见光区域的平均光学透射率都大于85%,其光学带隙随载流子浓度的减小而减小.

退火对TiO_2和Ta_2O_5光学薄膜的结构和光学性质的影响

将反应磁控溅射制备的二氧化钛和五氧化二钽薄膜在温度400℃的条件下退火处理.利用X射线衍射、原子力显微镜和分光光度计等设备对退火后薄膜的结构、表面形貌和光学性质进行研究.实验表明:退火后的T iO2薄膜为多晶结构,薄膜的表面粗糙度、折射率和消光系数都出现增大现象.然而,对于退火后的T a2O5薄膜,它的结构还是非晶态,薄膜的表面粗糙度比退火前小;同时折射率和消光系数均有减小.这些结果说明薄膜退火后的特性与薄膜材料的内部结构及结晶转变温度等有密切相关.

基于C++Builder Socket的监控网络通信

TCP/IP协议是目前普遍使用的通信协议。本文介绍如何应用C++Builder的套接口控件,以及采用该控件开发基于TCP/IP协议的服务器和客户模式的监控网络通信系统。

企业产品质量监测系统的设计

针对配合企业数据库管理系统准确、实时得到生产线产品质量监测数据的需要,阐述监测数据采集系统应开展前期的技术规划和开发的分工与合作.充分了解功能需求及原有管理要求,形成最适于智能数据采集处理和传输的通信协议,并关注关键实现技术的可行性和可靠性.

多窗口的动态链接库设计

由于动态库链接的优点,在一些应用系统中,经常把某些功能以动态库的形式开发。但有时要求动态库也应以窗口形式供使用,甚至要求以多窗口的形式使用。因此本文介绍了在C++Build开发环境中,具有多窗口形式的动态库设计。

基于短信和语音合成的报警接口设计

本文采用手机模块TC35i和语音合成模块XF-S3011构成短信和语音报警的智能接口,它在短信收发同时可合成语音输出;另外提供基于C++Builder组件形式的PC机接口软件,便于根据实际报警需要构成应用软件系统。

比例微分变步长盲源分离中高阶累积量的影响

介绍比例微分变步长法在盲源分离中的应用,着重阐述对于非高斯混合输出信号,高阶累积量对比例微分变步长盲源分离结果的影响.研究表明,比例微分变步长法不仅适用于高斯型混合输出信号,也适用于非高斯型混合输出信号.对于非高斯型信号,应考虑高阶累积量的贡献.将二阶、三阶和四阶累积量分别作为比例微分算法的控制量,结果表明,三者均能获得相同量级的收敛速度和分离精度,但四阶累积量的初始步长取值范围最大,为0.1~1.2;而二阶和三阶累积量的初始步长取值范围相对较小,仅为0.1~0.4.因此,基于比例微分变步长算法的盲源分离技术,通过合理选择累积量阶数,可适用于不同类型的混合源信号的分离.

自然梯度盲源分离加速收敛的衡量依据

所有信号均有既定的峭度累积量,无论是固定步长自然梯度盲源分离或变步长自然梯度盲源分离,从分离信号峭度累积量变化的角度看,观察分离信号峭度累积量随步长迭代(固定步长迭代,或变步长迭代)过程的前后之差值e(k)变化,可衡量自然梯度盲源分离稳定加速收敛的观察指标就存在于e(k)曲线的变化特征中.仿真实验结果表明:e(k)曲线迭代开始阶段(变化率接近0)和变化部分的集中程度是两个重要观察指标.当衡量构成与自然梯度盲源分离输出程度紧密关联的稳定加速方法的有效性时,该特征指标就是一个参考依据.

一种基于AR模型的小室内扩声增益提高方法

针对室内响应信号的时间数据序列,讨论线性预测建立室内声环境自回归模型的关键因素,以及提出一种基于小声环境自回归模型的室内扩声增益提高方法.仿真实验达到预期的要求.

基于回声状态网络的声环境中目标信号增强方法

基于声信道特点和回声状态神经网络建模,提出了一种通过抑制环境回声而相应增强目标语音的信号处理方法.仿真实验表明,对应于模型最好的泛化能力,其储备池规模(N)及其稀疏连接度(p)的N×p取值(为储备池中互相连接的神经元数量)是极值;其训练数据量(即足够的训练时间)存在一个下限值.训练建模后,该模型不仅达到通过抑制环境回声而相应增强输出目标语音信号的目的,而且麦克风接收信道改变时,也保持有效的处理效果.