课程文献中心 更多>>

关键词： TEE   嵌入式系统   数据安全   机载系统  

摘要： 针对机载嵌入式系统实时性要求高、硬件资源受限、数据与任务安全防护薄弱的特点,对基于可信执行环境(TEE)的机载嵌入式数据安全技术展开研究。安全加固防护的对象为机载嵌入式系统中数据全生命周期的3个阶段,即数据存储、数据传输和数据使用的全过程。基于TEE环境特有的数据隔离特性,所提算法将数据存储中的加密算法、数据传输中的签名验签程序、数据使用过程中的敏感数据和敏感应用等与通用执行环境隔离起来,保证了不同任务之间能安全可靠地处理关键数据,并对其中用到的加密算法进行精简,在硬件资源受限的前提下保证了较好的实时性。仿真结果证明,所提算法安全性高,可靠性强,较以往方法效率更优化。

关键词： 变压器   声纹诊断   随机森林   变分模态分解   嵌入式系统  

摘要： 变压器作为电力行业关键环节的核心设备,保证它的健康工作状态对于电力供应至关重要。对变压器进行健康监控,根据当前健康状态来规划后续的工作和检修计划,可以有效处理这方面的问题。传统的健康检测主要通过人工现场巡检实现,不仅在时效性方面难以满足实际需求,还对工作人员的经验和熟练度有着较高要求。在线的健康检测可以有效优化上述问题,它主要是通过对变压器特定指标提取相关特征实现的,变压器声音包含着丰富的状态信息,是优秀的检验指标,因此开发基于声纹的变压器健康监控系统是非常有帮助的。 本文研究的变压器健康监控系统以变压器的声音为核心,根据变压器运行声音反映出的相关特征实现对变压器运行状态的判断和相关的报警功能。在算法角度上针对变压器工作环境中的噪声问题,提出了基于Fast ICA和基于高斯滤波VMD相结合的信噪分离方法,经过实验对比在多种变压器声音场景中均能取得不错的效果;在特征方面采取了频谱、倒谱两部分的融合特征,具体包括频谱相关的50Hz奇偶倍频比、主频和主频占比、高低频比和振动熵等特征,倒谱相关的人耳听觉模型MFCC和GFCC;在健康监控方面使用随机森林作为分类器,通过麻雀智能搜索算法确定最优参数,由于初期数据不足,结合相关特征进行特征阈值-随机森林联合分类,取得了较好的分类结果。除此之外引入了最小二乘法实现特征值的预测,综合分类实现更好的变压器的健康监控。 从实际应用的视角出发,以K210芯片为核心,构建了一套搭载FreeRTOS实时操作系统的音频采集装置。它通过任务的形式,多线程的在音频数据传输的过程中同步完成对变压器声音相关特征的呈现。配合采集装置设计了上位机系统,通过功能模块的方式实现了上述算法以及对采集装置的控制,综合完成变压器的健康监控。

关键词： Rapid IO   接口模块   高效设计   验证策略   嵌入式系统   数据传输  

摘要： 阐述基于Rapid IO的高性能嵌入式系统设计的互联技术，以其低延迟、高带宽和灵活的配置能力，成为连接处理器、存储设备和外设的理想选择。为此，探讨Rapid IO接口模块的高效设计与验证策略。

关键词： 消防监测系统   智能传感器   嵌入式系统   物联网  

摘要： 消防监测系统在预防火灾和保障人员生命财产安全方面起着至关重要的作用。然而，传统的消防监测系统往往存在监测范围有限、监测准确性不高、报警反应慢等问题，难以满足现代社会对消防安全的需求。本文通过研究基于智能传感器的消防监测系统的实现，以提高消防监测的效率和准确性。首先，通过对现有消防监测系统的分析，指出传统消防监测系统存在的局限性和不足之处。其次，设计了一种基于智能传感器的消防监测系统，该系统采用先进的传感技术和智能化处理方法，能够实时监测火灾相关参数，并具备自动报警和数据分析功能。再次，在系统实现方面，采用了嵌入式系统和物联网技术，实现了传感器节点的数据采集、处理和传输。最后，通过实验验证了该系统的可行性和有效性，证明了其在消防监测领域的重要应用价值。

