一、游程长度编码算法的研究(论文文献综述)
姜欣睿[1](2021)在《复杂电磁环境下的无线电信号识别》文中研究指明无线通信是目前使用范围最广的通信方式,对无线电信号的识别和分析是当前军事和民用领域中急需解决的问题。数字通信系统通过信道编码和载波调制完成信息码元到传输信号的转变。受复杂电磁环境和非合作信道的影响,对未知信号调制类型和信道编码类型的识别结果直接影响信号的解调和解码过程。本文以复杂电磁环境下的无线电信号作为研究对象,依托数字通信系统的主要步骤和小样本条件下的实测数据,提出针对无线电信号调制方式和信道编码类型的识别方法。本文的主要工作如下:1.介绍数字通信系统的信道编码模块和调制模块,详细阐述不同调制方式的调制原理、信号差异、不同信道编码类型的编码原理和码型差异并进行仿真,提出了调制识别和编码识别的研究目的与应用前景。2.通过设计特征参数提出一种基于多维度特征的调制信号识别方法,在样本数量充足的模拟实验环境和样本数量极其有限的实际实验环境下对提出的识别方法进行验证。该方法利用调制信号的时域信息、高阶累积量信息和变换域信息完成信号的特征提取,利用反向传播(Back Propagation,BP)神经网络和决策树理论设计分类器。实验结果证明多维度特征比单维度特征的识别效果好,也证明该方法在样本数目较少的条件下依然对信号有较好识别效果。3.在信道编码识别领域提出一种基于数据随机性的信道编码识别方法,通过对序列随机性理论和密码随机性理论的分析,设计信道编码特征参数。实验结果表明提出的信道编码相关特征对不同信道编码类型具有很好的区分效果,验证了所提方法的正确性和可行性。
李旸[2](2021)在《C实现基于游程的符号分组熵编码在视频压缩中的应用》文中研究表明近年来,视频压缩技术得到广泛应用,并且飞速发展。随着5G的时代到来,对于视频的清晰度的要求越来越高。不可避免的是视频清晰度越高,整个视频的数据量就越大。视频压缩技术一般包括下面几个部分:变换、量化、熵编码。其中熵编码是对于整个视频能否压缩到理想熵值起到至关重要的作用。本文实现的是一种新的三维变换视频压缩算法,该算法不使用运动补偿。实现的视频压缩算法的每个模块都是采用更独立和高效的算法。对于变换的步骤,SCWP(Spectral Condensed Wavelet Packet)即小波变换(频谱压缩小波包)被采用。对于量化步骤,使用新颖且简单的阈值化方法来实现熵约束标量量化。对于熵编码步骤,一种基于游程的符号分组的熵编码新型熵编码技术,这种二进制熵编码可以是应用于多符号源编码,并且它对接近于独立分布的信源编码时,最佳冗余率的范围在信源熵的1.5%以内。优点在于从算法复杂度上来说,这种变换视频编码算法的复杂度类似于二维静止图像变换编码算法的复杂度。然而,在高比特率的视频压缩上,其视频压缩性能的表现可以与传统标准压缩方案HEVC(High Efficiency Video coding)媲美。本文所做的工作如下,在整个压缩程序中,使用C语言实现基于游程的符号分组的熵编码的模块,并且将整个压缩程序调试正常运行,运算结果与matlab程序运行一致。在结果分析中,用传统的视频压缩标准方案H264的参考软件JM和HEVC参考软件HM跟本文实现的压缩程序进行对比,证明其在高质量的视频压缩中有着特有的优势。
刘思军[3](2021)在《运动姿态视频测量分析仪高速JPEG译码器设计》文中指出视频测量作为融合传统摄影测量、光学测量、机器视觉与数字图像处理分析、三维重建等的交叉学科,具有环境适应性强、非接触、频响高等优点,尤其是在高速风洞试验中,视频测量因其对试验模型的设计制造无特殊要求,受到了国内外风洞试验机构的青睐。为了提升测量精度,视频测量中用的相机分辨率、帧率越来越高,如何对高分辨率与高帧率带来的高速图像数据进行实时处理,成为高速运动目标的视频测量中待解决的难点之一。为解决高速图像数据的实时编译码难题,对高速译码器的关键技术开展研究。在分析运动姿态视频测量分析仪实现架构及译码器接口与调度缓冲资源约束的基础上,结合课题设计指标与JPEG译码器系统结构,采用自顶向下和模块化的设计方法,完成了高速JPEG译码器的总体架构设计与关键技术分析。针对课题高吞吐率设计指标,在分析JPEG译码算法的基础上,完成了高速译码器各功能模块高吞吐率实现方案设计与基于MATLAB的性能验证。针对串行Huffman解码的解码效率与2D-IDCT变换处理速率较低的问题,在分析Huffman编码表的编码规律和2D-IDCT变换的快速算法的基础上,采用并行流水处理架构和乒乓操作等技术,设计了基于并行与流水架构的高速Huffman解码算法和快速2D-IDCT变换的FPGA实现架构。基于高速JPEG译码器的FPGA实现方案,完成了基于Verilog硬件描述语言对译码器的各个功能模块进行RTL级设计与系统集成。为验证高速JPEG译码器的性能,搭建高速JPEG译码器性能测试平台,测试结果表明,本文设计的高速JPEG译码器能实现吞吐率达2.105GB/s的图像JPEG译码,具备较好的灵活性和可扩展性。
王宽,石冯磊,宫海波[4](2021)在《基于数据重构的自适应间隔游程压缩算法》文中提出武器系统试飞测试中,需对表征武器特性的脉冲信号进行测量,由于该脉冲宽度很窄,要求其信号采样率大于20 MHz,因此一个试飞架次可产生8 000 G的数据量。为了满足如此大数据的传输存储要求,设计了基于数据重构的自适应间隔游程压缩算法。该算法采用阈值滤波技术和数据重组技术,实现了采样数据的实时拆分与重构,提高了武器系统脉冲数据的可压缩性,设计了自适应游程长度编码协议,实现了数据压缩长度的动态调整,提高了数据的压缩效率。试验表明:该算法能够完成武器脉冲信号的压缩,压缩数据可达2.3 G,该算法已经成功应用于试飞测试系统中,满足了武器系统试飞数据采集与压缩的要求。
