一、一个实用的数据采集系统的设计(论文文献综述)
黄陆路[1](2021)在《轻量级网络摄像头设计与监控系统的实现》文中进行了进一步梳理近年来,随着生活水平的日益提升,人民对安全的需求也不断提升。视频监控是社会安全维护的重要组成部分,是人民群众在生活中最容易接触到的监控手段。在一些中小型企事业单位或日常生活等中小型监控场景,对于成本控制比较敏感,不适宜采购大型视频监控设备。此外,由于目前智能手机的普及,通过用户APP实现的视频监控系统则成为了一种急迫的需求。因此,本文以中小型监控场景需求为背景,为满足办公室监控、家庭监控、幼儿园监控的需求,结合国内外视频监控系统所需技术和产业现状,根据目前运用最广的视频编解码与流媒体传输技术,提出一种轻量级网络摄像头设计与监控系统的解决方案。本文主要研究内容有以下几个方面:(1)首先,分析Easy Darwin的开源代码,根据本文需求修改部分接口和数据结构,以适应信令传递;设计信令的执行顺序流程,以实现摄像头和监控程序的数据交互;实现了基于Easy Darwin的流媒体转发服务程序,以保证流媒体的高效转发。(2)其次,在MSTAR-AIT8328平台上完成Easy Camera的整合,实现摄像头与服务器的信令交互;基于Live555的推模式,设计实现一种轻量级、较高分辨率、多功能、易安装、易配置的摄像头产品,支持H264视频编码格式,G711、AAC等多种音频编码格式,实现视频、音频信号的采集与编解码。(3)再次,从用户对隐私保护的角度出发,本文研究分析了各种加密算法,并配合RTP封包的特性,设计实现调用AES加密算法对H264数据包进行加密,可保证数据传输的安生性、提高用户的隐私保护。(4)最后,基于BANDOTT平台,设计实现了安卓智能手机端的APP视频监控系统,用户可以直接观看及管理摄像头设备。通过上述方法进行研发和部署,完成了中小型监控场景下,一个实用的、轻量级视频监控系统的研发。
陆奕[2](2020)在《基于水文模型的山洪灾害预警系统研究与应用》文中进行了进一步梳理山洪灾害不仅对基础设施、居民财产造成毁灭性破坏,而且对人民群众的生命安全构成极大的威胁。本研究以浙江省防灾减灾的迫切需求为出发点,分析了浙江省山洪灾害防御面临的问题,提出了山洪灾害预警研究的必要性,综述了国内外水文模型应用于山洪研究和山洪预警技术研究进展。在此基础上,以杭州建德市寿昌江流域为研究对象,利用水文气象数据、土壤数据、专家经验等信息,构建适用的水文模型,对山洪灾害进行预警,同时开发相应的山洪灾害预警系统。具体研究内容如下:(1)山丘区水文模型适用性研究。基于1975~2001年的27场水文资料,利用地理信息系统GIS生成的DEM数字高程模型,构建新安江模型和HEC-HMS模型,模拟寿昌江流域的降雨径流过程,对比分析两模型在寿昌江流域的适用性。结果表明,两模型在寿昌江流域均适用,但新安江模型精度及稳定性更好。虽然HEC-HMS模型是半分布式模型,但由于其参数CN值的敏感性,模拟结果的径流总深偏大,Nash系数等级较低,模型拟合度不高,在寿昌江流域的模拟效果不如新安江模型。新安江模型是在总结分析建德市的新安江流域时提出的,已在我国南方湿润地区获得广泛应用,本次研究的模拟结果Nash系数等级较高,合格率达到88.89%,拟合度较好。因此,新安江模型在寿昌江流域更为适用。(2)山洪灾害预警指标分析方法研究。以寿昌江流域6个典型村落为例,分别选取前期土壤含水量Pa=0.75WM和0.90WM作为典型临界值,通过对新安江模型不断试算确定临界雨量,最后,综合考虑降雨特征、地形地貌、下垫面特征等要素,对比分析得出临界雨量预警指标值,绘制不同时段雨量预警指标和土壤含水量的关系曲线,实现动态预警。(3)山洪灾害预警系统研究与应用。结合小流域山洪动态预警指标分析,建立山洪灾害预警系统平台。系统采用B/S架构进行设计,采用Java语言和Web Service及GIS技术进行通讯和展示,实现数据存储、查询、预警结果发布和可视化等功能,为山洪预警决策等提供服务,进一步提高基层山洪灾害预警与防御能力。
付倩倩[3](2020)在《基于轨迹相似度的伴随人员发现方法研究与实现》文中研究表明随着智慧城市和天眼工程的建设,火车站、机场、居民小区、城市道路等人流密集的地方都安装了视频监控系统,重点公共区域视频监控基本实现全覆盖。成熟的人脸识别技术使得监控设备可以实时检测出监控中出现的所有有效人脸,并将抓拍的人脸图片与预存的人脸模版进行比对,生成识别记录,提取出采集位置、采集时间、身份识别等信息,这就为我们进行行人的时空轨迹分析提供了数据支撑。本论文基于行人轨迹数据进行行人伴随模式研究,提出一种基于轨迹相似度的伴随人员发现方法模型并基于分布式集群搭建了一个实用型的面向特定目标的轨迹分析系统来展开研究,论文的主要工作包括:(1)提出基于轨迹相似度的伴随人员发现(CR-TS)方法模型。首先通过对原始时空轨迹数据进行过滤、简化、变化等操作,得到潜在伴随集,然后基于监测点位置的固定性给出点伴随的定义,利用滑动时间窗口生成相似轨迹候选集,大大减少了中间结果集,最后选用余弦相似性作为轨迹相似性度量标准,对微观和宏观时间上的伴随同时进行考量,输出满足相似度阈值的伴随人员集。(2)设计了一个基于分布式集群的面向特定目标的CR-TS轨迹分析系统。为尽可能地模拟真实场景下的伴随人员发现过程,根据本文提出的CR-TS方法模型,设计了相应的并行化模式,利用分布式的环境来实现伴随人员发现过程的并行化,从而降低查询处理响应时间。该系统基于Hadoop集群,采用HDFS来存储行人历史通行数据,利用MapReduce编程模型实现CR-TS方法的并行化计算,借助SSM框架开发,将生成的结果存储在MySQL数据库中,由Redis数据库对业务层数据进行缓存,同时引入百度地图API,绘制伴随人员的移动轨迹。(3)通过设计一组测试用例,验证了本文提出的CR-TS方法的高效性、准确性。基于真实的行人通行记录数据集的一组实验,与传统方法进行对比分析,从性能、参数、正确性三方面对本文提出的方法作出了评价,验证了本方法在保证结果正确的前提下可以有效提高伴随人员发现的效率。