关键词： 嵌入式系统   电力设备   远程监控  

摘要： 随着社会的不断发展和电力系统智能化进程的推进，电力设备的远程监控与控制变得愈发重要。传统的电力设备管理方式存在着诸多不足，如信息获取不及时、效率低下以及监控范围受限等。然而，嵌入式物联网技术的应用为电力设备管理带来了全新的解决方案。本文旨在探讨嵌入式物联网平台下的电力设备远程监控与控制，以提高电力系统的可靠性、安全性和效率。嵌入式系统作为物联网的核心组成部分，通过传感器数据的实时采集和远程通信，使运营人员可以随时随地监控电力设备的状态，迅速响应异常情况，降低了维护成本、减少了停电时间。

关键词： 土壤参数   高通量检测   智能车   视觉引导   嵌入式系统  

摘要： 土壤是农业生产的基础,是人类赖以生存的基石,也是人类食物与生态环境安全的保障。土壤信息的高效、精准获取对于农业生产起着至关重要的作用。针对现有土壤参数检测存在的效率低、成本高、人力资源浪费等问题,本课题设计一款视觉引导的土壤参数高通量检测智能车。利用计算机视觉技术为智能车提供引导功能,使智能车适应垄田、温室等不同种植环境,采用新型机械装置和嵌入式技术设计车体和载荷,自动、高效、精准地采集土壤多种参数,为智慧种植提供土壤信息支持。 主要工作和结果包括: 1.智能车机械设计。采用铝材作为智能车车体框架,车体使用高地隙结构,可避免智能车工作时损伤农作物;智能车自动土壤检测部分使用滚珠丝杆直线滑台来带动土壤传感器竖直向下运动,插入土壤中完成土壤信息的检测,检测完成后滑台带动土壤传感器竖直向上运动,收回土壤传感器。 2.智能车电路设计。采用树莓派作为智能车上位机,嵌入式微处理器STM32作为下位机和智能车的主控芯片。树莓派通过串口将命令发送给STM32,STM32驱动直流电机完成智能车行进和转向功能,控制步进电机完成智能车的自动土壤检测功能,使用485通信协议获取土壤多要素传感器的关键土壤数据,并通过串口将数据传给树莓派。根据电路整体功耗选用大容量锂电池为智能车供能。 3.智能车视觉引导功能设计。针对垄田中垄沟线与周围土壤颜色差异明显的特点,本文设计了一种基于机器视觉的导航引导算法。通过安装在智能车前部的摄像头实时采集行驶路径的图像信息,经过图像预处理排除干扰因素后,通过视觉算法将垄沟线提取为智能车行驶的导航线,并结合PID控制算法,实现智能车沿垄沟线的自主行驶,提高了作业准确性和效率。 4.人机交互功能设计。开发了基于微信小程序的人机交互系统,通过小程序与智能车的实时通信实现了用户与智能车的远程交互。土壤检测数据可实时传输至小程序,通过可视化方式直观展示。

关键词： 字体渲染   链码压缩   Hinting   嵌入式系统  

摘要： 随着智能制造的快速发展,大部分设备都具备了显示文本信息的功能。这些文本信息在设备中主要以位图字体和矢量字体两种形式存储。然而,在工业电子设备领域,由于制造成本和功耗的限制,许多设备仅配备了性能较弱的控制器和有限的内存。这导致了两大挑战:一方面,处理能力的不足限制了矢量字体的使用;另一方面,内存的限制使得无法使用多样化的位图字体。此外,尽管文本渲染在各种语言中都十分重要,但目前在嵌入式设备中专门针对中文汉字的渲染研究却相对匮乏。 为了解决上述问题,本文提出了一种创新的字体渲染方法,旨在实现嵌入式低资源系统中对位图字体,尤其是中文汉字的高效光栅化。该方法首先对TrueType字体轮廓进行提取与栅格适配,通过引入相位控制适配和像素补偿适配两项技术,优化了低分辨率设备上字体的渲染效果。接着,我们将处理后的字体轮廓进行编码与压缩,在对常用3500个汉字进行处理分析后,改进了正交3方向VCC编码,使编码更契合中文汉字的特性。在链码压缩方面,引入了一种新型的链码压缩算法,该算法集成了Burrows-Wheeler变换、Move-To-Front变换和定制的位图比特级自适应可扩展链码表示技术,构建了一条高效的压缩管道,大幅减少了字体的存储占用,同时保持了字体数据的完整性。 此外,本文基于组件复用的思想,设计了一种创新的共享数据结构。将常用的汉字部件进行提取和分类,然后利用共享存储结构对这些部件进行统一的管理和存储。引入字形缓存策略,这不仅减少了计算量,还大大提高了渲染速度。最后,安装在嵌入式设备中的解码器对压缩数据进行解码,为了进一步优化存储效率并提升渲染的灵活性,根据汉字字号变换的原理,提出了单字号存储、多字号渲染的设计思路,实现了基于单字体的多字号渲染技术,同时利用改进的种子填充算法和Hinting策略进行像素填充,最终完成字体渲染。 为了验证该方法的有效性,本文在ARM XIUOS硬件终端和STM32F103微控制器上进行了实验,结果显示,该字体渲染方法在字体压缩和渲染速度方面取得了显著的成果,极大减小了中文字体的存储要求,并具备非常快的解码渲染速率。这项研究不仅为有限计算能力的设备提供了一种高效的字体渲染解决方案,还在一定程度上弥补了该领域在中文字体渲染研究方面的不足,为中文字体的显示提供了更多样化的选择,并为相关领域的发展做出了重要贡献。

