A Serial Decoding Method Based on Belief Network Used in a Parallel Concatenation of Multiple Codes

The parallel decoding method of a parallel concatenation of multiple codes is well known. In this paper, we present a new serial decoding method. The iterative gain in this method is always one. Therefore, this method does not need optimization of the iterative gain by using simulated annealing like the parallel decoding method. Though it is simpler than the parallel decoding method in calculation, it gives the same performance. We also use Pearl's propagation algorithm to show the appropriateness of the serial decoding method.

跨平台访问端传感网络串口通信多线程实现

串口是外部串行设备与计算机之间的关键数据传输通道,由于跨平台访问端的传感器数据来自不同平台,具有显著独立性,融合难度较大,直接影响多线程通信效率。提出一种针对跨平台访问端传感网络的串口通信多线程实现方法。构建跨平台访问端,采用统计概率置信度算法,修正或剔除传感网络数据中的异常值。从时间相关性和空间相关性,完成传感网络的数据融合。依据信标时序补偿网络时钟同步法、父子链路时序轮转调度法,分配多线程执行信息传输,实现跨平台访问端传感网络串口多线程通信。实验表明:当线程数量由1增加至16时,在低网络流量和高网络流量负载情况下,所提方法的传感网络延迟可控制在0.53 ms以内。且在相同传输错漏率下,所提方法的进程平均超限步数始终更低。

基于Cortex-M3的串口与CAN转换模块的设计与实现

针对采用控制器局域网络(CAN:Controller Area Network)总线的自动操舵系统和采用串口通讯的航海导航设备之间通讯的不匹配问题,设计了一种基于Cortex-M3嵌入式平台的通信转换模块,实现了串口与CAN总线数据的双向转换功能。同时对传统CAN收发器CTM1050存在的信号稳定性不足、波特率精准度低等问题,提出并实现了一种硬件电路的替代方案,提高了数据通讯的时效性和稳定性。基于CAN2.0B扩展帧,设计了自动操舵系统内部CAN总线协议。该协议可根据报文信息优先级分配标识帧,保证了总线数据的有序传输。实验结果表明,该通讯模块功能使用正常且通讯效果良好,具有一定通用性,可在多种需要转换的设备系统上推广使用。

基于SRAM缓存和存内计算的低功耗关键词唤醒系统

为了解决关键词唤醒算法部署在边缘计算硬件会带来较高功耗、给电池驱动的设备带来续航挑战的问题,提出了一种基于存内计算技术和软硬件协同优化的低功耗关键词唤醒系统。在算法层面,基于标准MFCC算法拓扑结构提出了一种三值量化MFCC-CNN联合算法,将MFCC中的全部通用矩阵乘映射到神经网络加速器当中。在电路层面,提出了一种基于SRAM的存内计算核心,用于解决传统冯·诺依曼架构加速器存在的功耗墙和存储墙问题。同时通过复用存内计算核心的SRAM存储功能提出了一种基于查找表实现的缓存电路,用于替代寄存器延迟链电路。SRAM存内计算核心和SRAM缓存电路均采用定制单元实现。在系统层面,基于以上2种定制电路设计了一种低功耗关键词唤醒系统。该系统采用ASIC与定制化电路设计流程设计,并使用28 nm CMOS工艺库对该设计进行了ASIC综合,在250 kHz下,关键词唤醒系统运行10分类任务的延迟是64 ms,整体功耗为645.28μW,其中MFCC流水线的动态功耗占总动态功耗的5.9%,总功耗仅占系统功耗的1.3%。

基于多任务学习的快速序列视觉呈现脑电图分类

针对快速序列视觉呈现的脑电图数据存在样本不平衡问题,提出一种基于多任务学习的快速序列视觉呈现脑电图分类模型。首先,建立深度共享特征提取模块,利用卷积神经网络自动学习共享参数,提取与任务关联的深度特征;其次,基于分类任务和超球约束任务构造多任务目标函数,利用两种任务的联合学习提取更有效的判别特征,提高模型泛化性。在快速序列视觉呈现公开数据集中进行实验,与常见的脑电分类模型DeepConvNet、EEGInception、DRL以及EEGNet相比,提出的Multi-task EEGNet在32个受试者中平均AUC分别提升3.57%、1.84%、6.22%和2.09%。实验结果表明,提出的多任务学习模型能更充分地提取判别特征,有效提升模型分类性能,较好地解决EEG分类任务中样本不平衡问题。

“海燕”号谱系化水下滑翔机技术发展与应用

水下滑翔机作为一种借助水动力实现水中滑翔前进的无人水下航行器,其技术主要涉及水动力外形、耐压主体等总体设计技术,浮力驱动、姿态调节、能源动力、智能控制和传感集成等单元技术,以及路径规划、协同组网等应用技术。我国最早研制成功的水下滑翔机——“海燕”号由天津大学深海智能装备团队主体研发,自2002年起,经过二十余年的发展,已在工作深度、续航里程和传感集成应用等主要方面实现了谱系化发展。文中综述了“海燕”号谱系化水下滑翔机总体设计、浮力驱动、能源动力、协同组网以及海上试验应用等关键技术、先进方法和创新理论发展的现状,并与仿生赋能相结合,探索预测水下滑翔机技术发展趋势,以期为我国无人水下航行器技术快速发展提供参考。

