在控制器局域网(controller area network,CAN)总线通信中,位时序的处理关系到CAN能否正确地收发数据.基于总线标称位时间的周期结构及位同步的工作原理,提出CAN 2.0协议标称位时间的一种优化方法,即将传统的标称位时间由4个互不交叠的...在控制器局域网(controller area network,CAN)总线通信中,位时序的处理关系到CAN能否正确地收发数据.基于总线标称位时间的周期结构及位同步的工作原理,提出CAN 2.0协议标称位时间的一种优化方法,即将传统的标称位时间由4个互不交叠的段简化成3个互不交叠的段,并在此基础上提出一种基于同步状态机的CAN总线位时序处理器的设计方法,提供可编程的时间段来补偿传播延迟时间和相位漂移,并对设计的电路进行仿真与验证.结果表明,相对于CAN协议规范标称位时间的4个互不交叠的段,减少了整个位时序处理过程使用的寄存器,简化了执行位同步的步骤,能更简便地处理CAN总线通信的位时序,实现了CAN总线协议中对位定时和位同步的控制,更好地优化了CAN网络的性能.展开更多
近年来兴起的人工神经网络由于具有较强的自学习适应性和并行信息处理能力,从而在信号处理领域显示出巨大潜力。储备池计算是一种由递归神经网络衍生而来的类脑神经形态计算范式,对随时间变化的连续信号具有非常好的分类和时序预测能力...近年来兴起的人工神经网络由于具有较强的自学习适应性和并行信息处理能力,从而在信号处理领域显示出巨大潜力。储备池计算是一种由递归神经网络衍生而来的类脑神经形态计算范式,对随时间变化的连续信号具有非常好的分类和时序预测能力。本论文提出利用MEMS(Micro-Electro-Mechanical System)梁谐振器的非线性响应特征,设计并搭建了两种储备池计算的拓扑架构。此外,面向雷达信号处理中信号预测、图像识别、雷达信号特征分类和提取等应用需求,针对性地选择了NARMA(Nonlinear Auto Regressive Moving Average Equation of Order)预测任务、MNIST(Mixed National Institute of Standards and Technology)-手写数字图像识别、LFM(Linear frequency modulated)脉冲波形识别与特征提取等测试任务对论文所提两种不同储备池计算架构进行试验验证。同时,实验结果也充分展示了基于非线性MEMS谐振器的储备池计算硬件系统在雷达信号预测、分类与特征提取等应用领域中的应用潜力。为复杂电磁环境下,雷达信号处理提供新的有力工具,也为MEMS传感技术与雷达信号处理技术的交叉融合进行积极探索。展开更多
文摘在控制器局域网(controller area network,CAN)总线通信中,位时序的处理关系到CAN能否正确地收发数据.基于总线标称位时间的周期结构及位同步的工作原理,提出CAN 2.0协议标称位时间的一种优化方法,即将传统的标称位时间由4个互不交叠的段简化成3个互不交叠的段,并在此基础上提出一种基于同步状态机的CAN总线位时序处理器的设计方法,提供可编程的时间段来补偿传播延迟时间和相位漂移,并对设计的电路进行仿真与验证.结果表明,相对于CAN协议规范标称位时间的4个互不交叠的段,减少了整个位时序处理过程使用的寄存器,简化了执行位同步的步骤,能更简便地处理CAN总线通信的位时序,实现了CAN总线协议中对位定时和位同步的控制,更好地优化了CAN网络的性能.
文摘传统的GB-InSAR时序处理方法针对整个数据集或分组进行实时处理,该类方法占用大量的电脑内存,效率低,不能满足边坡监测的时效性,无法实现形变预测与灾害预警预报.针对此种情况,提出了基于Kalman滤波的GB-InSAR边坡形变监测实时处理方法.以河北省迁安市马兰庄铁矿边坡监测为例进行分析,提出方法在实验所用解算平台下,在1 min内可解算出研究区当前时刻形变量,并可以预测下一时刻的形变量,与传统时序InSAR的结果相比,时序形变标准差优于1 mm.
文摘近年来兴起的人工神经网络由于具有较强的自学习适应性和并行信息处理能力,从而在信号处理领域显示出巨大潜力。储备池计算是一种由递归神经网络衍生而来的类脑神经形态计算范式,对随时间变化的连续信号具有非常好的分类和时序预测能力。本论文提出利用MEMS(Micro-Electro-Mechanical System)梁谐振器的非线性响应特征,设计并搭建了两种储备池计算的拓扑架构。此外,面向雷达信号处理中信号预测、图像识别、雷达信号特征分类和提取等应用需求,针对性地选择了NARMA(Nonlinear Auto Regressive Moving Average Equation of Order)预测任务、MNIST(Mixed National Institute of Standards and Technology)-手写数字图像识别、LFM(Linear frequency modulated)脉冲波形识别与特征提取等测试任务对论文所提两种不同储备池计算架构进行试验验证。同时,实验结果也充分展示了基于非线性MEMS谐振器的储备池计算硬件系统在雷达信号预测、分类与特征提取等应用领域中的应用潜力。为复杂电磁环境下,雷达信号处理提供新的有力工具,也为MEMS传感技术与雷达信号处理技术的交叉融合进行积极探索。