范家铭[5](2020)在《基于PHM技术的高铁车载通信装备健康监测智能分析理论与方法的研究》文中进行了进一步梳理伴随着我国“一带一路”战略铺展开来,高铁已成为我国新“四大名片”之一,其知名度和重要性不亚于古老中国的“四大发明”。截止2019年末,中国已投入运营的高速铁路里程数达到3.5万公里,稳居世界首位。道路千万条,安全第一条,安全性是高铁飞速发展的基石。对关键零部件的健康状态监测,尤为重要。PHM(Prognostics and Health Management)技术可以对高铁在途运行设备进行状态感知、健康监控,并对故障的发生做出预测,从而降低安全风险。本文利用故障预测与健康管理的技术手段,以数据无损压缩技术、数据传输加密技术、故障特征提取方法、信号去噪技术、关键参数优化方法和神经网络方法为理论基础,建立基于PHM技术的高铁车载通信装备健康监测智能分析方法,实现了关键零部件的故障定位及预测。该方法虽然实现了故障快速定位和精准预测,但通常需要高性能计算机来支撑数据的计算和分析,所以本文将高铁运行数据进行实时无损压缩并加密后,通过铁路无线通信网络将数据回传至地面分析服务器,以其高性能计算能力快速、准确地进行故障定位和预测,有效地解决了高铁车载设备不具备高性能计算能力而无法实时处理数据的问题。地面分析服务器对数据进行解密和特征分析高效快捷,利用神经网络算法使故障识别和故障预测的精度及效率都得以保障,为保障高速铁路安全运营提供了重要的技术手段。本文提出的方法已在兰州铁路局项目中得到了应用,并在实际应用中不同程度的降低了运维成本和故障不可复现率,体现出PHM技术在故障诊断和故障预测研究方面的意义和价值。本文的主要研究成果如下:(1)针对高速铁路的安全运行问题,结合了故障预测与健康管理技术理论,提出了一种基于动车组PHM体系架构。该架构对高铁车载通信装备进行了PHM技术理论分析、故障诊断技术分析、预测技术分析、应用分析等技术进行论述,并基于故障预测与健康管理技术为理论基础提出了动车组故障预测与健康管理体系框架,对高铁车载通信装备的健康状态监测和故障预测方面提供重要理论指导。(2)高铁车载装备的网络资源有限,无法满足对监测的车载装备运行信息实时传输至地面服务器,为此提出了一种无损压缩技术与加密技术联合算法。该算法利用铁路既有无线网络基础在低带宽下实现实时传输高铁车载通信装备运行数据,以供地面服务器实时分析车载装备的健康状况和故障预测。该算法以行程长度无损压缩算法为基础进行了改进以降低数据的压缩比率,同时融入Logistic混沌理论和RSA加密算法以及Logistic置乱加密算法,减少网络传输时所占用的网络带宽,提高了网络传输的安全性,为进一步分析设备的健康状态和故障诊断及预测提供基础性保障。(3)故障诊断通常需要对故障特征进行提取并分析,去除数据中混杂的噪声。该部分对接收到的车载装备运行信息展开深入研究,针对高铁车载通信装备在运行中因场强信号而导致的故障问题,提出了一种基于PHM技术的高铁车载通信装备的故障诊断方法。该方法以双树复小波包变换为基础进行算法改进,同时结合了自适应噪声的完备经验模态分解来进行故障噪声的降噪与特征提取,然后利用无监督学习中的密度聚类方法进行自适应改进,并将提取出的特征类型进行特征分类,最后将分类结果输入到极限学习机中进行训练。实验验证了提出的故障诊断方法具有较强的特征提取能力、快速识别故障能力以及高精度的识别率,为设备的故障预测提供良好的支撑。(4)深入分析高铁车载通信装备的实际运行工况中,针对高铁车载通信装备故障发生率较高的原因是由于电池失效导致高铁车载通信装备无法正常工作的问题,提出了一种HA-FOSELM电池失效预测方法。该方法为了降低噪声对预测带来的影响,采用变分模态分解方法进行去噪处理,同时使用含有遗忘机制的在线序列极限学习机算法对去噪后的数据进行学习和训练,该算法支持数据的动态增量更新。为了提高算法的识别精度和降低关键参数对该算法的影响,引入了混合灰狼优化算法对HA-FOSELM方法的关键参数进行自适应优化,同时融合注意力机制,从而有效地提高了预测精度。通过实验验证,本文提出的方法在性能、效率、精度等方面都优于传统的神经网络算法,有效地降低了因电池故障导致列车行驶安全的问题。
陶鹏程[6](2020)在《SoC测试数据编码压缩方法研究》文中指出随着信息化时代正在高速发展,电子设备的市场需求量不断攀升。集成电路(Integrated Circuit,IC)作为电子设备的核心,需求量也在与日俱增。消费市场要求集成电路具有的功能越来越多,并且要求集成电路的体积越来越小。若要满足消费市场的需求,则需要提升芯片单位面积上的晶体管嵌入数量,即提高芯片集成度。片上系统(System on a Chip,SoC)的出现为集成电路的发展带来了质的飞跃,极大提高了芯片集成度,使得芯片能够被运用到航天、军事、医疗等行业的核心设备上。这些核心设备上的芯片一旦出现问题,带来的后果无法估量,因此,作为保障芯片高质量最有效途径的集成电路测试技术成为了业界学者研究的热点课题之一。由于SoC芯片具有较高的集成度,需要极其庞大的测试数据对其进行测试。大量的测试数据会导致两个问题:第一,测试时间长,测试成本高;第二,当测试数据量超过自动测试设备(Automatic Test Equipment,ATE)内存时,测试将无法正常进行。测试数据编码压缩方法可以在不改变芯片内部结构的前提下对测试数据进行无损压缩,缓解上述问题。