SL-tgStore:新的时序知识图谱存储模型

为了解决时序知识图谱的存储问题,提出结合快照和日志模式的时序知识图谱存储模型SL-tgStore.模型由若干时间桶组成,每个时间桶由一系列的时间窗口组成.在首个时间窗口引入初始快照作为时序知识图谱存储和处理的基本单元,在接下来的时间窗口存储为增量日志.提出相应的阈值来确定初始快照的生成,即生成一个新的时间桶,以达到初始快照数量与增量日志数量的平衡,并提出临时快照生成算法.所提模型能够有效解决快照存储模式消耗内存大,日志存储模式查询效率低的问题.为了对SL-tgStore模型进行高效查询,在此基础上提出4种索引结构.在4个真实数据集上进行实验,理论研究与实验结果表明所提出的SL-tgStore存储模型具有高效性.

应用于不同类型FPGA的多模式调试系统

随着超大规模集成电路(VLSI)以及片上系统(SoC)设计的日益复杂,基于现场可编程门阵列(FPGA)的硬件仿效成为了必要环节。为解决逻辑设计下载到基于FPGA的硬件仿效器后内部节点不可视的问题,提出一种调试系统,该调试系统使用了RTL级植入调试逻辑的调试方法,统一的用户界面和软件侧底层接口,并提供了ELA模式、Scan模式和Snapshot模式。所有模式均使用统一的外部接口,使得调试系统同时适用于Altera和Xilinx的FPGA。实验结果表明,与SignalTap和ChipScope模式相比,ELA模式消耗几乎相同的资源,而Scan模式和Snapshot模式会消耗更少的FPGA资源。

L(0,2)模态导波检测弯管缺陷的数值模拟和实验研究

针对低频超声导波纵向模态L(0,2)在弯管中传播的复杂性和对弯头典型部位缺陷检测的难度,目前尚未深入研究该模态在弯管处传播的能量分布特性和弯头拱背处典型缺陷的检测。采用数值模拟法分析L(0,2)模态在5种不同曲率半径钢制弯管中的传播特性,从波场快照研究信号能量分布变化,从时域波形研究模态转换;采用实验研究8根不同弯管弯头拱背外侧和内侧环向缺陷、过弯头后直管段缺陷的检测,对比分析L(0,2)模态的缺陷检出能力和模态转换特性。研究结果表明:L(0,2)模态经过弯管时,在弯头拱背外侧发生能量聚焦,该部位缺陷容易检出;在弯头拱背内侧发生信号衰减,导致该部位缺陷易漏检;过弯头以及弯头后直管段缺陷后均发生明显波形转换。研究结论为管道超声导波检测工程应用提供理论指导。

基于光纤模式数据采集方案的阵列快拍成像雷达

阵列快拍成像雷达采用阵列天线雷达成像体制,通过高速微波开关切换和高速数据采集,可以同时实现对目标的空间分辨和时间分辨,即实现雷达快拍成像,该技术在飞行器平台的辅助导航、交通监测等领域具有广阔的应用前景。阵列快拍成像雷达的特点是能够快速成像,核心技术包括微波信号收发、高速数据采集与传输、实时成像处理及阵列天线高速微波开关切换。其中,高速数据采集与传输是实现快速成像是正确成像的关键,数据缺失会导致图像散焦。本文首先分析了阵列快拍成像雷达成像原理及信号采样对数据采集与传输系统的要求;继而提出了基于光纤传输模式的数据采集与传输系统方案,系统采用四路高速AD对雷达基带信号进行采样,在FPGA中进行复数运算,通过光纤通道传送到主控计算机,系统传输速率可以达到2.5Gbps;最后,通过阵列快拍成像实验验证了系统的性能。

512×512 MOS电阻阵列驱动控制方法研究

MOS电阻阵列是构成红外成像目标仿真系统的关键核心设备,其投射出的红外图像的质量将直接影响红外成像制导半实物仿真试验的逼真度和可信度。针对新一代国产512×512元MOS电阻阵列工作方式的改变、像元规模与图像数据传输量的倍增对驱动控制系统提出的更高要求,研究了与其配套的驱动控制方案。研究基于光纤数据传输、PCI-E高速总线、FPGA解决了高数据吞吐率、高精度时序信号生成问题,并设计了一种多路模拟信号高速建立的方法。经仿真验证表明,该驱动方案可满足512×512 MOS电阻阵列快照模式下图像刷新率达到200 Hz,单个像元灰度等级为16 bit,为电阻阵列的实际工程应用提供了参考。

修正主模抑制稳健自适应波束形成算法

针对自适应波束形成器在少快拍和波束指向角度失配情况下性能严重下降的问题,该文提出一种基于修正协方差矩阵的稳健主模抑制算法。算法提出利用修正协方差矩阵估计主模成分,进而重构出数据协方差矩阵,同时利用其特征向量向期望信号导引向量的投影来确定信号子空间维数。为提高算法在低信噪比情况下的性能,提出利用信号区域积分得到正定矩阵,以其主特征向量对信号子空间进行扩充,再将导引向量向信号子空间进行投影得到修正的导引向量。最终利用重构协方差矩阵及修正导引向量得到最优权值。理论分析和仿真实验验证了所提算法的有效性和稳健性。

基于快照反馈的短期电力负荷组合预测方法

为提高短期电力负荷预测精度,本文提出了一种基于快照反馈机制改进的变分模态分解技术VMDSF(variational mode decomposition with a snapshot of feedback)和带有循环滑窗策略优化的长短时记忆网络CSLSTM(long short-term memory with circular sliding window)的组合预测方法 VMDSF-CSLSTM。为降低原始序列的不稳定性及复杂性,本文首先使用VMDSF将原始电力负荷序列分解成多个子序列。然后结合网格搜索法对CSLSTM进行最优参数寻找,得到含有最优模型参数的电力负荷短期预测模型。最后,使用2013年澳大利亚4个区域的电力负荷数据集,对本文方法进行算例测试,测试结果表明了本组合模型的有效性。