多通道串行通信数据存储算法研究与应用

针对多通道串行通信数据中数据丢失和通信波特率自识别的问题,研究了一种多数据流多缓冲乒乓算法存储串行通信数据,解决了帧间隔时间不确定、长度不定长的多通道串行通信数据接收和存储难题。利用微处理器的DMA和串口中断技术,设计了一款多串行通信数据记录器。实验测试表明:应用多串口存储算法的数据记录器能够有效解决串行数据丢失与波特率自识别问题,数据记录器可应用于大容量数据存储。

基于矩阵聚类的页面预测研究

提出一种基于Web日志的分析方法，构建UserID-URL关联矩阵，通过矩阵聚类进行页面预测，为了加快聚类速度和效果，引进Ping-Pong算法，实验表明基于矩阵聚类的页面预测达到较高的命中率。

基于SOPC的说话人识别算法的实现与优化

利用可编程片上系统(SOPC)灵活的可编程性和现场可编程门阵列(FPGA)强大的并行处理能力,在FPGA上实现说话人识别算法,并从识别速度和识别精度两个方面对系统进行优化。研究了说话人识别算法的原理,针对其特点构建了SOPC系统,用乒乓操作实现语音采集和处理,利用FPGA的硬件实现算法中较为耗时的模块,提高了识别速度,同时又利用遗传算法来生成模板码书,提高了识别精度。最终,实现对说话人身份进行识别的功能,系统具有较高的实时性和识别精度。

电机测试中动态加载及综合测试系统研究

针对传统电机测试系统中,无法直接实现对电机瞬态参数的测试以及电机加载时动态任意负载加载的要求或者实现成本较高的问题,以STM32+FPGA为核心构成电机测试系统的主控单元,结合ARM处理器的优越控制性能和FPGA的高速数据处理优势,并采用FSMC总线通信和数据乒乓处理算法对双核心进行控制和数据流不间断传输。最后,设计了一种嵌入式电机测试系统中的控制系统核心,可嵌入现有传统测功机系统中提升测功机瞬态参数测试和动态电机负载加载性能。实验结果表明,该系统能基本满足电机瞬态测试和动态加载的要求,可以实现测量被测电机转速转矩最快1 ms的数据刷新率,以及100M采样频率内的任意波形加载,加载误差在0.8%以内,较好的满足了电机瞬态测试和动态加载需求。

基于GPU的实时群体仿真算法实现

群体仿真在虚拟现实、影视动画、计算机游戏等领域有着广泛的应用。大规模的群体仿真中每个个体都要同其感知范围内的其他个体相互作用,当实时更新所有个体的状态时,就会导致O(N2)计算量的问题。针对这一问题,实现了一种基于GPU(图形处理器)的BOIDS群体行为模拟算法,充分利用GPU并行计算的能力处理大规模群体运动的巨大计算量。该方法利用GPU的快速光栅化计算每个个体同其感知范围内的其他个体的相互作用力,通过像素颜色混合功能实现作用力的累加,利用GPU自动生成Mip Map的能力计算所有个体的平均速度和平均位置。实验结果表明,该方法能够有效提高大规模群体运动的渲染速度。

一种积分图的分治计算方法

AdaBoost算法在处理大量图片时需要进行长时间的预处理。为此,提出一种用硬件并行计算图像各个局部积分图的方法,通过AdaBoost算法用少数特征淘汰大量无关图像,牺牲单个特征计算时间,避免对大量图片进行预处理操作。实验结果证明,该方法可以加快大量高像素图像的识别速度,在无关图像占整体98%的情况下,速度比传统算法提高31.8%。

基于IGM-BP算法的城轨越区切换研究

针对城市轨道交通列车在越区切换过程中因受到多径效应、同频干扰等因素的影响,引起接收到的参考信号接收功率(RSRP)值波动较大,导致乒乓切换频繁发生的问题,通过结合TD-LTE标准的A3事件,提出一种改进的GM-BP神经网络(IGM-BP)算法。根据车载数据终端(TAU)接收到的t时刻前4组RSRP值,建立灰色模型GM(1,1)并得到一组预测值,将预测值取均值作为期望值,为改善灰色预测算法对数据的波动性适应不理想的问题,再利用BP神经网络算法修正通过灰色预测算法得到的预测值,从而得到期望的RSRP值。仿真结果表明,与传统切换算法和灰色预测算法相比,利用IGM-BP算法可以使RSRP值波动幅度减小,降低乒乓切换率,提高切换成功率。