郑能心[4](2020)在《基于小波变换和HOG特征的人脸识别研究》文中研究说明人脸识别是一种提取面部信息并采用分类器进行识别的技术,能作为辨别一个人的唯一标识。人脸识别系统具有非接触性、非侵占性、可靠性等优势,因此在实际生活中的应用较为广泛,如高铁入站、考勤签到、考生识别等。人脸识别技术主要分为图像预处理、重要特征提取、特征分类等环节。目前,图像预处理和特征分类的算法较为成熟,而特征提取算法的研究仍存在进步空间。因此,本文对人脸特征提取算法进行研究,将该算法移植至人脸识别系统,并对其进行性能分析。小波变换和梯度方向直方图(HOG)是两种典型的特征提取方法。小波变换提取了原图像分辨率四分之一的低频分量,滤除了噪声等高频信息,但包含与原图像近似的信息,与原始图像相比,由小波变换提取的低频分量包含更少的干扰信息;HOG算子则能提取图像的形状信息。为了更好地描述人脸的形状特征,本文将上述两种方法融合,并对融合算法进行了分析与实验验证。本文主要创新点与具体工作内容如下:(1)分别对小波变换和HOG特征原理进行阐述。基于小波变换提取的低频特征和HOG特征,提出了一种Wave-HOG特征融合的人脸识别算法,并对分类器性能进行对比。通过实验数据分析可知,该算法相对于已有算法具有更高的识别率,本文提出的融合算法在ORL和GT人脸标准库下分别能达到96.5%和79.8%的识别率。(2)对本文算法进行参数分析可得,单一算法在数据库中的最优参数已不适用于该融合算法。根据实验数据结果,分析并调整各算法下的最优参数,并通过(主成分分析算法)PCA进行降维,测试降维后的特征是否识别时间更短、识别率更高。本文提出的融合算法在ORL数据库中采用PCA降维,识别分类的时间为40ms,满足系统实时性的要求。(3)在Windows系统下,利用开源计算机视觉库opencv和图像用户界面工具包pyqt进行人脸识别系统的设计。该系统包含图像读取与采集功能、图像预处理、特征提取算法选择和人脸识别测试功能。将该系统应用到多个实例中,并对其进行性能测试,实验结果表明该系统具有良好的人脸识别能力。
杨凯[5](2019)在《特定辐射源智能识别技术研究》文中认为特定辐射源识别是一种利用接收信号中蕴含的无意调制信息来识别其所属辐射源个体的技术。由于信号的无意调制信息(也被称作辐射源的指纹特征)具备唯一标识性,使得特定辐射源识别技术在军事和民用领域得到了广泛的应用。然而,传统基于人工预定义指纹特征的特定辐射源识别系统在实际应用时却存在系统开发效率低、系统有效性无法保证等难以克服的问题,其根本原因是当前无法建立关于辐射源指纹特征统一、精确的数学模型,使得传统基于人工预定义方法提取的指纹特征存在通用性差、适用范围不明确等诸多问题。为有效解决传统特定辐射源识别系统存在的不足,本文将深度学习方法引入到特定辐射源识别领域中,研究了基于深度学习的暂态智能表征方法和稳态智能表征方法。为了进一步提高特定辐射源识别系统的通用性,本文研究了特定辐射源识别预处理操作中智能化的信号检测和信噪比估计方法。此外,本文还对辐射源个体的分类系统设计和弱标注条件下辐射源个体智能表征方法进行了研究。归纳起来,本文的主要工作和贡献可总结如下:(1)研究提出了特定辐射源智能识别系统处理框架和一般处理流程。本文首先分析了传统基于人工预定义指纹特征的特定辐射源识别系统存在的不足以及根本原因,在此基础上,提出了基于深度学习的特定辐射源智能识别系统处理框架。然后,阐述了特定辐射源智能识别系统的组成和处理流程,分析了特定辐射源智能识别系统不同与优势。最后,介绍了特定辐射源智能识别处理新方法。(2)研究提出了基于深度学习的智能化预处理方法。针对非合作场景下特定辐射源智能识别预处理中信号检测和信噪比估计的需求,本文在深入分析典型的信号检测方法和信噪比估计方法后,引入了深度学习理论,分别提出了一种基于深度学习的信号检测方法和基于深度学习的信噪比估计方法。实验结果表明,本文提出的信号检测方法和信噪比估计方法性能更优、通用性更强。(3)研究提出了基于深度学习的辐射源个体智能表征方法。本文首先分析了辐射源指纹特征产生的机理,然后针对非合作场景下基于暂态信号和稳态信号的特定辐射源识别任务需求,分别提出了基于深度学习的暂态智能表征方法和基于深度学习的稳态智能表征方法。最后通过实采数据证明本文提出的辐射源个体智能表征方法的性能更优、鲁棒性更好、通用性更强。此外,可视化的分析表明,基于深度神经网络提取的DNN特征具有类间差异大、类内聚集性好的特点。(4)研究提出了一种具备开集识别能力的辐射源个体分类系统。针对特定辐射源智能识别系统的开集识别任务需求,本文首先分析了基于深度神经网络提取的特征的特点,并针对该特点,提出了相应的辐射源个体分类系统架构。然后,研究提出了一种基于MGMM的异常目标样本检测模型和基于SD-DPC的聚类分析方法。实验结果表明,本文提出的辐射源个体分类系统能够从待分类样本集中有效地发现异常目标样本,提升已知目标的识别正确率,减少虚假新目标的产生以及筛选提取新目标的核心样本。(5)研究提出了弱标注条件下辐射源个体智能表征方法。针对特定辐射源智能识别系统在弱标注条件下的特定辐射源识别任务需求,本文首先分析了对抗训练方法能够提升深度神经网络泛化能力的原因,然后介绍了虚拟对抗训练方法,最后阐述了弱标注条件下基于虚拟对抗训练的辐射源个体智能表征方法。实验结果表明,该方法能够有效提升弱标注场景下基于深度学习方法表征辐射源个体的性能。
