总线控制器数据结构设计

依据ＢＧ数据结构的设计要求，指出传统数据结构面临的问题，提出了一个新型的ＢＣ数据结构──首针表结构的设计方法，具体描述了这种结构的实现过程。     

基于ISP1160的嵌入式USB Host技术研究

文章研究的对象是基于ISP1160和ARM控制芯片LPC2214的嵌入式USBHost。简要介绍了USB通讯数据流结构中的主机模块,叙述了ISP1160和LPC2214之间硬件连接的设计和实现,重点分析了ISP1160软件驱动的结构和USB主机堆栈的开发设计过程。     

一种用于分析MCS-51目标码堆栈深度的方法

在嵌入式软件中,针对目标码的堆栈分析是堆栈检查的常用手段．提出了一种用于MCS-51系列处理器目标码的堆栈深度分析方法,该方法可分析最坏情况下的堆栈深度,并考虑了不同优先级下中断服务程序对堆栈的影响．利用该方法可开发出分析MCS-51目标码的堆栈分析工具,其分析结果对堆栈安全检查和优化具有参考意义．     

一种先进的1553B总线终端接口芯片

为推动航空电子系统的发展，ＤＤＣ公司推出了１５５３Ｂ总线终端接口系列芯片ＡＣＥ．ＢＵ─６１５８０是ＡＣＥ系列接口芯片中的ＢＣ＼ＲＴ＼ＭＴ一体化的芯片，本文对该芯片从系统结构、ＢＣ功能以及ＲＴ功能等方面进行了详细的介绍．     

一种航天器软件进程堆栈使用深度的动态检测方法

航天器软件进程堆栈溢出往往会导致软件"跑飞"的后果。文章分析了现有堆栈使用深度检测的静态测试方法和动态测试方法的优点和不足,针对航天器数管软件的特点,提出了一种适用于航天器数管软件进程堆栈使用深度的动态检测方法。通过访问应用软件与系统软件的接口,获得进程堆栈的起始地址和大小等信息,将堆栈区初始化为特定标识,对软件执行最大路径测试后,扫描堆栈区特定标识被覆盖情况,获得进程堆栈的使用深度。在嫦娥五号上升器数管软件中,实现了此方法,并通过上注在轨维护指令进行了测试。结果表明:在不借助任何专业检测软件的情况下,该方法能够实时检测出软件进程堆栈的最大使用深度,以利于避免进程堆栈溢出的风险,提高软件的可靠性。     

基于堆栈自编码网络的铣刀磨损特征提取方法

针对传统切削数据人工提取的特征主观性和盲目性强、特征提取过程耗时且提取质量难以保证等问题,提出一种基于堆栈自编码网络(SAE)的切削信号数据特征提取方法,构建了由3个自动编码器(AE)组成的SAE网络。前一个AE无监督训练后得到隐藏层特征,作为下一个AE的输入,最后整体利用反向传播算法进行有监督微调,从而得到更优的特征表达。从基于SAE的数据重构性能分析和加工信号特征主成分分析2个层面,对切削信号特征提取的优劣进行评估。实例验证说明,相比于传统手工提取特征的方法,所提方法在压缩信号的特征提取方面表现出明显的优势,进一步说明了SAE特征提取的有效性。     

基于同步语言SIGNAL的一种系统设计方法

简要介绍同步语言SIGNAL,并讨论了一种在POLYCHRONY平台下的嵌入式系统设计方法,同时以有限LIFO堆栈为例进行说明。方法主要是利用SIGNAL进行组件建模,它强调把形式化技术放到验证、分析以及代码生成中。     

基于深度学习的地空导弹发射区拟合算法

目前地空导弹发射区的拟合算法主要是多项式拟合法和BP神经网络拟合法。多项式拟合法存在函数形式难以确定、函数范围不易分段等问题,且拟合精度较低;传统神经网络方法要想达到较高精度,需要大量的隐层节点,且在隐层节点数增加到一定程度后,训练变得十分困难且精度很难继续提高。同时,传统神经网络需要大量的标签数据,进一步增大了实际应用的难度。为此,基于深度学习理论,设计了一种基于堆栈稀疏自编码器（SSAE）的深度拟合网络（DFN）,并给出了相应的训练策略。仿真实验表明其相比传统算法具有更小的拟合误差优势。所设计的深度稀疏自编码器网络可以克服多项式拟合和传统神经网络的不足,不仅可以在大量无标签数据和少量标签数据条件下进行学习训练,而且可以进一步提升地空导弹发射区的拟合精度。     

一种软件扩展8098堆栈的新方法

本文采用软件扩展了一个可对字节型、字型和双字型操作数进行压入和弹出操作的堆栈。用这种方式扩展的堆栈 ,只要稍加改动 ,就可适用于仅对字节型或双字型操作数进行操作的堆栈。1 工作原理堆栈是一个按照后进先出的原则 ,在内存中开辟的一端活动一端固定的专用存储区域。其具体定义见参考文献 [1 ]。堆栈的设置是通过给堆栈指针ＳＰ置一个初值实现的。其中ＳＰ位于 80 98内存的ＳＰＦ中 ,其地址为 1 8Ｈ和 1 9Ｈ。同样 ,本文定义一寄存器ＤＳＰ ,用它来完成ＳＰ所完成的功能 ,其地址为1ＡＨ和 1ＢＨ :ＤＳＰＥＱＵ　 1ＡＨ设置自定堆栈 ,可…     

基于GSP仿真和SDAE的航空发动机故障诊断

为了深入研究航空发动机故障机理,提出基于航空燃气涡轮发动机性能仿真软件(GSP)和堆栈降噪自编码器(SDAE)的航空发动机故障诊断方法。通过GSP性能仿真方法模拟发动机在不同设计参数下的部件故障,并得到对应的运行状态参数;从每种故障类型下的长时间序列的状态参数中提取出向量化的曲线特征,构成故障样本;将故障样本带入SDAE模型中进行深度特征提取,经过前向传播和反向微调得到训练好的模型用于发动机故障诊断。结果表明:GSP能够通过参数更改来模拟微弱故障下的状态参数,从而构建多故障样本集;SDAE的重构误差和反向传播误差能够快速收敛到较小值,SDAE的故障诊断正确率为99.5%;与深度信念网络(DBN)、人工神经网络(ANN)以及经典机器学习方法支持向量机(SVM)相比,SDAE的故障分类正确率分别提高了0.8%、6.9%和10.1%。