VxWorks增强型网络驱动程序(END)的分析与实现*

随着嵌入式操作系统VxWorks在国内外各种领域越来越广泛的应用,如何让VxWorks支持各种硬件平台成了亟待解决的问题。介绍了设备驱动相关的一些基础知识,阐述如何在VxWorks中添加END驱动,最后对WindRiver提供的END网卡驱动程序模板进行流程上的分析。

基于ARM9的VxWorks增强型网络驱动设计

VxWorks下增强型网络驱动是一个链路层驱动程序,它通过MUX层函数与网络协议层进行通信,分析了基于S3C2410A和VxWorks操作系统的嵌入式网络硬件平台,阐述了VxWorks操作系统下增强型网络驱动的结构原理,给出了增强型网络驱动的具体实现方法,满足系统网络传输的要求。

VxWorks下增强型网络驱动程序的设计与实现

VxWorks下增强型网络驱动程序是一个数据链路层驱动程序,通过MUX函数与网络协议层通讯。本文首先从整体上分析VxWorks网络驱动程序的原理和结构,然后介绍了基于三星公司ARM7TDMI内核的S3C4510B增强型网络驱动程序的实现。本文对于VxWorks下的同类开发也有一定参考作用。

VxWorks下增强型网络驱动实现的分析

VxWorks下增强型网络驱动-END(Enhanced Network Driver)是一个数据链路层驱动程序,通过MUX函数与网络协议层通讯。本文分析了VxWorks实时操作系统下增强型网络驱动-END(Enhanced Network Drivers)

4G系统中的中继增强型网络切换

引入中继可以扩大4G网络中LTE的覆盖范围,增强网络的承载能力。但LTE的无线资源管理也要作出相应的改变。用户不仅要在两个eNB之间进行切换,而且在eNB和RN之间以及在两个RN之间都存在切换。文中根据LTER8的切换流程和中继的特点,给出了集中和分布两种中继方式下的切换流程。

CDMA IS-95A增强型网络到cdma2000 1x网络的演进

第三代移动通信——3G,是包括标准的制定、系统网络、终端及应用开发等在内的一个整体概念,其鲜明特点是高速度、多媒体、个性化。3G采用CDMA和分组交换技术,其传输速率可由现有网络如GSM的9600kbit/s上升至2Mbit/s,从而实现随时随地的移动互联网接入,这将为更多的应用带来无限的发展空间。第三代移动通信系统的出现,不仅提高了承载高速移动数据和高速多媒体业务的能力,而且为在我国移动通信市场引入新的竞争和发展移动通信产业带来了机遇。我国现有的移动用户总数已经超过了1.6亿,且每年以净增6000万户左右的速度在发展。由此推测,到2005年我国的移动通信用户数可能超过3亿。而由移动通信产业带动的相关产业的产值可能超过10万亿元人民币,其中,3G市场的产值最少也在1万亿元以上。由此可见,我国发展3G业务市场的潜力非常巨大。为了使读者了解当前3G发展所面临的问题及其技术进展,我们特别邀请了信息产业部电信传输研究所的王志勤和万屹同志作为我刊“第三代移动通信(3G)”专题的总策划。本专题从3G业务平台的整合与开放、3G网络及其使用的技术、3G核心网的网管、3G网络的安全体系结构和QoS以及现有移动通信网络如何向3G网络过渡等方面,全面介绍了3G在目前的发展情况。在此。

基于VxWorks增强型网络驱动开发的研究

介绍了在VxWorks系统下开发增强型网络驱动的基本方法。首先介绍了需要用到相关基本数据结构;然后重点分析了VxWorks加载初始化驱动的过程,深入探讨了如何开发相应的驱动程序;最后介绍了VxWorks网络协议栈所要求数据帧封装的格式。文章将开发增强型网络驱动程序的方法做了研究和总结,方便开发者较快开发出相应的驱动程序。

