为了在集中器、专变终端等嵌入式系统中更高效地完成校时任务,文章基于网络时间协议(Network Time Protocol,NTP)的基本工作原理,结合智能用电信息采集系统(Advanced Metering Infrastructure,AMI)的网络延时特点,给出了AMI的终端NTP基...为了在集中器、专变终端等嵌入式系统中更高效地完成校时任务,文章基于网络时间协议(Network Time Protocol,NTP)的基本工作原理,结合智能用电信息采集系统(Advanced Metering Infrastructure,AMI)的网络延时特点,给出了AMI的终端NTP基本校时算法。针对NTP时间同步算法在处理网络延时中的不足,提出了几种改进的校时策略,不仅提高了校时的准确性和稳定性,而且大幅度降低了工程计算量,从而可以更好的应用于嵌入式系统。首先使用最大似然估计法得出了多次NTP校时的时间偏差最优估计,然后分别介绍了去边缘值、均值滚动筛选和样本滤波方法来进一步改进校时策略。经实验验证,使用所提出的校时策略进行校时,校时误差最大仅为525ms,完全能把校时精度控制在1s以内,并有较好的校时准确性和稳定性,能充分适配嵌入式系统并满足了AMI终端的校时要求。展开更多
目前基于多尺度分解的图像融合算法存在以下问题:1)多尺度分解时,图像边缘被平滑;2)融合结果中红外显著区域的对比度降低;3)小尺度细节受到抑制,在融合图像中显示不清晰。为解决上述问题,本文提出了一种基于BMA(Bayesian model averagi...目前基于多尺度分解的图像融合算法存在以下问题:1)多尺度分解时,图像边缘被平滑;2)融合结果中红外显著区域的对比度降低;3)小尺度细节受到抑制,在融合图像中显示不清晰。为解决上述问题,本文提出了一种基于BMA(Bayesian model averaging)滤波器和边缘的图像融合算法。首先,利用BMA滤波器分别对红外与可见光图像进行多尺度分解;其次,分别利用显著性提取和边缘权值映射算法,计算各基层和细节层的融合权值矩阵;最后通过图像重构获得融合图像。实验证明,该融合算法优于传统的图像融合算法。展开更多
Regression testing is the process of validating modified software to provide confidence that the changed parts of the software behave as intended and that the unchanged parts have not been adversely affected by the mo...Regression testing is the process of validating modified software to provide confidence that the changed parts of the software behave as intended and that the unchanged parts have not been adversely affected by the modifications. The goal of regression testing is to reduce the test suit by testing the new characters and the modified parts of a program with the original test suit. Regression testing is a high cost testing method. This paper presents a regression testing selection technique that can reduce the test suit on the basis of Control Flow Graph (CFG). It import the inherit strategy of object-oriented language to ensure an edge’s control domain to reduce the test suit size effectively. We implement the idea by coding the edge. An algorithm is also presented at last.展开更多
针对Yoon经典自适应加权法在深度不连续处误匹配率较高、边缘细节不突出以及匹配窗口大小凭经验设计不通用等缺陷,提出了一种改进自适应加权的局部立体匹配算法。在经典自适应加权局部立体匹配算法的基础上用高斯分布权值替换了几何空...针对Yoon经典自适应加权法在深度不连续处误匹配率较高、边缘细节不突出以及匹配窗口大小凭经验设计不通用等缺陷,提出了一种改进自适应加权的局部立体匹配算法。在经典自适应加权局部立体匹配算法的基础上用高斯分布权值替换了几何空间权值,增加了边缘权值突出深度不连续处的边缘细节,采用赢家通吃原则(Winner Take All,WTA)获取单像素点视差,在目标视图中逐点求取视差,最终获得稠密视差图。实验结果表明,该算法相比于经典自适应加权法,在非遮挡区域错误匹配百分比上下降6%,在深度不连续处的误匹配率降低了5%,边缘细节毛刺明显减少。展开更多
文摘为了在集中器、专变终端等嵌入式系统中更高效地完成校时任务,文章基于网络时间协议(Network Time Protocol,NTP)的基本工作原理,结合智能用电信息采集系统(Advanced Metering Infrastructure,AMI)的网络延时特点,给出了AMI的终端NTP基本校时算法。针对NTP时间同步算法在处理网络延时中的不足,提出了几种改进的校时策略,不仅提高了校时的准确性和稳定性,而且大幅度降低了工程计算量,从而可以更好的应用于嵌入式系统。首先使用最大似然估计法得出了多次NTP校时的时间偏差最优估计,然后分别介绍了去边缘值、均值滚动筛选和样本滤波方法来进一步改进校时策略。经实验验证,使用所提出的校时策略进行校时,校时误差最大仅为525ms,完全能把校时精度控制在1s以内,并有较好的校时准确性和稳定性,能充分适配嵌入式系统并满足了AMI终端的校时要求。
文摘目前基于多尺度分解的图像融合算法存在以下问题:1)多尺度分解时,图像边缘被平滑;2)融合结果中红外显著区域的对比度降低;3)小尺度细节受到抑制,在融合图像中显示不清晰。为解决上述问题,本文提出了一种基于BMA(Bayesian model averaging)滤波器和边缘的图像融合算法。首先,利用BMA滤波器分别对红外与可见光图像进行多尺度分解;其次,分别利用显著性提取和边缘权值映射算法,计算各基层和细节层的融合权值矩阵;最后通过图像重构获得融合图像。实验证明,该融合算法优于传统的图像融合算法。
基金This work was supported by Shanghai Municipal Science and Technology commission No.04ZR14105and Shanghai UniversitiesTechnology Development Foundation No.2002DZ46
文摘Regression testing is the process of validating modified software to provide confidence that the changed parts of the software behave as intended and that the unchanged parts have not been adversely affected by the modifications. The goal of regression testing is to reduce the test suit by testing the new characters and the modified parts of a program with the original test suit. Regression testing is a high cost testing method. This paper presents a regression testing selection technique that can reduce the test suit on the basis of Control Flow Graph (CFG). It import the inherit strategy of object-oriented language to ensure an edge’s control domain to reduce the test suit size effectively. We implement the idea by coding the edge. An algorithm is also presented at last.
文摘针对Yoon经典自适应加权法在深度不连续处误匹配率较高、边缘细节不突出以及匹配窗口大小凭经验设计不通用等缺陷,提出了一种改进自适应加权的局部立体匹配算法。在经典自适应加权局部立体匹配算法的基础上用高斯分布权值替换了几何空间权值,增加了边缘权值突出深度不连续处的边缘细节,采用赢家通吃原则(Winner Take All,WTA)获取单像素点视差,在目标视图中逐点求取视差,最终获得稠密视差图。实验结果表明,该算法相比于经典自适应加权法,在非遮挡区域错误匹配百分比上下降6%,在深度不连续处的误匹配率降低了5%,边缘细节毛刺明显减少。