本论文围绕“SoC测试数据编码压缩”这一课题展开研究,提出了两种测试数据压缩的方案,其主要内容有:(1)基于测试数据相容压缩技术,本论文提出一种编码字计数压缩方法。该方案挖掘出相容数据块之间的位置关系,利用相容数据块位置的连续性,将连续相容的数据块个数转换成对应代码字。该方案代码字与原数据块是一对多映射关系,相当于在相容压缩的基础上进行二次压缩,因此本方案有较好的压缩效果。(2)基于游程编码压缩技术,提出最小游程切换点标记压缩方法(Minimum Run Changing Point,MRCP)。该方法首先将测试集按相同向量个数分组,再利用组内向量游程切换范围的重叠关系合并游程切换点,将组内所有测试向量的游程位置用一个向量表示出来。MRCP压缩方法突破了传统编码压缩要用编码字后缀表示游程长度的限制,相较于传统游程压缩,极大地缩短了编码字。本论文基于MinTest测试集,针对ISCAS 89标准电路进行了相关实验。实验结果表明,本论文提出的两种测试压缩方案皆具有良好的压缩效果,并且将两种方案与其他同类方案比较,压缩效果也均在不同程度上优于其他同类方案。本论文提出的两种方案可有效缓解测试数据较大与ATE内存、带宽有限之间的冲突,降低测试成本。
王婧[7](2020)在《伪随机动态测试信号建模与智能电能表动态误差测试方法》文中认为进入21世纪,为解决能源与环境间的矛盾,能源的供给侧与需求侧发生了重大变革,我国《十三五规划纲要》中明确提出“深入推进能源革命,着力推动能源生产利用方式变革”。经过多年的技术创新与应用,落实习近平总书记提出的“创新、协调、绿色、开放、共享”五大发展理念,我国能源生产与利用方式在发生重大变化的同时,也为电能的准确计量带来了挑战。电网供给侧可再生新型能源大规模发电,其输出功率具有较强的不确定性、间歇性和随机波动性。需求侧大功率非线性动态负荷的广泛应用,导致负荷电流表现出复杂的快速随机动态波动特性,进而引起电能表电能计量严重超差。根据国家能源局统计数据,2019年,我国以非线性动态负荷使用为主的工业用电量占全社会用电量的67.1%,因而,由动态负荷信号快速随机波动所导致的电能计量1%的误差就可能造成几十亿元的经济损失。目前,国内外缺少对快速随机波动条件下智能电能表动态误差的测试理论与技术。本文以上述国家战略实施中存在的问题为导向,发现并提炼出智能电能表动态误差测试的科学问题,研究探索电能表动态误差测试的理论和方法,形成了原创性的研究成果,主要包括:(1)研究分析电网中实际动态负荷信号的典型本质特性,在此基础上,针对现有的电能表误差测试信号模型无法反映实际动态负荷信号快速随机波动特性的问题,建立了一种新的畸变波形m序列伪随机动态测试信号结构化参数模型,并研究了此类信号的产生方法,所提出的测试信号模型满足电能表动态误差测试信号建模的要求,为开展智能电能表动态误差测试提供了有效的解决方法。(2)为提高智能电能表动态误差的测试效率,根据压缩感知理论中的测量矩阵线性编码调制理论,采用结构化方法,构建正交伪随机测量矩阵,通过矩阵映射产生正交伪随机幅度调制函数,建立畸变波形正交伪随机动态测试信号模型。使其在反映实际电网中动态负荷典型本质特性的同时具备紧凑性,提高了电能表动态误差的测试效率。解决了压缩感知理论在工程领域应用的难题。(3)针对国内外电参量测量领域广泛使用的窗函数卷积算法在快速随机动态条件下测量准确度明显降低的问题。基于压缩检测信号处理理论,分析离散畸变波形伪随机动态瞬时功率测试信号的频域稀疏性,通过构建最小误差有功功率检测滤波器,提出了动态电能量值准确测量的非交叠移动压缩检测(Nonoverlapping moving compressive measurement,NOLM-CM)算法,在仿真与实验条件下,验证了 NOLM-CM算法具有更高的准确度。为智能电能表在快速随机动态条件下的电能量值准确测量提供指导。(4)针对智能电能表动态误差测试,在所提出的两类畸变波形伪随机动态测试信号模型的基础上,定义测试信号的游程似然函数,建立智能电能表动态误差的似然函数间接测试方法,解决了从动态参考电能量值到稳态参考电能量值的溯源问题。其次,搭建智能电能表动态误差测试系统,实验验证了本文所建立的畸变波形伪随机动态测试信号和电能表动态误差似然函数间接测试方法的有效性,且测量不确定度显着降低。本文从理论研究到仿真分析,再到实验验证,形成了智能电能表动态误差测试的完整理论体系,解决了测试关键技术,研究成果对保证快速随机动态波动条件下电能的准确计量与公平交易,促进电能替代绿色发展与创新发展,具有重要意义和广阔的应用前景。
毛本强[8](2020)在《耦合隐私特征的协同回归联合学习算法研究》文中提出近年来,随着大数据产业的蓬勃发展,如保护数据隐私和安全已成为全球热点问题。例如,Facebook 2018年发生的数据泄露事件导致其市值减少了360多亿美元。谷歌为了解决数据隐私和安全问题提出了联合学习框架,该框架可以使得不同组织间有效和准确的跨组织使用数据。假设两个组织A和B,每个组织维护关于共同实体的不同特性集的私有记录。如果特性之间没有耦合性则处理比较简单。假定特性之间有强耦合性,如何处理会相对复杂,既要保证隐私性,又要获得耦合关系,比如内积计算结果。为了解决上述问题,我们提出并实现了一个基于联合学习的属性回归框架。该框架通过将联合学习与回归分析有机的结合在一起,可以在保护数据隐私性的前提下实现多节点间高效获得数据的耦合关系。实验结果显示方案是可行的,保证了数据隐私性,不同组织之间的特征耦合性被计算获得,结果是准确的。由于该框架在执行过程中需要在不同节点间传输大量经过处理后的数据,同时受到网络带宽的限制,使得该框架执行时间较长。为了解决该框架执行时间长的问题,我们提出使用矩阵分解和按属性游程长度编码技术对框架的数据传输部分进行优化,进而缩短该框架所需的运行时间。实验表明,以上两种方法都可以有效的降低该框架的运行时间。