基于卷积神经网络的多功能雷达波形识别方法研究

针对雷达侦察机对相控阵雷达信号难识别的问题,研究了基于相控阵雷达多层级行为模型中底层行为雷达波形的识别,提出了一种基于波形参数序列化表征与卷积神经网络的波形识别算法,通过将波形参数高斯分布化表征以及PRI序列归一化表征,使用多列卷积神经网络对所形成的特征序列进行高维特征融合以及波形分类与识别;在参数混叠条件下对相控阵雷达信号波形识别进行了仿真验证,结果表明该算法的有效性。

基于序列特征融合和深度置信网络的配网故障选线方法

针对配网发生单相接地故障特征提取困难,且现有选线方法精度不高的问题,提出了一种基于序列特征融合和深度置信网络的故障选线方法。首先,通过序列特征融合方法对同一故障工况下的各馈线暂态零序电流进行数据拼接,获取序列融合特征。然后,将序列融合特征作为蜘蛛猴算法(spider monkey optimization,SMO)优化深度置信网络(deep belief network,DBN)的输入,经DBN自适应地提取低维故障特征进而实现故障选线。仿真结果表明,所提方法和现有方法相比,具有较高的选线精度。当信噪比达到10 dB时,所提算法的平均选线精度达到99.78%,具有较强的鲁棒性。

基于标签相关性的预测调整算法

多标签学习已成功应用于文本分类、图像识别等各个领域。流行的技术包括提取标签特定特征、利用标签相关性等。提出带有标签相关性的预测调整算法PALC(Prediction adjusting with label correlation)将标签相关性融入串行并行神经网络。一方面,采用新颖的、更有效的串行并行神经网络架构来替代常见的显式特征提取或压缩感知方法;另一方面,考虑用固有的标签矩阵内的相关性来计算相关性矩阵,并以流形正则的方式优化分类器。对10个基准数据集与7种流行算法进行比较,结果表明PALC在3大排名指标下均有优势。

基于双向长短时循环神经网络的沉积微相自动识别方法——以莺歌海盆地东方B气田为例

莺歌海盆地东方B气田发育浅海重力流海底扇沉积,其砂体分布及叠置关系复杂,使用人工识别的方式进行沉积微相解释工作繁琐且易受主观因素影响。针对该问题,基于双向长短时循环神经网络设计串行网络架构沉积微相识别模型,该模型以测井资料、岩性录井资料为输入,可有效提取不同沉积微相的测井曲线形态特征,并充分考虑相邻沉积微相之间的关联性。将模型应用于该区沉积微相识别工作中,降低了储层非均质性及人工经验带来的影响,提高了识别精度,取得了良好的应用效果。

基于串行干扰抵消的多雷达组网系统设计

在雷达设备上集成通信功能是当前雷达技术发展的一个重要方向。基于雷达硬件平台,在分配的时隙内采用发射端扩频编码、接收端串行干扰抵消的处理方法,实现同时对多路信号的接收解调。对此进行了理论分析和仿真验证,结果表明:采用串行干扰抵消方法能够有效对接收到的多路信噪比不同的信号进行解调,其性能远优于直接相关法对弱信号的解调能力,能够实现跨平台多雷达间数据的无线传输。

GB/T 9999.2-2018《中国标准连续出版物号第2部分:ISSN》的应用研究

GB/T 9999.2-2018《中国标准连续出版物号第2部分:ISSN》于2018年正式发布,新标准扩大了ISSN的应用范围,旨在网络时代进一步推动ISSN在我国的普及和发展。通过介绍标准的主要内容和分析现阶段ISSN在关联数据、开放获取、电子期刊长期保存、其他标识以及出版服务几个方面的应用,明确未来我国ISSN的发展方向。

一种提高通信信息系统SRIO入网成功率的方法

随着现代信息系统任务量的日益庞大,系统对通信带宽、响应速度和可靠性的要求越来越高,通常采用高速高可靠的串行RapidIO总线来完成系统中诸如信号处理模块、数据处理模块、网络交换模块上所有节点之间的互联入网、数据传输,其中节点入网是网络通信的首要和重要条件,某个节点入网失败将导致该节点无法进行后续通信,所以节点入网成功率尤为重要。为提高节点入网成功率,文中介绍了一种兼容国产和进口串行RapidIO总线交换芯片的通信系统,该系统在节点不重新启动的情况下可以高效并可靠地纠错串行RapidIO总线状态,使得各节点可以100%成功入网,提高系统的实时性、稳定性和可靠性。