关键词： 医用无创呼吸机   漏气补偿   嵌入式系统   μC/OS   多任务设计  

摘要： COVID-19的暴发和传播在全球范围内对公共卫生体系、医疗系统以及社会经济产生了深远影响。在应对这一挑战的过程中,深入研究病毒的传播机制并采取有效的防控措施,特别是在呼吸机的应用方面,已成为全球协同努力的重心。本文致力于研究和开发一款基于μC/OS-Ⅲ的医用无创呼吸机,并开展了以下关键研究: (1)呼吸机简介:本文深入剖析了医用无创呼吸机的相关知识,详细阐述了机械通气模式及其核心环节,对各种通气模式的特性及应用场景进行了全面梳理。此外,对医用无创呼吸机的基本构造和关键工作参数进行了介绍,并在此基础上明确了所研发的医用无创呼吸机应具备的核心功能需求。 (2)算法研究:本文深入研究和设计了医用无创呼吸机的核心控制算法。在呼吸触发方面,详细探讨了流量触发、压力触发及膈肌肌电触发的原理,并对它们之间的异同进行了细致分析。在漏气补偿方面,提出了结合呼气流量调节和确保单个呼吸周期内吸气和呼气潮气量相等的方法来估算漏气量,并通过压力反馈进行漏气补偿以确保对漏气情况进行精确补偿。在异常呼吸检测方面,实现了系统对低通气及呼吸暂停等异常状态的准确识别及迅速响应。 (3)硬件设计:本文全面设计了医用无创呼吸机的硬件及气路部分,对其整体设计框架进行了系统性的概述,明确了各组成部分的功能与相互关系,在此基础上设计了包括电源、电机驱动、比例阀驱动、人机交互、数据存储以及传感器检测等在内的关键硬件组件,并详细介绍了气路的完整设计。 (4)软件实现:本文对医用无创呼吸机的软件及上位机GUI展开了精细设计与开发,基于μC/OS-Ⅲ嵌入式实时多任务操作系统,实现了呼吸机的软件架构设计,在此基础上实现了包括数据采集、通气主控、通信传输等核心任务的多任务软件开发。此外,基于LVGL图形库实现了医用呼吸机的界面设计。 (5)实验验证:为了验证医用无创呼吸机的性能与功能,本文搭建了多个测试平台并进行了系统性验证。通过硬件电路测试、风机性能测试、软件及上位机GUI测试以及性能评估测试,全面检测了呼吸机的硬件、软件及上位机GUI的可靠性。实验结果表明,本文所研发的医用无创呼吸机在各项测试中均表现出色,具有稳定的性能和可靠的功能。