张智磊[9](2020)在《基于潜标DAQ系统的关键技术研究》文中研究指明为了维护我国海洋主权,国家一直致力于发展海洋环境观测技术,而远海、深海的这类海洋环境的观测手段仍在起步阶段。潜标,是一种能够适应远海和深海等恶劣海洋环境的重要观测设备。随着现代化潜标系统的不断发展,新型潜标停泊深度要求达到2km,运行时间3年以上,其数据存储容量需求已经超过480GB/年,潜标数据转存速率以及回收速率分别要求不低于300Mbps和1440Mbps,在如此高性能的前提下还提出了 1.8W的低功耗指标,同时在深海、远海这样恶劣的条件下还要求各级数据通信链路误码率好于10-10。潜标系统面临大容量、低功耗、高速数据传输、低误码率等各式挑战。本文主要提出了潜标系统的五种关键技术:无损数据压缩技术,既提高了近100%的数据存储容量和数据传输速率,也综合降低了近50%的系统功耗;SD卡双重模式的驱动和控制技术,其中,低速SPI模式有效地降低了潜标长期运行期间的系统功耗,高速UHS-Ⅰ模式大幅提高数据转存时的传输速率;SSD存储和控制技术,可对大容量的SSD进行控制,同时理论高达6Gbps的数据传输速率以应对高速需求的回收能力;双千兆网络传输技术,可通过光纤扩展至2km进行远距离的数据传输工作,其理论数据传输速率可达2Gbps;数据重传技术,应用于各级板间通信,使得在恶劣的板间通信环境下依然能保持不超过10-11的误码率,提高了系统的可靠性。本文对研制的潜标DAQ系统原型板和关键技术进行了测试。测试结果显示,潜标系统平均运行功耗约1.11W,可支持容量64GB的SD卡和1TB的大容量SSD的读写控制,SD卡转存速度约376Mbps,SSD读取速度可达3362Mbps,同时双千兆网络综合数据传输速率不低于1700Mbps,而实验室测试环境下误码率不超过4.0×10-12,千岛湖测试环境下误码率不超过1.03×10-12。测试结果表明潜标系统的研制及其关键技术的设计,解决了新型潜标系统的面临的困难,达成了各项功能和性能指标要求,同时得到了用户单位中船重工715所的认可。本文主要创新点如下:(1)完成自主知识产权的潜标DAQ系统设计和研制,这是国内目前为止首次实现了低功耗、大容量数据缓存和存储、高速数据回收类型的潜标DAQ系统,填补了国内在该领域的空白。(2)在潜标DAQ系统中同时集成了 400Mbps高速数据传输速度的SD卡控制技术、6Gbps高速数据传输速度的SSD控制技术、双千兆网络通信、实时无损数据压缩技术、数据重传技术这五项关键技术。这是国内目前为止应用在同类型潜标上的性能最好的DAQ系统。(3)基于FPGA的实时无损数据压缩技术的硬件实现,降低了潜标DAQ系统50%的运行功耗,同时还提高了 100%的数据传输速率,有效地解决了潜标系统低功耗设计和高速数据传输之间的矛盾。
周洋[10](2020)在《三维芯片绑定中可重构测试方法研究》文中研究说明用户在使用带有芯片的设备时,希望芯片在尽可能小的情况下,提供尽可能多的功能,这就导致芯片的集成度过高,测试时单位面积上需要的测试数据是以往的数倍。测试数据量的增加会导致三维芯片测试时间加长,功耗也会因此提高,进一步导致测试成本的增加,这给三维芯片测试带来了巨大的挑战。为了减少测试成本,本文从减少测试数据存储量以及降低测试时间方面做了如下研究:提出了一种面向三维芯片的改进游程编码压缩方法。首先,为了减少测试集中确定位的比例,对测试数据集进行了部分输入精简处理;然后,为了提高编码表中码字的利用率,对处理后的数据进行了一个变长分段压缩;最后设计一种根据游程长度出现频率来编码的方法,用三态信号编码标志位,并设计了一种硬件结构,用于在三维芯片不同层之间进行数据的调度。实验结果表明,本文的压缩方法取得了较高的压缩率,平均压缩率达到了74.39%,优于其它同类的压缩方法,同时面积开销也没有显着提升。提出了一种基于层间相容和层内压缩的三维芯片绑定中可重构的测试方法。首先,为了提高三维芯片不同层测试向量的相容性,利用遗传算法收敛快的特点找到对测试向量相容性最有利的芯核布局图;然后根据测试向量的相容性进行层间相容,并设计一种可重构的硬件结构,用来进行层间相容向量的测试;最后对经过相容处理的测试数据再次进行压缩。通过与非重构的测试方法对比,本方案测试时间减少了55.40%,同时测试测试压缩率达到了81.89%,在减少测试时间和降低测试压缩率方面取得了较好的效果。
二、游程长度编码算法的研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、游程长度编码算法的研究(论文提纲范文)
(1)复杂电磁环境下的无线电信号识别(论文提纲范文)
摘要 |
abstract |
缩略词表 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 调制识别研究现状 |
1.2.2 信道编码识别研究现状 |
1.3 本文的主要研究内容及结构安排 |
第二章 调制识别与信道编码识别基础 |
2.1 引言 |
2.2 信号调制基础 |
2.2.1 MASK调制信号 |
2.2.2 MPSK调制信号 |
2.2.3 MFSK调制信号 |
2.2.4 MQAM调制信号 |
2.3 信道编码基础 |