于德利,郑永焕,阴春霞,江玉娟,高宏英[6](2019)在《吉林省乳腺癌筛查数据标准化采集系统的构建和数据库管理》文中研究指明目的探讨吉林省乳腺癌筛查数据标准化采集系统和大数据平台的构建及意义。方法 2016年1月~2018年12月,将原国家卫计委颁布的《乳腺癌筛查信息采集表》利用JAVA语言编写为乳腺癌筛查数据标准化采集系统,内嵌于可直接接入互联网汇影iustar 130便携式彩色超声诊断系统中。筛查过程中同步完成受筛者身份验证、筛查数据(图像、数值、文字说明等)采集。采集的数据经特殊的安全性处理后传输至云端进行存储,云端数据通过多种互联网终端设备凭权限进行有限制的检索及利用。省内各个市县地区的筛查数据在云端服务器汇总后形成吉林省的乳腺癌筛查大数据。结果 2016年1月~2018年12月吉林省内8个地、市、区乳腺癌及乳腺癌前病变检出率为80.24/10万,早期乳腺癌69例,占比63.89%。吉林省乳腺癌筛查数据标准化采集系统实现筛查流程的标准化,提供数据采集的关键质控节点,使筛查数据的标准化采集、传输和存储一次性完成。保证了数据采集的准确性,提高了数据采集和使用的效率。结论吉林省乳腺癌筛查数据标准化采集系统是一个实用、高效、安全的数据采集、管理及应用系统,也是构建一个专业大数据平台的基本工具。筛查数据真实有效,可为临床科研,公共卫生的规划、管理、决策提供数据支撑。
高阳[7](2019)在《云存储系统的数据布局机制研究》文中认为随着现代社会的飞速发展,海量数据迅猛增长,这极大刺激了对于存储的需求。而随着计算机技术的发展,云存储作为新一代存储技术,具有大容量、高效、经济、可靠的特点,这些使其成为了计算机基础性技术之一。学术界、工业界对此投入大量研究,产生了很多科研成果和商业应用。但是,云存储技术也面临很多亟待解决的技术难题和挑战。本论文主要关注云存储的系统资源利用率低、系统内部负载不均衡、系统建设方案决策困难等三类挑战。这些问题和挑战是基于不同的应用环境需求产生的,而云存储系统对应相应的需求分成:私有云存储系统、公有云存储系统和混合云存储系统。本文针对这三类系统面临的问题和挑战,在基于现有的相关工作和成果上,围绕着系统资源利用率优化、异常热度数据识别、过载设备的数据重定位、系统设计决策等一系列问题开展研究。通过调整数据布局来提高系统资源利用率,并定位系统中的异常数据,并将其重新放置来提升系统负载均衡度、使用经济学模型辅助系统的设计和决策等方式来相应的解决上述面临的问题。以上各个研究方向和内容相互联系并相互作用,但最终的实现方式都是围绕着数据布局机制来实现的。本文主要的研究内容和创新点总结为如下三个方面:公有云存储系统中的数据布局的研究,目标是使得系统内的设备负载更加均衡。公有云存储系统是一个大规模的异构系统,系统中设备的数据分布和数据访问量时常是不均匀的。在拥有海量数据和大量设备的系统规模下,一般的优化模型都会因其管理算法复杂度过高,难以有效的处理数据布局问题。本文首先采用分类算法先将系统内的数据和设备相应分级来解决不同的数据的布局均衡问题;其次采用改进的计数布隆过滤器算法——多层次计数布隆过滤器算法(MlCBF,Multi-level Counting Bloom Filter)来定位和识别热度数据;最后采用改进的一致性哈希算法一—多选择一致性哈希算法(McCH,Multi-choices Consistent Hash)来重新定位异常数据,从而为公有云存储系统面临的一系列问题提供了可行的方案。私有云存储系统中的数据布局研究,目标是优化系统资源利用率,降低系统成本。由于私有云存储系统主要应用于企业内部,其需求的主要特点是稳定、低成本、大容量和较低的吞吐性能。本文提出了一个针对私有云存储系统的资源优化模型,并使用了启发式算法对其求解,最终在有限的资源条件下,使得系统的磁盘资源利用率得到提高,达到了减少系统的设备使用数量,并降低系统整体成本的目的。混合云存储系统的数据布局策略研究,目标是能够实现混合云存储系统的设计决策。在现实的商业应用中,一部分企业选择自建私有云存储系统,还有一部分企业选择租用第三方的公有云存储服务,更多的企业因为实际需要,使用的是公有云存储服务和私有云存储系统的混合系统。无论采用什么形式的云系统,企业都希望能在满足需求的前提下,能实现最低的建设和使用成本。然而由于租和购相应的成本横向评估困难,造成了租和购混合比例确定困难,这是设计混合云存储系统关键要解决的问题。本文基于一个金融理论——净现值理论(NPV,Net Present Value),提出了 一个可实现租和购横向评估对比的设计模型。再利用kNN和K-means算法将不同的数据和设备分类,达到不同数据更合理的布放到相应的系统中去,最终能够快速有效的决策系统的混合比例,达到以最少的经济成本实现企业的混合云存储系统的设计需求。