关键词： 车铣复合机床   数控系统   EtherCAT   嵌入式系统  

摘要： 当前，我国正向产业链的中高端领域迈进，致力构建以服务为核心的新发展格局，在这一过程中，复合化、小批量、高效率的加工需求不断增加。在新的加工需求下，车铣复合数控系统的重要性日益凸显，它以高切削效率、优异的加工精度以及卓越的柔性化特性，为产业链的转型升级注入强大的动力。然而，我国的车铣复合数控系统在复合加工能力、柔性和硬件扩展性方面仍有提升空间，同时，高昂的价格也制约了其广泛应用。　　为了提高现有车铣复合数控系统的扩展性和柔性，解决其复合加工能力不足的问题，本文充分结合嵌入式平台的成本效益优势和工业以太网EtherCAT总线的先进技术，设计并开发了一款基于EtherCAT的四轴车铣复合数控系统。本文的主要研究工作如下：　　首先，设计了控制系统的总体架构。总线方面，采用了开源的SOEM作为总线协议栈。硬件方面，采用了双嵌入式控制器作为系统硬件平台。软件方面，针对双控制器间的交互问题，设计了一种基于SPI的通讯协调机制，接着设计了分层结构的主站软件的框架，同时设计了分层结构、内核隔离的车铣复合数控系统软件框架，以确保资源访问安全性以及功能的可扩展性。　　其次，开发了EtherCAT主站软件。针对主站的配置需求，对时钟滴答机制进行了调整，配置并优化了网络模块的驱动程序，接着对EtherCAT协议的重要功能进行了分析和配置。同时设计了主站软件的应用程序，通过实施CoE协议，实现了从站设备状态机的转换以及周期性运动控制。　　然后，设计了数控系统的软件。数控编程指令方面，阐述了边译码边插补的解释型译码方式。运动控制方面，设计了直线与圆弧插补算法和速度规划算法。螺纹车削技术方面，针对高速螺纹容易乱扣的问题，设计了一种螺纹切削启动点的计算方法，并提出了一种动态速度规划方案，同时设计了变螺距和变锥度连续螺纹加工的控制方法。铣削技术方面，设计了速度前瞻算法优化微小铣削线段的加工，提高了整体加工效率和质量;并设计了一种基于虚拟轴的圆柱插补指令和极坐标插补指令的实现方式。　　最后，进行了测试验证和加工实验。通过Wireshark、KEIL等工具对主站功能进行测试验证，测试结果显示，各功能运行正常，满足工业控制要求。以KX-46Z机床作为实验基础平台，采用本项目自主研发的数控系统，对各类零件开展了加工测试实验，实验结果表明，数控系统运行平稳，能高效稳定地完成多样化的加工工艺，加工质量和效率满足企业需求。

关键词： 嵌入式系统   混合精度量化   FPGA加速器   语音识别  

摘要： 随着人工智能软硬件技术的迅速发展,嵌入式智能边缘计算正日益引起广泛关注,其显著优势在于它能够更贴近用户终端进行数据处理,从而实现快速响应和实时交互。大多边缘设备基于资源有限的嵌入式架构,而神经网络模型通常具有大量参数和较高的运算复杂性,这无疑为神经网络在嵌入式环境的大规模部署带来了严峻挑战。为了快速、高效地将语音识别网络部署至嵌入式系统,本文着重从神经网络量化及硬件加速器实现的角度,开展了语音识别神经网络加速技术研究。 首先,在神经网络量化方面,本文提出了一种基于精度跃迁的混合精度量化方法。通过对神经网络权重的二阶灵敏度矩阵特征分析,改变位宽搜索算法的惯性因子,从而指导模型最优位宽搜索的方向。通过使用32位定点数表示激活值,使用4种不同低精度的定点数表示权重值,结合精度补偿方法进行迭代搜索,最终确定一个兼顾效能和精度的混合精度量化模型。基于CN-Celeb数据集的语音识别任务实验结果表明,在模型精度下降不超过5%前提下,所提方法能够实现高达15.2倍的模型压缩比,明显优于其他同类混合精度量化方法。 其次,在硬件加速器方面,本文设计了混合精度精准匹配的低开销、高效率FPGA神经网络加速器。根据神经网络运算时的数据流动特点,优化集成了DMA数据传输架构,确保高性能的数据交互过程。针对全连接层、卷积层、循环层以及池化层的不同计算需求,优化了数据交换缓存机制和流水线计算方案,着重减少定点数乘法操作对FPGA资源的占用。实验基于Squeezeformer语音识别模型在Libri Speech数据集上进行展开,相较于ARM-Cotex53上的推理速度实现了48倍提升,并达到115.46GOP/W的运算效能。 最后,本文设计实现了一个融合混合精度量化方法和FPGA加速器的语音识别神经网络应用系统。对语音识别应用场景进行需求分析,前端设计了语音数据采集、量化位宽搜索算法以及模型推理模块,后端根据前端的功能模块调用硬件和服务器实现具体的功能,通过SSH远程访问方式连接至FPGA上运行的Petalinux操作系统,从而实现了对加速器系统的全面控制。综合测试展示了该应用系统可满足预期功能需求,同时具有较好的性能。