2.3.1 BCH码 |
2.3.2 LDPC 码和QC-LDPC 码 |
2.3.3 卷积码 |
2.3.4 Turbo码 |
2.3.5 极化码 |
2.4 本章小结 |
第三章 基于多维特征的通信信号调制识别方法 |
3.1 引言 |
3.2 调制识别人工特征参数提取 |
3.2.1 瞬时特征参数 |
3.2.2 高阶累积量特征参数 |
3.2.3 变换域特征参数 |
3.3 调制信号分类器设计 |
3.4 识别结果分析 |
3.4.1 模拟数据识别结果分析 |
3.4.2 实测数据识别结果分析 |
3.5 本章小结 |
第四章 基于数据随机性的信道编码类型识别方法 |
4.1 引言 |
4.2 数据随机性分析 |
4.2.1 游程检测 |
4.2.2 块内最长游程检测 |
4.2.3 序列随机性自相关检测 |
4.2.4 分组密码频率检测 |
4.3 信道编码特征提取 |
4.3.1 深度谱特征参数 |
4.3.2 码重特征参数 |
4.3.3 码重相似度特征参数 |
4.3.4 游程特征参数 |
4.3.5 最长游程相关度特征参数 |
4.3.6 序列自相关特征参数 |
4.4 识别结果分析 |
4.5 本章小结 |
第五章 全文总结与展望 |
5.1 全文总结 |
5.2 后续工作展望 |
致谢 |
参考文献 |
攻读专业硕士学位期间取得的成果 |
(2)C实现基于游程的符号分组熵编码在视频压缩中的应用(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 视频的基本概念和视频压缩基本原理 |
1.2.1 视频的基本概念 |
1.2.2 视频压缩的基本原理 |
1.3 传统的视频压缩标准 |
1.3.1 出现视频压缩标准的原因 |
1.3.2 H261 视频压缩标准 |
1.3.3 H263 视频压缩标准 |
1.3.4 MPEG-4 Visual视频压缩标准 |
1.3.5 H264 视频压缩标准 |
1.3.6 HEVC视频压缩标准 |
1.4 传统视频压缩标准的预测编码 |
1.5 论文的主要工作 |
1.6 本文章节安排 |
第2章 采用三维变换的视频压缩方案 |
2.1 引言 |
2.2 主流视频压缩标准对高质量视频压缩的不足 |
2.3 采用频谱压缩小波包的三维变换 |
2.4 低复杂度实现熵约束标量量化 |
2.5 采用基于游程的符号分组熵编码 |
2.6 本文实现的三维变换的视频压缩方案的主要编码过程 |
2.7 本章小结 |
第3章 基于游程的符号分组熵编码及实现 |
3.1 引言 |
3.2 基于游程的符号分组熵编码 |
3.2.1 基于游程的Glomb编码 |
3.2.2 Golomb编码的改进 |
3.2.3 non-iid二进制信源熵编码 |
3.2.4 符号分组方法 |
3.2.5 停止分组规则 |
3.3 程序实现及遇到的困难 |
3.3.1 程序实现 |
3.3.2 遇到的困难 |
3.4 本章小结 |
第4章 测试结果分析与得出结论 |
4.1 引言 |
4.2 测试结果分析 |
4.3 结论 |
第5章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
攻读学位期间主要研究成果 |
致谢 |
(3)运动姿态视频测量分析仪高速JPEG译码器设计(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 JPEG图像压缩标准的发展 |
1.2.2 高速JPEG译码技术的研究现状 |
1.3 论文研究内容与研究目标 |
1.4 论文章节安排 |
2 分析仪系统结构与高速译码器方案 |
2.1 运动姿态视频测量分析仪 |
2.1.1 分析仪系统结构 |
2.1.2 任务切割与映射 |
2.1.3 图像实时采集与存储 |
2.2 JPEG编译码存储系统 |
2.3 高速JPEG译码器设计指标 |
2.4 高速译码器总体架构 |
2.5 实现平台及资源分析 |
2.6 本章小结 |
3 高速译码算法设计与仿真分析 |
3.1 JPEG标准的基本原理和方法 |
3.2 JPEG编码过程 |
3.3 高速译码算法设计 |
3.3.1 数据预处理模块设计 |
3.3.2 熵解码模块设计 |
3.3.3 反量化和反Zig Zag扫描模块设计 |
3.3.4 高速2D-IDCT模块设计 |
3.4 本章小结 |
4 高速译码器FPGA实现 |
4.1 译码器总体结构设计 |
4.2 数据预处理模块FPGA实现 |
4.2.1 输入缓冲模块 |
4.2.2 数据选择模块 |
4.2.3 JFIF头文件解析模块 |
4.2.4 数据拼接模块 |
4.3 熵解码模块FPGA实现 |
4.3.1 读入数据模块 |
4.3.2 Huffman解码模块 |
4.3.3 DPCM_RLD 解码模块 |
4.4 反量化和反Zig Zag扫描模块FPGA实现 |
4.5 高速2D-IDCT变换模块FPGA实现 |
4.5.1 第一级1D-IDCT单元设计 |
4.5.2 转置单元设计 |
4.5.3 第二级1D-IDCT单元设计 |
4.6 本章小结 |
5 系统测试与结果分析 |
5.1 测试平台搭建 |
5.2 测试方案 |
5.3 模块联调仿真测试 |
5.4 系统性能测试与分析 |
5.5 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
攻读学位期间取得的研究成果 |
(4)基于数据重构的自适应间隔游程压缩算法(论文提纲范文)