谢锐勇[8](2019)在《双轴视觉伺服云台系统设计与实现》文中认为近年来,随着社会的进步和信息化程度的提升,人们对伺服系统的需求不断加大,满足上述需求的关键点之一在于提升伺服控制系统性能,所以加大对伺服控制系统的研究具有重要实用价值。而一般的研究及高校人员在对伺服控制系统进行研究及实验教学时普遍存在缺乏有效的伺服控制实验平台、现有的实验平台接口通用性差等现实问题,这些客观因素严重限制了研究及教学人员的热情;同时,工程应用领域也存在缺乏具备算法设计及快速验证功能的伺服控制设计软件平台。本课题主要针对伺服控制实验平台及伺服控制设计软件较为缺乏的问题,参照伺服系统的一般性控制结构框架,自主设计了伺服控制实验平台,以便为伺服控制的研究、教学以及工程应用提供一个实用的实验验证平台。首先,本文在分析伺服系统的一般性控制结构框架的基础上,自主设计并搭建了基于二自由度云台的伺服控制实验硬件平台。其中,二自由度云台可用于多轴协调控制的研究;伺服控制单元采用上下位机结构的设计,使实时性强的嵌入式底层控制单元和运算及交互功能强的上位机控制单元相结合,实现优势互补;伺服检测单元包含了轴角检测单元和视觉检测单元,便于满足不同控制方案的需求。然后,本文设计了实验平台的软件部分,主要从嵌入式软件、视觉检测软件、伺服控制设计软件三个模块进行设计。其中,嵌入式软件主要完成伺服底层的闭环控制和与伺服控制设计软件的通信交互;视觉检测软件主要以实现利用视觉检测激光斑点中心位置坐标为目的;伺服控制设计软件是在参考了大量伺服系统控制设计案例后,制定出一套较为规范完善的伺服控制设计流程并实现的产物,便于控制算法的设计及快速验证。最后,本文在前文所搭建实验平台的基础上,选取部分伺服算法进行研究和改进,提出了双轴双闭环的控制方案。以本实验平台为实际对象,对系统存在的死区非线性进行补偿;对角度内环进行被控对象的模型辨识和控制器设计及快速验证,提出了基于频域指标折算的带隔离度约束PD控制器设计方法,并与基于扩展LQR的输出反馈控制器设计方法进行对比;针对内、外环采样率不一致的问题,提出了基于零阶保持器的双采样率设计方法;对视觉外环进行被控对象的模型辨识和控制器设计及快速验证;提出了基于频域指标折算的带隔离度约束PI控制器设计方法;此部分验证了该平台设计的合理性,为后续将在此实验平台上研究的算法及软件移植至其他伺服系统提供理论和数据支持。
王凡杰[9](2019)在《基于深度学习的交通场景目标检测方法研究》文中研究表明从交通场景下的图像或视频中自动检测出各种目标(如车辆和行人等)是许多智能交通系统必不可少的前提。根据车辆和行人等的运动规律给出合理的交通管控方案可以减少诸如道路拥堵、交通事故等事件的发生,保护人们的生命财产。随着计算机技术的飞速发展与计算机视觉理论的广泛应用,利用机器学习和深度学习的方法对不同场景下的目标进行分类、定位或实时跟踪成为了近年来的研究热点,对目标进行实时检测在无人驾驶、智能视频监控、工业检测以及军事目标检测等方面具有重要的应用价值。虽然深度学习为目标检测领域带来了革命性的进步,但是目前已存在的基于深度学习的算法仍然存在很多不足,例如算法运算复杂度较高,难以实时应用,或者对于小目标的检测效果较差等等,即这些方法难以实现检测精度与速度之间的权衡。为了解决这些问题,本文采用特征金字塔的思想,利用从多层特征图中提取的信息来检测各种对象,能有效降低漏检以及误检的发生。具体来说,本文的研究内容主要包括以下几点:首先,针对目前交通场景数据集不足的问题,本文利用交通监控视频构建了一个城市交通数据集,划分了训练集和测试集,并利用标注工具BBox-Label-Tool对数据集中的图片进行分类和标注,用于后续的网络训练及测试。其次,由于交通场景下不同目标的尺度变化较大,本文提出了一个具有32层的多支路目标检测网络来对这些不同尺度的目标进行检测,通过对3个检测分支的合理设计,可以从稀疏、拥挤、白天和夜间等各种不同的场景中准确地检测出大、中、小尺度的目标。本方法与其它方法相比在检测精度与速度上有所提升,很好地实现了二者的平衡。最后,针对上述方法没有充分利用到上下文信息,使得该方法对于某些目标(特别是小目标)的检测结果不够准确这一问题,本文提出了一个基于多特征融合的目标检测方法,通过融合模块来引入上下文信息,使模型对于各种目标特别是小目标的检测效果有了明显的提升。在不同数据集上的实验结果表明,本文所提出的方法与其它方法相比在各个评价指标上的表现都得到了相应的提升。
王刚[10](2019)在《基于LabVIEW的ECU自动检测平台的设计与实现》文中认为随着汽车行业日新月异的发展,国内研究机构针对汽车电子产品的自主研发不断加强,其中电子控制单元(Electronic Control Unit,ECU)更是汽车电子产品的技术核心。且人们对汽车驾驶的自动化和智能化的要求不断提高,ECU的功能也变得十分复杂,同时使其各项功能的检测与诊断变得越来越困难。传统的ECU功能检测都是由工程师手动测试各种信号,对ECU的各功能引脚逐一进行调试,不仅使得ECU的开发验证工作量增大,更不利于ECU后期产业化的质量检测,无法保证每块ECU通过稳定的质检再流入市场。基于此现状,研发一款能够自动进行ECU各项功能检测的操作系统具有很重要的实际意义。本课题源于清华大学汽车安全与节能国家重点实验室,是工业转型升级(中国制造2025)专项基金“新能源汽车智能制造运行系统关键技术标准及验证”的一部分。根据项目要求,需要研制一套完整的ECU自动检测平台,实现对ECU各功能模块的性能测试以及ECU批量化生产后的质量检测。文中以LabVIEW软件平台和数据采集硬件平台为开发工具,首先对课题组自主研发的ECU进行原理分析,根据各模块信号输出方式及负载特性,完成测试系统的总体方案设计;其次,完成了检测平台的软硬件设计,硬件部分包括了如模拟器、传感器、数据采集卡、CAN适配器、调理电路等的选型、设计与调试;搭建硬件系统的同时,并行实施测试程序软件的开发,基于LabVIEW软件模块化的设计思想完成了模式匹配、代码烧录以及功能模块检测软件编写;最后以实际ECU控制器作为试验对象对检测平台的各项功能进行验证;结果表明文中所采用的计算方法,测试方案都符合系统需求,各项基本功能的实现也达到预期,可以快速准确的检测出各模块功能是否异常。该平台克服了传统检测方式的弊端,避免了人工检测失误而产生的危险工况与损坏,有效缩短了ECU检测周期,为汽车电子控制单元ECU的开发与产业化检测提供了一个实用的软硬件检测平台。