基于AI的无线网络乒乓切换问题自动优化方法

提出了一种采用人工智能方法定位乒乓切换原因的方法,给出了一种乒乓切换原因定位决策树模型;通过该模型可以快速、准确地定位乒乓切换原因,同时可以摆脱人工定位乒乓切换原因对个人能力和工作经验的依赖性。最后通过实际应用,验证了该方法的实际效果。

基于速度⁃方向的LTE⁃R越区切换改进算法研究

随着列车速度的提高,越区切换更加频繁,其中乒乓切换是造成列车切换失败的主要原因。减少乒乓切换对列车运行而言至关重要。改进算法利用基于小区物理标识(PCI)的小区判别方法对接入小区进行实时判断,使列车触发正常切换和乒乓切换时采用不同的切换迟滞门限,并由此提出一种基于速度⁃方向的改进算法。在触发正常切换时,采用较低的切换迟滞门限提高切换成功率;在触发乒乓切换时,采用较高的切换迟滞门限,且令其随速度动态变化,减小乒乓切换概率。改进算法利用曲率不同的圆弧曲线作为速度与切换迟滞门限的动态函数曲线,从而提高切换判决条件,减少乒乓切换的发生。仿真结果表明,改进算法使列车的乒乓切换概率得到明显减小。

一种EHOPPPA算法改进LTE切换性能的研究

由于LTE切换过程是支持多个切换准备的,针对在切换过程中无线链路失败后重新成功建立这一问题提出一种具有避免乒乓效应并提前准备切换(EHOPPPA)的算法,该算法重点在于用户可以接收到多个准备切换的目标基站的切换命令信息,并且通过小区选择到最佳的目标基站。通过OPNET仿真该算法可以在切换过程中实现切换失败率降低约60%,并且在没有增加乒乓效应的前提下在切换过程中从无线链路失败中成功恢复的概率接近100%。该算法提高了切换成功率,尤其是在人口密集的地方效果更为显著。

基于亚像素的乒乓球机器人本体位姿视觉测量

提出一种基于亚像素精度的特征点提取算法,结合PnP方法和正交迭代(OI)算法计算乒乓球机器人本体的位姿.根据摄像机成像时弥散斑的近似高斯分布,以亚像素精度精确求取色标块的边缘,利用边缘直线交点得到高精度的角点作为特征点.基于PnP算法利用上述特征点求取机器人位姿的初值,再通过OI算法进行优化,以保证其姿态矩阵的正交性.实验结果表明,该方法能快速准确地实现机器人本体的位姿测量.

基于乒乓算法的复杂疾病标志物识别

目的:生物标志物是标识系统、器官、组织等改变或可能发生改变的生化指标,具有非常广泛的临床应用。本文希望从高通量数据出发,提出一种新的研究复杂疾病标志物的方法。方法:以"组学"数据为研究对象,利用乒乓算法构建lnc RNA-mRNA交互网络,通过随机游走算法计算选出复杂疾病的生物标志物,并将其与t检验结果比较。结果:将本文方法运用于食管癌标志物的识别,得出与食管癌发生和发展过程相关的14个lnc RNA(CCAT1、MEG3、Snhg1、MALAT1、HOTAIR、UCA1、PVT1、CASC9、LOC100130476、TUG1、BC200、POU6F2-AS2、TP73-AS1和ZEB1-AS1)和12个mRNA(SPARC、CMTM7、Sph K1、NANOG、LOXL2、HMGCS2、FZD7、PTOV1、CADM1、CTHRC1、MGMT和RECK)。对比显示,识别出t检验未识别出的4个lnc RNA(BC200、POU6F2-AS2、TP73-AS1和ZEB1-AS1)和3个mRNA(CADM1、Sph K1和RECK)。结论:该方法能够更有效的预测复杂疾病相关的标志物。