1 武器脉冲信号特征分析 |
2 武器脉冲信号重构技术 |
2.1 脉冲低电平阈值滤波 |
2.2 信号采集重构技术 |
3 自适应游程长度编码 |
4 试验结果 |
5 结论 |
(5)基于PHM技术的高铁车载通信装备健康监测智能分析理论与方法的研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 目前存在的问题 |
1.4 主要研究内容和创新点 |
1.5 论文组织结构 |
2 关键技术及相关工作 |
2.1 引言 |
2.2 机车综合无线通信设备工作原理 |
2.3 压缩算法 |
2.3.1 无损压缩技术 |
2.3.2 有损压缩技术 |
2.4 加密算法 |
2.5 特征提取方法 |
2.6 PHM技术 |
2.6.1 PHM系统体系结构 |
2.6.2 动车组PHM体系结构 |
2.6.3 动车组PHM技术架构 |
2.6.4 动车组PHM系统功能和目标 |
2.6.5 动车组PHM诊断技术 |
2.6.6 动车组PHM预测技术 |
2.7 小结 |
3 基于无损数据压缩及加密联合算法的研究 |
3.1 问题提出 |
3.2 相关研究 |
3.3 SRLE无损压缩算法 |
3.3.1 SRLE压缩处理 |
3.3.2 SRLE解压处理 |
3.4 混合加密算法 |
3.4.1 Logistic混沌加密算法 |
3.4.2 RSA加密算法 |
3.4.3 压缩加密联合算法 |
3.5 实验与结论 |
3.5.1 压缩性能分析 |
3.5.2 安全性能分析 |
3.5.3 复杂度及效率分析 |
3.6 小结 |
4 基于PHM技术的高铁车载通信装备故障诊断 |
4.1 问题提出 |
4.2 相关研究 |
4.3 基于高铁机车综合通信设备中故障诊断的研究 |
4.3.1 实验数据集 |
4.3.2 特征提取 |
4.3.3 无监督聚类 |
4.3.4 极限学习机故障识别模型 |
4.4 实验与结论 |
4.4.1 仿真实验验证 |
4.4.2 实测数据集实验验证 |
4.5 小结 |
5 基于PHM技术的高铁车载通信装备健康状态评估预测 |
5.1 问题提出 |
5.2 相关研究 |
5.3 基于锂电池的剩余使用寿命预测与健康状态监测 |
5.3.1 实验数据集 |
5.3.2 健康状况和健康指标 |
5.3.3 降噪处理 |
5.3.4 关键参数优化 |
5.3.5 注意力机制 |
5.3.6 遗忘机制的在线序列极限学习机 |
5.4 实验与结论 |
5.4.1 算法训练过程 |
5.4.2 在线监测部分 |
5.4.3 剩余使用寿命预测部分 |
5.5 小结 |
6 总结及展望 |
6.1 研究总结 |
6.2 未来展望 |
参考文献 |
作者简历及攻读博士学位期间取得的研究成果 |
学位论文数据集 |
(6)SoC测试数据编码压缩方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 集成电路发展历程 |
1.2 研究背景与意义 |
1.3 国内外研究现状 |
1.4 本文的研究内容与组织结构 |
第二章 SoC测试技术概述 |
2.1 SoC测试原理 |
2.2 可测试性设计 |
2.3 测试数据压缩方案 |
2.3.1 定长-定长编码 |
2.3.2 定长-变长编码 |
2.3.3 变长-定长编码 |
2.3.4 变长-变长编码 |
2.4 本章小结 |
第三章 基于相容压缩的编码字计数测试数据压缩方法 |
3.1 相容压缩原理 |
3.2 基于相容压缩的编码字计数测试数据压缩方法 |
3.2.1 相容编码字计数编码压缩思想 |
3.2.2 数据块异或运算 |
3.2.3 具体编码流程 |
3.3 解压电路设计 |
3.4 实验结果与分析 |
3.5 本章小结 |
第四章 最小游程切换点编码压缩方法 |
4.1 游程编码压缩原理 |
4.2 最小游程切换点编码压缩方法 |
4.2.1 最小游程切换点概念 |
4.2.2 最小游程切换点编码压缩思想 |
4.2.3 最小游程切换点提取算法 |
4.2.4 基本编码流程 |
4.2.5 压缩效果分析 |
4.3 解压电路设计 |
4.4 实验结果与分析 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
攻读硕士学位期间完成的论文和参与的科研项目 |
(7)伪随机动态测试信号建模与智能电能表动态误差测试方法(论文提纲范文)
学位论文数据集 |
摘要 |
ABSTRACT |
符号说明 |
第一章 绪论 |
1.1 课题来源 |
1.2 论文研究的背景和意义 |
1.3 国内外研究现状 |
1.3.1 动态负荷典型特性的研究现状 |
1.3.2 电力系统负荷建模的研究现状 |
1.3.3 电能表误差测试的研究现状 |
1.3.4 压缩感知理论的研究现状 |
1.3.5 电参量测量算法的研究现状 |
1.4 现有研究成果的总结和不足 |
1.5 论文研究的主要内容 |
1.6 论文体系结构 |
第二章 大功率动态负荷信号典型本质特性分析 |
2.1 引言 |
2.2 动态负荷概述 |
2.3 电气化铁路负荷信号的典型本质特性分析 |
2.3.1 宏观时间尺度电气化铁路负荷典型本质特性分析 |
2.3.2 微观时间尺度电气化铁路负荷典型本质特性分析 |
2.4 电弧炉负荷信号的典型本质特性分析 |
2.4.1 宏观时间尺度电弧炉负荷典型本质特性分析 |
2.4.2 微观时间尺度电弧炉负荷典型本质特性分析 |
2.5 大功率动态负荷信号典型本质特性的总结 |