二、一个实用的数据采集系统的设计(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、一个实用的数据采集系统的设计(论文提纲范文)
(1)轻量级网络摄像头设计与监控系统的实现(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究的背景与意义 |
1.2 国内外研究现状与存在问题 |
1.3 本文主要研究内容 |
1.4 论文的组织结构 |
第二章 系统的总体设计 |
2.1 系统需求分析 |
2.1.1 功能需求分析 |
2.1.2 性能需求分析 |
2.2 系统设计目标 |
2.3 系统关键技术 |
2.3.1 流媒体转发 |
2.3.2 媒体加密 |
2.4 系统架构设计 |
2.4.1 系统架构概述 |
2.4.2 业务逻辑概述 |
2.4.3 子模块功能概述 |
本章小结 |
第三章 系统功能实现 |
3.1 多媒体转发服务的实现 |
3.1.1 主视频流转发功能实现 |
3.1.2 辅视频流转发功能实现 |
3.1.3 缩略图流转发功能实现 |
3.1.4 实时音频对讲功能实现 |
3.1.5 停止推流功能实现 |
3.2 摄像头软件功能实现 |
3.2.1 RTSP媒体推流实现 |
3.2.2 SD本地录像实现 |
3.2.3 媒体加解密实现 |
3.2.4 摄像头OOBE实现 |
3.2.5 省电休眠机制实现 |
3.2.6 云唤醒流程实现 |
3.2.7 云存储实现 |
3.3 手机监控软件实现 |
3.3.1 帐号管理系统设计 |
3.3.2 设备管理系统设计 |
3.3.3 运动侦测事件通知 |
3.4 数据及接口实现 |
3.4.1 MQTT消息规格定义 |
3.4.2 监控软件接口定义 |
3.5 本章小结 |
第四章 系统功能展示与系统测试 |
4.1 系统功能展示 |
4.2 测试环境与配置 |
4.3 流媒体功能测试 |
4.4 摄像头软件功能测试 |
4.4.1 OOBE功能测试 |
4.4.2 省电功能测试 |
4.4.3 云唤醒功能测试 |
4.4.4 SD卡录像存储功能测试 |
4.4.5 云存储功能测试 |
4.5 手机监控软件功能测试 |
4.6 系统稳定性测试 |
4.7 本章小结 |
第五章 总结与展望 |
5.1 工作总结 |
5.2 工作展望 |
参考文献 |
致谢 |
攻读学位期间发表论文情况 |
(2)基于水文模型的山洪灾害预警系统研究与应用(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 研究现状 |
1.2.1 水文模型在山洪预警中的应用现状 |
1.2.2 山洪预警技术研究进展 |
1.3 主要研究内容和路线 |
1.3.1 主要研究内容 |
1.3.2 主要技术路线 |
第二章 寿昌江流域基本情况 |
2.1 流域概况 |
2.1.1 自然地理 |
2.1.2 水文气象 |
2.1.3 河流水系 |
2.2 历史山洪灾害 |
第三章 水文模型适用性研究 |
3.1 HEC-HMS模型 |
3.1.1 HEC-HMS模型概述 |
3.1.2 基础数据处理 |
3.1.3 流域模块 |
3.1.4 时间序列模块 |
3.1.5 气象模块 |
3.1.6 控制运行模块 |
3.2 新安江模型 |
3.2.1 新安江模型概述 |
3.2.2 蒸散发计算 |
3.2.3 产流计算 |
3.2.4 水源划分 |
3.2.5 汇流计算 |
3.2.6 模型参数取值范围 |
3.3 模型的综合评价 |
3.3.1 HEC-HMS模型模拟精度 |
3.3.2 新安江模型模拟精度 |
3.3.3 模型综合分析 |
3.4 本章小结 |
第四章 山洪灾害预警指标的确定 |
4.1 山洪预警指标的定义和分类 |
4.2 防灾区基本概况 |
4.2.1 典型村落位置分布 |
4.2.2 河道断面情况 |
4.3 研究区预警指标的计算 |
4.3.1 水文模型法 |
4.3.2 水位/流量反推法 |
4.3.3 动态预警指标的计算 |
4.4 研究区预警指标的应用 |
4.5 本章小结 |
第五章 山洪灾害预警系统的应用 |
5.1 系统建设目标及方法 |
5.2 系统总体设计 |
5.3 系统功能与操作 |
5.3.1 首页 |
5.3.2 综合信息 |
5.3.3 日常管理 |
5.3.4 调查评价1 |
5.3.5 调查评价2 |
5.3.6 基础信息 |
5.3.7 水库巡查 |
5.4 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
作者简介 |
1 作者简历 |
2 参与的科研项目及获奖情况 |
学位论文数据集 |
(3)基于轨迹相似度的伴随人员发现方法研究与实现(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题背景及研究意义 |
1.2 国内外研究现状 |
1.3 本课题研究内容 |
1.4 论文组织结构 |
2 理论基础及相关技术研究 |
2.1 时空轨迹伴随模式 |
2.1.1 结群模式 |
2.1.2 护航模式 |
2.1.3 云集模式 |
2.1.4 旅行伙伴模式 |
2.2 轨迹相似性度算法 |
2.2.1 欧式距离法 |
2.2.2 编辑距离法 |
2.2.3 余弦相似度法 |
2.3 本章小结 |
3 CR-TS方法模型设计 |
3.1 轨迹相似度计算要求 |
3.2 轨迹数据分析与选取 |
3.2.1 数据特征 |
3.2.2 数据选取 |
3.2.3 数据预处理 |
3.3 轨迹相似度定义 |
3.3.1 行人时空轨迹定义 |
3.3.2 行人时空轨迹求交 |
3.3.3 时空轨迹相似度量标准 |