基于自增强型互穿聚合物网络凝胶的中药缓释体系的构建与表征

目的构建并表征用于中药缓释的自增强互穿聚合物网络水凝胶(SR-IPNH)体系。方法基于洛沙姆网络和甘草酸(GA)网络,构建SR-IPNH体系。本研究考察了所制备凝胶的流变性、成胶性、体外可注射性、载药性能、体外释放行为及初步稳定性。结果所制备的SR-IPNH在室温下具有良好的流动性,在35.1℃下能2.5 min内快速凝胶,证明本体系具有良好的热敏成胶性能。含量分析结果表明,体系中芍药苷和甘草酸的含量分别为1.88%和0.86%。流变学考察结果显示,甘草酸能使凝胶的储能模量G′显著上升,且损耗因子tanδ显著降低,这说明体系的弹性性能得到加强,机械强度得到提升。药物体外释放研究结果显示本体系具备显著的缓释性能,揭示GA的释放受到自扩散和凝胶溶解的双重影响。此外,稳定性试验结果显示室温、密闭和黑暗环境更适合SR-IPNH的贮藏。结论本研究成功制备了SR-IPNH体系,表征结果展示出良好的机械强度和缓释性能。本工作为中医药治疗OA提供新的思路和技术支持。

增强型注意力网络点击通过率预估方法

针对以往模型在对点击通过率(click-through rate,CTR)进行建模预测时,存在着特征重要性学习不足、特征交互低效等问题,提出了一种增强型注意力网络预估模型,用于动态学习特征重要性和特征交互信息,模型主要由注意力层、双线性交互层和全连接神经网络层构成。注意力层的多尺度多头自注意力机制通过设置不同尺寸子空间增强特征重要性学习能力,在得到特征重要性后,进一步采用张量积双线性交互学习特征交互信息。通过对注意力的子空间尺寸大小、张量积交互形式、神经网络层数和节点个数等进行定量分析,确定模型的最佳参数。实验证明,该模型相比已有模型拥有更好的预测能力。

增强型轻量级网络的红外小目标检测

当前红外小目标检测方法存在一定的缺陷,如检测精度低,易受外界环境干扰。为了实现高精度红外小目标检测,提出基于增强型轻量级网络的红外小目标智能检测方法。该方法采集红外小目标的红外图像,采用小波变换对红外图像进行预见处理,然后提取红外小目标检测特征,并采用增强型轻量级网络技术实现红外小目标智能检测。经测试分析证明:该方法的红外小目标采集数量正确比重为1左右,受外界环境干扰较小,频谱有效带宽信号频率集中在275 kHz附近;红外小目标检测边界相对误差均为1%左右,边界绝对误差低于1 mm,检测精度高于98.2%,检测时间低于5.9 ms,提高了检测效果。

分组增强型OTN系统中光放大器故障恢复方法

分组增强型光传输网络(Optical Transport Network,OTN)系统在光通信中的使用越来越广泛。光放大器是分组增强型OTN的重要部件。一旦光放大器出现故障,在故障机盘到位前通常无法实现系统恢复,对承载业务影响很大。本文通过模拟分组增强型OTN系统中光放大器板卡故障,提出了一种新的思路,即使用增益值和额定光功率类似的同厂家和异厂家光放大器进行替代,探索同厂家和异厂家不同光放大器间的替代可行性,并进行了初步实体网络测试,测试结果表明该方法有效压缩了故障影响时间,为分组增强型OTN系统光放大器故障提供了一种新型解决方案。

基于VxWorks的网络增强型驱动分析与实现

网络驱动的开发是基于VxWorks的嵌入式应用的重要组成部分;VxWorks提供了多路复用层(MUX)接口来实现增强型网络驱动(END)的开发,具有协议无关性特点,可使开发人员专注于驱动程序的开发而无需考虑上层协议的内容,利用这种方法对RTL8139网卡的END开发进行了研究;首先阐述了END的数据结构和接口函数,然后着重分析了BSP中相关文件的配置,最后对驱动的加载启动过程及数据包的存储收发过程作了介绍;对于VxWorks下基于MUX机制的其它网卡驱动的开发具有参考价值。

EFNN——一种增强型模糊神经网络

提出了一种较为广义的增强型模糊神经网络 ,以达到更高的非线性系统逼近能力 .该网络模糊规则的结论以函数形式给出 ,从而决定了网络的结构由两个子网络组成 ,即特征网络和功能网络 .网络采用梯度算法来修正网络的参数 .仿真表明 :该网络具有较强的非线性逼近能力和较快的学习速度 .