2.6 小结 |
第三章 畸变波形m序列伪随机动态测试信号建模 |
3.1 引言 |
3.2 现有的电能表误差测试信号模型 |
3.2.1 常用的测试信号 |
3.2.2 稳态测试信号模型 |
3.2.2.1 正弦稳态测试信号模型 |
3.2.2.2 非正弦稳态测试信号模型 |
3.2.3 动态测试信号模型 |
3.2.3.1 正弦包络调幅动态测试信号模型 |
3.2.3.2 梯形包络调幅动态测试信号模型 |
3.2.3.3 调频动态测试信号模型 |
3.2.3.4 调相动态测试信号模型 |
3.2.3.5 00K动态测试信号模型 |
3.3 动态负荷信号空间分解与动态测试信号空间构建 |
3.4 畸变波形m序列伪随机动态测试信号模型 |
3.4.1 m序列伪随机函数 |
3.4.2 畸变波形稳态周期函数 |
3.4.3 畸变波形m序列伪随机动态测试信号结构化参数模型 |
3.5 信号的产生验证与特性分析 |
3.5.1 动态测试信号的产生验证 |
3.5.2 动态测试信号的特性分析 |
3.6 小结 |
第四章 畸变波形正交伪随机动态测试信号建模 |
4.1 引言 |
4.2 压缩感知理论概述 |
4.3 正交伪随机测量矩阵的构建 |
4.3.1 正交伪随机测量矩阵的组成 |
4.3.2 正交伪随机测量矩阵的结构化构建 |
4.4 畸变波形正交伪随机动态测试信号模型 |
4.4.1 正交伪随机序列函数 |
4.4.2 畸变波形稳态周期函数 |
4.4.3 畸变波形正交伪随机动态测试信号结构化参数模型 |
4.5 信号的产生验证与特性分析 |
4.5.1 动态测试信号的产生方法 |
4.5.2 动态测试信号的特性分析 |
4.6 小结 |
第五章 动态电能量值的非交叠移动压缩检测算法 |
5.1 引言 |
5.2 电能表的功率电能测量原理 |
5.3 动态电能量值的NOLM-CM算法 |
5.3.1 有功功率压缩检测模型 |
5.3.1.1 离散畸变波形m序列伪随机动态瞬时功率测试信号的稀疏性分析 |
5.3.1.2 最小误差测量矩阵的构建 |
5.3.2 动态电能量值测量的NOLM-CM算法 |
5.4 NOLM-CM算法的仿真与实验验证 |
5.4.1 常用的窗函数电能量值测量算法 |
5.4.2 NOLM-CM算法的仿真验证 |
5.4.2.1 不同动态瞬时功率测试信号条件下的仿真验证 |
5.4.2.2 NOLM-CM算法与窗函数算法的对比分析 |
5.4.3 NOLM-CM算法的实验验证 |
5.5 小结 |
第六章 智能电能表动态误差的似然函数间接测试方法 |
6.1 引言 |
6.2 智能电能表动态误差的似然函数间接测试算法 |
6.2.1 畸变波形伪随机动态功率测试信号的游程似然函数 |
6.2.2 动态误差的似然函数间接测试算法 |
6.3 智能电能表动态误差的似然函数间接测试系统 |
6.4 智能电能表动态误差测试实验 |
6.4.1 畸变波形伪随机动态测试信号产生的实验验证 |
6.4.2 智能电能表的动态误差测试实验结果 |
6.4.2.1 不同模式的动态测试信号条件下电能表动态误差测试结果 |
6.4.2.2 不同功率因数的动态测试信号条件下电能表动态误差测试结果 |
6.4.2.3 不同被测电能表的动态误差测试结果 |
6.4.3 电能表动态误差似然函数间接测试系统的不确定度评估 |
6.4.3.1 P_k~m(t)条件下的不确定度评估 |
6.4.3.2 p_k~(OPRM)(t)条件下的不确定度评估 |
6.5 小结 |
第七章 结论和展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
致谢 |
攻博期间完成的论文和取得的科研成果 |
作者简介 |
导师简介 |
附件 |
(8)耦合隐私特征的协同回归联合学习算法研究(论文提纲范文)
中文摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究相关进展及趋势 |
1.2.1 联合学习相关研究 |
1.2.2 回归分析算法研究 |
1.3 本文的组织安排 |
第2章 联合学习和回归分析的相关知识 |
2.1 联合学习的相关基础知识 |
2.1.1 联合学习的定义 |
2.1.2 联合学习的分类 |
2.1.3 纵向联合学习系统的体系结构 |
2.2 回归分析的相关基础知识 |
2.2.1 线性回归 |
2.2.2 非线性回归 |
2.3 本章小结 |
第3章 基于联合学习的协同回归分析算法研究 |
3.1 引言 |
3.2 协同回归与联合学习相结合 |
3.2.1 协同回归算法过程分析 |
3.2.2 协同回归与联合学习结合 |
3.2.3 Lars计算流程 |
3.2.4 联合Lars计算流程 |
3.3 多节点网络协同通信 |
3.3.1 客户端与服务器端的Socket通信 |
3.3.2 RDMA技术网络通信 |
3.4 实验与结果分析 |
3.4.1 数据集和实验环境 |
3.4.2 实验结果对比 |
3.5 本章小结 |
第4章 节点间数据压缩传输 |
4.1 常用的数据压缩传输方法 |
4.2 矩阵分解方法 |
4.2.1 三角分解法 |
4.2.2 奇异值分解法 |
4.3 矩阵压缩存储方法 |
4.3.1 特殊矩阵压缩 |
4.3.2 稀疏矩阵压缩 |
4.3.3 属性游程长度编码压缩 |
4.4 实验结果与分析 |
4.4.1 三种矩阵分解方法效率对比 |
4.4.2 不同数据精度对属性游程长度编码压缩率的影响 |
4.4.3 传输优化后的联合Lars计算 |