3.4 CR-TS方法模型 |
3.5 本章小结 |
4 基于Hadoop集群的CR-TS轨迹分析系统设计与实现 |
4.1 系统简述 |
4.2 并行编程模型 |
4.3 系统总体设计 |
4.3.1 系统的总体架构设计 |
4.3.2 系统的技术架构设计 |
4.4 关键方案实现 |
4.4.1 冗余数据筛选方案 |
4.4.2 系统数据存储方案 |
4.4.3 伴随人员发现方案 |
4.4.4 轨迹可视化方案 |
4.5 系统关键流程实现 |
4.5.1 参数设置 |
4.5.2 数据写入流程 |
4.5.3 历史数据查询流程 |
4.5.4 轨迹分析流程 |
4.5.5 过期数据删除流程 |
4.6 本章小结 |
5 CR-TS轨迹分析系统测试 |
5.1 测试环境搭建 |
5.2 系统评价 |
5.2.1 性能测试分析 |
5.2.2 正确性测试分析 |
5.2.3 关键参数分析 |
5.3 本章小结 |
6 总结与展望 |
6.1 全文总结 |
6.2 后续展望 |
参考文献 |
致谢 |
附录1 攻读硕士学位期间参与的项目和发表的论文 |
(4)基于小波变换和HOG特征的人脸识别研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 人脸识别数据库 |
1.4 本文的主要研究工作及安排 |
1.4.1 研究的主要内容及创新点 |
1.4.2 本文的结构安排 |
第2章 人脸图像处理相关技术 |
2.1 图像采集阶段 |
2.2 图像预处理阶段 |
2.2.1 人脸截取 |
2.2.2 图像灰度化 |
2.2.3 图像滤波 |
2.2.4 图像归一化 |
2.3 分类算法 |
2.4 人脸识别系统 |
2.4.1 人脸识别系统的特点 |
2.4.2 人脸识别系统的评估 |
2.4.3 人脸识别系统的评价指标 |
2.5 本章小结 |
第3章 小波变换和HOG算子的特征提取 |
3.1 小波变换 |
3.2 HOG特征提取 |
3.3 主成分分析 |
3.3.1 奇异值分解 |
3.3.2 PCA降维 |
3.4 融合特征的提取 |
3.5 本章小结 |
第4章 基于融合特征和SVM的人脸识别 |
4.1 基于SVM的人脸分类算法 |
4.1.1 SVM算法概述 |
4.1.2 线性支持向量机 |
4.1.3 非线性支持向量机与核函数 |
4.1.4 多分类支持向量机 |
4.2 小波与HOG的融合特征和SVM的结合算法 |
4.3 算法参数测试 |
4.3.1 HOG算法参数选取 |
4.3.2 小波变换参数的选取 |
4.3.3 特征维数的测试 |
4.4 实验结果与分析 |
4.4.1 ORL人脸库测试 |
4.4.2 自建人脸库测试 |
4.4.3 GT人脸库测试 |
4.5 本章小结 |
第5章 人脸识别系统的设计与实现 |
5.1 实验环境 |
5.1.1 硬件环境 |
5.1.2 软件环境 |
5.2 系统功能测试 |
5.2.1 用户界面介绍 |
5.2.2 功能测试 |
5.2.3 性能测试 |
5.3 本章小结 |
第6章 总结与展望 |
6.1 论文总结 |
6.2 展望 |
参考文献 |
本文作者硕士期间取得成果 |
致谢 |
(5)特定辐射源智能识别技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题背景与研究意义 |
1.2 特定辐射源智能识别系统研究的主要问题 |
1.3 主要问题的研究现状 |
1.3.1 预处理研究现状 |
1.3.2 辐射源个体表征方法研究现状 |
1.3.3 特定辐射源分类系统研究现状 |
1.4 本文的主要工作和内容 |
第二章 特定辐射源智能识别系统处理框架 |
2.1 引言 |
2.2 特定辐射源识别智能化动机 |
2.3 特定辐射源智能识别系统处理新流程 |
2.4 特定辐射源智能识别处理新方法 |
2.5 本章小结 |
第三章 特定辐射源识别智能化预处理方法研究 |
3.1 引言 |
3.2 基于深度学习的信号检测方法 |
3.2.1 信号检测问题概述 |
3.2.2 基于深度学习的信号检测模型 |
3.3 基于深度学习的信噪比估计方法 |
3.3.1 最大似然信噪比估计器 |
3.3.2 基于深度学习的信噪比估计模型 |
3.4 实验及结果分析 |
3.4.1 实验数据集 |
3.4.2 基于深度学习的信号检测性能评估 |
3.4.3 基于深度学习的信噪比估计性能评估 |
3.5 本章小结 |
第四章 基于深度学习的辐射源个体智能表征方法研究 |
4.1 引言 |
4.2 辐射源指纹特征产生的机理分析 |
4.3 基于深度学习的暂态智能表征方法研究 |
4.3.1 基本思想 |
4.3.2 基于深度学习的暂态智能表征方法 |
4.4 基于深度学习的稳态智能表征方法研究 |
4.4.1 基本思想 |
4.4.2 基于深度学习的稳态智能表征方法 |
4.5 实验及结果分析 |
4.5.1 实验数据集 |
4.5.2 基于深度学习的暂态智能表征方法性能评估 |
4.5.3 基于深度学习的稳态智能表征方法性能评估 |
4.5.4 基于深度学习的DNN特征可视化分析 |
4.6 本章小结 |
第五章 辐射源个体分类系统设计 |
5.1 引言 |
5.2 辐射源个体分类系统架构 |
5.3 基于MGMM的异常目标样本检测 |
5.3.1 混合高斯模型 |
5.3.2 基于MGMM的异常目标样本检测模型 |
5.4 基于BTS的已知辐射源个体分类 |
5.5 基于SD-DPC的聚类分析 |
5.5.1 密度峰值聚类(DPC) |
5.5.2 基于SD-DPC的聚类分析算法 |