函数增强型神经网络应用于钢的冷弯性能研究

函数增强型神经网络（FunctionalEnhancedNet，简称FEN）是一种无隐含层的新型网络，作者应用其三阶联合激励增强特性对钢的冷弯性能进行判别研究，识别准确率近100％．对预测集的每一个输入信号添加噪音干扰，发现依然能准确判别．网络误差下降随着添加噪音的增大而逐渐变慢，可见该网络的容错能力令人满意．

基于增强型YOLO网络的射线探伤钢管焊缝缺陷实时检测模型

由于生产工艺条件的限制,钢管焊缝表面缺陷具有多样复杂的特征,不同产线生产的焊管焊缝缺陷往往具有不同的特征。因此,焊管表面缺陷检测算法应具有良好的泛化性能。本文针对钢管焊缝缺陷的检测,建立了16种类型的钢管焊缝缺陷数据集,并对数据集进行了扩充,以减少过拟合。文中改进了(YOLO-v5)网络由29个卷积层组成,为钢管焊缝缺陷检测提供了端到端的解决方案。利用该网络对16种类型的缺陷进行了评估,达到了97.55%的准确率和95.86%的召回率。此外,我们的网络以67FPS的速度实现了99%的检出率,为钢管焊缝射线探伤系统的缺陷实时检测提供了方法论支持。同时,该模型还可以预测缺陷区域的位置、尺寸和缺陷类型等信息,对评价整条焊管产线的质量具有重要意义。

5G在边缘增强型工业控制网络的应用探索

随着云计算、边缘计算、物联网等技术在工业领域的应用,工业控制系统正在向智能化方向发展,正在构建全新的边缘增强型工业控制网络。5G、网络切片、5G MEC等技术的应用,能充分满足未来工业控制系统的通信需求。5G可以根据实际需求连接边缘增强型工业控制网络中的现场层和边缘层,或连接边缘层和云层。将边缘层业务部署到5G MEC中,能够使5G网络对内容进行深度感知,真正实现5G网络与边缘增强型工业控制网络的协同融合。

考虑混沌特征的增强型大脑情绪神经网络光伏发电功率超短期预测模型

为进一步提高光伏发电功率超短期预测的准确度,根据光伏功率时间序列固有的非线性混沌特征,提出一种基于改进粒子群优化(improved particle swarm optimization,IPSO)算法和增强型大脑情绪神经网络(enhanced brain emotional neural network, EENN)的光伏发电功率超短期预测模型。首先,利用非线性变换将光伏功率序列的隐含信息特征投射至高维相空间,获得反映吸引子轨迹的新数据空间;随后,为提高模型的超短期预测能力,通过考虑系统在空间中连续吸引子轨迹的非线性几何特征,利用EENN模型建立高维空间中的数据映射关系,并采用IPSO算法实现对EENN模型中所有权值和阈值的迭代优化,以提高EENN模型的数据挖掘和预测能力;最后,基于实测光伏发电功率数据进行单步预测以实现对所提模型的有效验证。算例分析表明,所提预测模型具有比传统模型更好的预测效果,有效提高了光伏功率超短期预测的准确度。

基于改进增强型神经网络的短期电力负荷预测

论文提出了基于改进增强型神经网络算法的短期电力负荷预测方法。该方法通过随机抽样来创建多组数据,利用训练每个数据集形成一个神经网络,并将每个训练的神经网络输出平均后获得对应的结果。与采用单个神经网络或套袋法神经网络进行电力负荷预测相比,增强算法的引入减少了估计误差和误差变化的范围。实例表明,与现有的各种技术相比,使用增强型神经网络算法可以减少电力负荷预测的误差。

具有双向增强特征结构的U型肺结节分割网络

在CT影像中精准而有效地分割出肺部结节是肺癌早期诊断的关键。然而,肺结节形态的多样性以及周围环境的复杂性,都给肺结节分割的鲁棒性带来了巨大的挑战。为提高CT影像中肺结节分割的准确性,提出了Bi EFP-UNet(bidirectional enhanced feature pyramid UNet)肺结节分割网络。该结构采用端到端的深度学习方法来解决肺结节的分割任务,通过在原始U-Net网络的编码器和解码器结构之间集成一个双向增强型特征金字塔网络(bidirectional enhanced feature pyramid network,Bi EFPN),加强网络对特征的传递与利用;利用Mish激活函数提高分割效率,并消除原始U-Net网络梯度消失的问题。在肺结节公开数据集LUNA16上的实验结果表明,Bi EFP-UNet网络的Dice相似系数(DSC)可达88.32%,其中,Bi EFPN结构带来的提升为5.25个百分点,Mish激活函数带来的提升为1.21个百分点;与原始U-Net网络相比,Bi EFP-UNet网络的DSC提升了6.46个百分点,能有效解决原始U-Net网络对小目标结节分割性能差、梯度消失的问题。