4.5 本章小结 |
总结 |
参考文献 |
致谢 |
攻读硕士学位期间发表的学术论文 |
(9)基于潜标DAQ系统的关键技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 潜标系统的发展 |
1.1.1 潜标系统简介 |
1.1.2 国外潜标系统的发展 |
1.1.3 国内潜标系统的发展 |
1.1.4 潜标系统面临的挑战 |
1.2 潜标系统工作方式 |
1.3 论文的主要研究内容 |
第2章 潜标DAQ系统设计方案 |
2.1 潜标DAQ系统概述 |
2.2 潜标DAQ系统需求分析 |
2.2.1 系统功耗需求 |
2.2.2 存储系统需求 |
2.2.3 回收系统需求 |
2.2.4 系统稳定性需求 |
2.2.5 数据接收终端设计需求 |
2.2.6 技术指标总结 |
2.3 潜标DAQ系统设计方案 |
2.3.1 信号采集板设计 |
2.3.2 数据缓存板设计 |
2.3.3 数据存储板设计 |
2.3.4 数据接收终端设计 |
2.3.5 接口设计 |
2.3.6 器件选型 |
第3章 潜标DAQ系统的关键技术 |
3.1 无损数据压缩技术 |
3.1.1 无损数据压缩技术的分类和原理 |
3.1.2 无损数据压缩技术可行性分析和方案对比 |
3.1.3 无损数据压缩技术硬件实现 |
3.2 SD卡驱动和控制技术 |
3.2.1 SD卡简介和规范 |
3.2.2 SD卡SPI模式驱动和控制实现 |
3.2.3 SD卡UHS-Ⅰ模式驱动和控制实现 |
3.2.4 SD卡驱动和控制技术硬件实现 |
3.3 SSD驱动和控制技术 |
3.3.1 物理层的实现 |
3.3.2 链路层的实现 |
3.3.3 传输层的实现 |
3.3.4 SSD驱动和控制的硬件实现 |
3.4 千兆网络传输技术 |
3.5 数据重传技术 |
第4章 潜标DAQ系统测试 |
4.1 测试基本原理 |
4.2 测试平台的搭建 |
4.3 系统测试指标 |
4.4 实验室环境下测试 |
4.4.1 信号采集板与数据缓存板数据链路测试 |
4.4.2 SD卡读写测试 |
4.4.3 数据缓存板与数据存储板的链路测试 |
4.4.4 SSD读写测试 |
4.4.5 双千兆网络数据传输测试 |
4.5 千岛湖测试 |
4.6 测试结果总结 |
第5章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
在读期间发表的学术论文与取得的其他研究成果 |
(10)三维芯片绑定中可重构测试方法研究(论文提纲范文)
致谢 |
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 本文工作及结构组织 |
第二章 三维芯片及其测试技术概述 |
2.1 三维芯片制造技术概述 |
2.1.1 三维芯片制造过程 |
2.1.2 TSV制造工艺 |
2.1.3 三维芯片堆叠技术 |
2.1.4 三维芯片的优势与挑战 |
2.2 三维芯片测试流程 |
2.2.1 绑定前测试 |
2.2.2 绑定中测试 |
2.2.3 绑定后测试 |
2.3 TSV测试方法 |
2.4 三维芯片测试功耗 |
2.5 三维芯片测试中的挑战 |
2.6 可测性设计 |
2.6.1 可测性设计概述 |
2.6.2 内建自测试(BIST) |
2.7 基于编码的测试压缩技术 |
2.8 本章小结 |
第三章 面向三维芯片的改进游程编码压缩方法 |
3.1 三态信号检测 |
3.2 测试数据预处理 |
3.3 面向三维芯片的改进游程编码压缩方法 |
3.3.1 游程的选取 |
3.3.2 改进游程的三态编码表编码规则 |
3.3.3 编码流程 |
3.4 解压结构 |
3.5 实验结果 |
3.6 本章小结 |
第四章 三维芯片绑定中可重构测试方案 |
4.1 三维芯片测试调度 |
4.2 测试优化方法 |
4.2.1 测试数据并行处理 |
4.2.2 芯核分布 |
4.2.3 测试流程 |
4.3 实验结果 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 全文总结 |
5.2 工作展望 |
参考文献 |
攻读硕士学位期间的学术活动及成果情况 |
四、游程长度编码算法的研究(论文参考文献)
- [1]复杂电磁环境下的无线电信号识别[D]. 姜欣睿. 电子科技大学, 2021(01)
- [2]C实现基于游程的符号分组熵编码在视频压缩中的应用[D]. 李旸. 汕头大学, 2021(02)
- [3]运动姿态视频测量分析仪高速JPEG译码器设计[D]. 刘思军. 西南科技大学, 2021
- [4]基于数据重构的自适应间隔游程压缩算法[J]. 王宽,石冯磊,宫海波. 兵器装备工程学报, 2021(01)
- [5]基于PHM技术的高铁车载通信装备健康监测智能分析理论与方法的研究[D]. 范家铭. 北京交通大学, 2020
- [6]SoC测试数据编码压缩方法研究[D]. 陶鹏程. 安庆师范大学, 2020(12)
- [7]伪随机动态测试信号建模与智能电能表动态误差测试方法[D]. 王婧. 北京化工大学, 2020
- [8]耦合隐私特征的协同回归联合学习算法研究[D]. 毛本强. 黑龙江大学, 2020(04)
- [9]基于潜标DAQ系统的关键技术研究[D]. 张智磊. 中国科学技术大学, 2020(01)
- [10]三维芯片绑定中可重构测试方法研究[D]. 周洋. 合肥工业大学, 2020