5.6 实验与结果分析 |
5.6.1 实验数据 |
5.6.2 基于MGMM的异常目标样本检测性能评估 |
5.6.3 基于BTS的已知特定辐射源识别 |
5.6.4 基于SD-DPC的异常目标样本集聚类分析 |
5.7 本章小结 |
第六章 弱标注条件下基于虚拟对抗训练的辐射源个体智能表征方法研究 |
6.1 引言 |
6.2 基本思想 |
6.3 虚拟对抗训练 |
6.3.1 对抗训练 |
6.3.2 虚拟对抗训练 |
6.4 基于虚拟对抗训练的辐射源个体智能表征方法 |
6.5 实验与结果分析 |
6.5.1 不同标注训练数据数目 |
6.5.2 不同信噪比条件 |
6.5.3 可视化分析 |
6.6 本章小节 |
第七章 结论与展望 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
(6)吉林省乳腺癌筛查数据标准化采集系统的构建和数据库管理(论文提纲范文)
1 资料与方法 |
1.1 数据资料 |
1.2 数据采集模块 |
1.3 数据分布式云端采集 |
1.4 采集系统及管理平台流程 |
1.4.1 确认筛查单位以及受筛者身份 |
1.4.2 标准化数据采集流程 |
2 结果 |
2.1 乳腺癌筛查结果 |
2.2 筛查数据采集的效率提高 |
2.3 采集数据的真实性得到保证 |
2.4 采集数据的可靠性得到保证 |
2.5 采集数据的的利用率得到提高 |
3 讨论 |
3.1 减少数据采集的失误 |
3.2 数据有效的管理,利用效率高 |
3.3 采集表格灵活性和可扩充性 |
3.4 避免数据丢失、查询困难 |
(7)云存储系统的数据布局机制研究(论文提纲范文)
摘要 |
Abstract |
主要符号表 |
1 绪论 |
1.1 课题背景 |
1.1.1 引言 |
1.1.2 云存储简介 |
1.2 国内外研究现状 |
1.2.1 公有云存储相关研究 |
1.2.2 私有云存储相关研究 |
1.2.3 混合云存储相关研究 |
1.2.4 其他研究工作 |
1.3 研究内容及论文组织结构 |
1.3.1 研究内容 |
1.3.2 论文组织结构 |
2 公有云存储的负载均衡数据布局 |
2.1 引言 |
2.2 现有方案及其不足 |
2.3 问题定义 |
2.4 系统评估模型 |
2.5 系统及算法设计 |
2.5.1 系统架构设计 |
2.5.2 多层级计数布隆过滤器算法 |
2.5.3 多选择一致性哈希算法 |
2.6 评估实验 |
2.7 本章小结 |
3 私有云存储的资源利用优化数据布局 |
3.1 引言 |
3.2 现有方案及其不足 |
3.3 问题定义 |
3.4 系统架构设计 |
3.5 资源利用率优化的数据布局算法 |
3.6 算法性能评估 |
3.7 本章小结 |
4 混合云存储的经济决策数据布局 |
4.1 引言 |
4.2 现有方案及其不足 |
4.3 问题定义 |
4.4 基于NPV的决策模型设计及优化 |
4.5 决策模型算法设计 |
4.5.1 设备分组算法 |
4.5.2 数据布局算法 |
4.6 实验评估 |
4.7 本章小结 |
5 总结与展望 |
5.1 论文总结 |
5.2 创新点总结 |
5.3 工作展望 |
参考文献 |
攻读博士学位期间科研项目及科研成果 |
致谢 |
作者简介 |
(8)双轴视觉伺服云台系统设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
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 伺服控制实验平台 |
1.2.2 伺服控制设计软件 |
1.3 本文的主要内容与章节安排 |
第二章 伺服系统分析与实验硬件平台搭建 |
2.1 伺服实验平台硬件框架 |
2.2 二自由度云台设计 |
2.3 伺服控制单元设计 |
2.4 伺服检测单元设计 |
2.5 其他单元的选型 |
2.6 本章小结 |
第三章 伺服系统软件平台设计 |
3.1 伺服实验平台软件框架 |
3.2 嵌入式控制软件 |
3.2.1 嵌入式控制软件整体架构 |
3.2.2 轴角编码器数据的转换处理及SPI通信读取配置 |
3.2.3 嵌入式底层控制器相关设计及控制量输出 |
3.2.4 嵌入式控制软件程序设计 |
3.3 视觉检测软件 |
3.3.1 视觉检测软件整体架构 |
3.3.2 靶面的区域定义 |
3.3.3 视觉检测系统模型分析 |
3.3.4 与嵌入式控制软件的交互串口通信协议 |
3.3.5 视觉检测软件程序设计 |
3.4 伺服控制设计软件 |
3.4.1 伺服控制设计软件整体架构 |
3.4.2 伺服控制设计软件的混合编程技术 |
3.4.3 伺服控制设计软件程序设计 |
3.5 串口通信协议 |
3.6 本章小结 |
第四章 双轴伺服系统角度环设计及验证 |
4.1 整体控制框架 |
4.2 双轴伺服系统建模 |
4.2.1 机理建模 |
4.2.2 非线性补偿 |
4.2.3 系统辨识 |
4.3 角度环控制器设计 |
4.3.1 PID控制设计 |
4.3.2 基于扩展LQR的输出反馈控制器设计 |
4.3.3 控制效果对比 |
4.4 本章小结 |
第五章 双轴伺服系统视觉环设计及验证 |
5.1 视觉环设计框架及多采样率设计 |
5.1.1 视觉环设计框架 |
5.1.2 双采样率设计 |
5.2 视觉环辨识 |
5.2.1 视觉环辨识实验框架 |
5.2.2 视觉环辨识实验 |
5.3 视觉环控制器设计 |
5.3.1 视觉环PI控制器设计 |
5.3.2 视觉环PI控制器实验 |
5.4 本章小结 |