基于循环神经网络在超声前列腺分割的应用

为实现对前列腺的精准且快速的分割,文章提出了一种高效的基于循环神经网络在超声前列腺分割算法,首先利用先验知识形成目标前列腺大致的平均模板并沿每个轮廓点作出贯穿前列腺内外的法线,其次将图像序列化,最后结合循环神经网络对序列数据的推断能力对序列边界点进行重新定位,然后再反序列化还原图像形成最终分割,文章方法在时间上和内存消耗上具有一定优势,同时也达到了不错的分割效果。

基于深度神经网络的高维数据序列化推荐算法

随着互联网、超大数据时代的到来,如何在海量数据中快速找到有用信息,关系着数据推荐系统的好坏。为了解决传统数据推荐算法存在的数据维数低、推荐准确率不高、用户匹配性不好等问题,提出一种基于DNN深度神经网络、多层注意力机制结合的数据推荐方法。方法的核心思想在于利用卷积神经网络对前后数据信息进行多层维度提取;利用引入的注意力机制,利用多通道注意力机制获取的低维特征和深度网络获取的非线性特征进行求和,实现数据特征的融合,完成用户喜好的外围数据挖掘,从而提高数据挖掘深度和推荐性能。最后采用Amazon公开数据进行仿真验证,通过与多种模型和算法的实验数据对比,结果表明上述算法不仅能够提升数据推荐性能,同时还能够有效发掘数据的潜在信息。

微型仿生扑翼飞行器机载单目视觉系统的设计

近年来仿生扑翼飞行器利用视觉系统自主飞行成为一个具有广泛前景的研究方向,然而,其有限的带载能力对视觉传感器的类型、尺寸和重量提出了严格要求。目前商用图像处理模块的尺寸和重量较大,且需要回传图像信息至地面控制系统处理,文章旨在设计一款轻量化机载单目视觉系统,帮助微型仿生扑翼飞行器获取外界信息并实现智能自主的飞行。相比于其他图像处理模块,此系统以国产高算力芯片K210为核心进行设计,可脱离电脑端完成图像处理,尺寸仅为2.2 cm×2.3 cm,重量仅为3 g,内部兼容轻量化网络模型实现分类识别,通过串口进行信息交互,控制扑翼飞行器实现手势识别和目标追踪。

基于串行编码校验的深度哈希图像检索

现有基于深度学习的哈希图像检索方法通常使用全连接作为哈希编码层,并行输出每一位哈希编码,这种方法将哈希编码都视为图像的信息编码,忽略了编码过程中哈希码各个比特位之间的关联性与整段编码的冗余性,导致网络编码性能受限.因此,本文基于编码校验的原理,提出了串行哈希编码的深度哈希方法——串行哈希编码网络(serial hashing network,SHNet).与传统的哈希编码方法不同,SHNet将哈希编码网络层结构设计为串行方式,在生成哈希码过程中对串行生成的前部分哈希编码进行校验,从而充分利用编码的关联性与冗余性生成信息量更为丰富、更加紧凑、判别力更强的哈希码.采用mAP作为检索性能评价标准,将本文所提方法与目前主流哈希方法进行比较,实验结果表明本文在不同哈希编码长度下的mAP值在3个数据集CIFAR-10、ImageNet、NUS-WIDE上都优于目前主流深度哈希算法,证明了其有效性.

序列泛函网络模型及其学习算法与应用

通过对泛函网络的分析,提出了一种序列泛函网络模型及学习算法,而网络的泛函参数利用梯度下降法来进行学习.在此基础上,给出了9种典型泛函方程对应的序列泛函网络求解模型以及一种基于序列泛函网络学习算法的求解泛函方程方法.通过算例进行仿真实验,结果表明,该方法十分有效,具有收敛速度快、计算精度高、泛化性能好等特点,解决了传统的数值方法难以求解泛函方程这个问题.该方法可用于一般泛函方程求解问题.

水面无人艇导航与控制系统设计与实现

无人艇用于海面环境监测、海难搜寻救助、通航秩序辅助管理、海洋权益保护等方面具有广阔的应用前景,尤其是对于沿海沿江复杂水域具有明显的战略发展意义。以现有无人或小型作业艇船体及动力设备为基础,研究无人艇遥操作系统,包括岸基或母船控制台、艇载设备驱动系统及网络数据交换等方面内容,通过上位机海图实现艇运动路径规划,同时利用岸基或母船雷达及AIS获取的艇周目标信息提供在线避碰决策支持,根据无人艇采集的地理位置、航向姿态、航速及舵角等远程反馈数据产生对艇遥控指令,驱动无人艇上的车舵系统,实现自由加减速、前进、转向与停车等操作。系统通过推理及仿真试验,表明控制基站与艇数据交换可靠,艇车舵系统能有效响应遥指令,数据链路还能支持艇体搭载远程任务模块。