总结与展望 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
附件 |
(9)基于深度学习的交通场景目标检测方法研究(论文提纲范文)
摘要 |
abstract |
第1章 引言 |
1.1 研究背景与意义 |
1.2 研究现状与分析 |
1.2.1 传统目标检测方法 |
1.2.2 基于深度学习的目标检测方法 |
1.3 论文研究内容 |
1.4 论文组织结构 |
第2章 深度学习关键技术 |
2.1 卷积神经网络 |
2.1.1 卷积层 |
2.1.2 下采样层 |
2.1.3 上采样层 |
2.1.4 全连接层 |
2.2 经典深度学习框架 |
2.2.1 TensorFlow深度学习框架 |
2.2.2 Caffe深度学习框架 |
2.3 模型的训练 |
2.3.1 数据预处理 |
2.3.2 数据增强 |
2.3.3 模型微调过程 |
2.3.4 模型训练过程 |
2.4 本章小结 |
第3章 基于CNN的多支路交通场景目标检测算法 |
3.1 相关工作 |
3.2 网络结构设计 |
3.2.1 多特征图预测 |
3.2.2 边界框预测和类别预测 |
3.3 网络训练过程 |
3.4 实验及结果分析 |
3.4.1 交通场景数据集 |
3.4.2 实验对比 |
3.5 本章小结 |
第4章 基于多特征图融合的交通场景目标检测算法 |
4.1 引言 |
4.2 相关工作 |
4.3 网络结构设计 |
4.3.1 网络结构介绍 |
4.3.2 融合模块 |
4.3.3 训练方法 |
4.4 实验及结果分析 |
4.4.1 数据集 |
4.4.2 评价指标 |
4.4.3 检测结果与分析 |
4.5 本章小结 |
第5章 总结与展望 |
5.1 工作总结 |
5.2 未来工作展望 |
参考文献 |
致谢 |
攻读硕士学位期间从事的科研工作及取得的成果 |
(10)基于LabVIEW的ECU自动检测平台的设计与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题的研究背景与意义 |
1.2 电控单元性能测试国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 本文的主要工作与研究内容 |
1.4 论文章节的安排 |
第二章 ECU的构成及测试需求分析 |
2.1 电子控制单元的结构及工作原理 |
2.2 轮速计算 |
2.2.1 轮速计算原理 |
2.2.2 轮速算法 |
2.2.3 低速轮速算法 |
2.2.4 轮速计算的抗干扰能力 |
2.2.5 轮速的滤波 |
2.3 ECU测试系统的需求分析 |
2.3.1 模式匹配与溯源系统需求 |
2.3.2 测试代码烧录需求 |
2.3.3 功能模块检测需求 |
2.4 本章小结 |
第三章 检测平台硬件选型与设计 |
3.1 检测系统总体方案设计 |
3.2 系统电路接口设计 |
3.2.1 轮速信号产生设计 |
3.2.2 测试传感器的选择 |
3.2.3 数据采集卡 |
3.2.4 继电器模组 |
3.2.5 CAN总线适配器及通讯应用 |
3.2.6 转接板电路 |
3.3 系统气路设计 |
3.3.1 电磁阀的选型 |
3.3.2 节流阀的选型 |
3.4 本章小结 |
第四章 ECU测试设备软件开发 |
4.1 测试系统软件模块化设计 |
4.2 模式匹配设计 |
4.2.1 图像采集模块 |
4.2.2 图像预处理 |
4.2.3 图像定位 |
4.3 烧录软件设计 |
4.3.1 烧录简介 |
4.3.2 烧录软件界面设计 |
4.3.3 烧录流程分析 |
4.4 功能模块检测软件设计 |
4.4.1 人机交互界面设计 |
4.4.2 信号发生模块 |
4.4.3 信号采集模块 |
4.4.4 CAN通信模块 |
4.4.5 判定输出模块 |
4.4.6 溯源系统设计 |
4.5 本章小结 |
第五章 试验及测试分析 |
5.1 模式匹配实现效果验证 |
5.2 测试代码烧录功能验证 |
5.2.1 实际ECU控制器验证 |
5.2.2 烧录性能比较 |
5.2.3 CAN通信故障分析 |
5.3 测试系统实现及验证 |
5.4 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
个人简历、在学期间的研究成果及发表的学术论文 |
四、一个实用的数据采集系统的设计(论文参考文献)
- [1]轻量级网络摄像头设计与监控系统的实现[D]. 黄陆路. 广西大学, 2021(12)
- [2]基于水文模型的山洪灾害预警系统研究与应用[D]. 陆奕. 浙江工业大学, 2020(02)
- [3]基于轨迹相似度的伴随人员发现方法研究与实现[D]. 付倩倩. 武汉邮电科学研究院, 2020(08)
- [4]基于小波变换和HOG特征的人脸识别研究[D]. 郑能心. 浙江工商大学, 2020(05)
- [5]特定辐射源智能识别技术研究[D]. 杨凯. 国防科技大学, 2019(01)
- [6]吉林省乳腺癌筛查数据标准化采集系统的构建和数据库管理[J]. 于德利,郑永焕,阴春霞,江玉娟,高宏英. 中国医药导报, 2019(27)
- [7]云存储系统的数据布局机制研究[D]. 高阳. 大连理工大学, 2019(06)
- [8]双轴视觉伺服云台系统设计与实现[D]. 谢锐勇. 华南理工大学, 2019(06)
- [9]基于深度学习的交通场景目标检测方法研究[D]. 王凡杰. 重庆邮电大学, 2019(02)
- [10]基于LabVIEW的ECU自动检测平台的设计与实现[D]. 王刚. 石家庄铁道大学, 2019(01)