题名 基于FPGA的多媒体传感器网络网关的设计与实现
被引量：10
1
作者
孙岩 唐绍炬 罗红
机构
北京邮电大学计算机学院智能通信软件与多媒体北京重点实验室
出处
《电子学报》
EI
CAS
CSCD
北大核心
2012年第4期625-631,共7页
基金
国家自然科学基金(No.61070206 No.61070205) +3 种基金 国家自然科学基金重点项目(No.60833009) 国家973重点基础研究发展计划(No.2011CB302700) 教育部新世纪人才计划(No.NCET-08-0737) 北京教育部专项支持
文摘
本文针对多媒体传感器网络的典型应用智能家居系统,抽象出系统模型.为使网内多媒体数据方便快捷地提供给用户,设计了支持连接外部多种异构网络的网关.网关在接入PSTN网络的设计中,我们采用HDLC(高级数据链路控制)协议以确保数据信息的可靠互通,并基于FPGA技术设计和实现了HDLC控制协议.进而,为了提高HDLC芯片的处理效率,接收缓存设计为一个多Block FIFO模式,支持多个Block的并行读写.本文设计的多Block接收缓存,包括独立BRAM和共享BRAM两种方式,旨在适应多种需求,并有效减少对CPU的中断.最后,我们通过Model-sim对基于FPGA的HDLC芯片进行仿真,验证读写控制、收发、时隙、中断等功能,并且在实际测试板上运行测试通过.
关键词
多媒体传感器网络 智能家居 网关 HDLC FPGA
Keywords
multimedia sensor networks smart home gateway high data link control（HDLC） field programmable gate array（FPGA）
分类号
TP393.02
[自动化与计算机技术—计算机应用技术]
题名 多媒体传感器网络中服务感知的传输控制协议
被引量：1
2
作者
孙岩 马华东 刘亮
机构
北京邮电大学计算机学院智能通信软件与多媒体北京重点实验室
出处
《系统仿真学报》
CAS
CSCD
北大核心
2010年第9期2141-2148,共8页
基金
国家自然科学基金重点项目(60833009) 北京市自然科学基金(4092030) 教育部新世纪人才计划(NCET-08-0737)
文摘
多媒体传感器网络中同时存在端到端(end-to-end)的多媒体流和事件到汇聚点(event-to-sink)的事件流,这对多媒体传感器网络服务质量保证带来了新的挑战。针对多媒体传感器网络提出了一个基于二级反馈的QoS自适应保证方法,该方法以传输控制协议为核心,根据汇聚节点处数据包的接收率和网络拥塞状况将网络划分为10个运行状态,通过传输控制协议调整媒体流和事件流的发送率,完成网络向最优状态的迁移。一系列基于NS2的仿真试验证明了本方法的有效性。
关键词
多媒体传感器网络 QOS保证 传输协议 拥塞控制
Keywords
multimedia sensor networks QoS guarantee transport protocols congestion control
分类号
TP393
[自动化与计算机技术—计算机应用技术]
题名 基于字词混合和GRU的科技文本知识抽取方法
被引量：3
3
作者
欧阳苏宇 邵蓥侠 杜军平 李昂
机构
北京邮电大学 计算机 学院
出处
《广西科学》
CAS
北大核心
2022年第4期634-641,共8页
基金
国家重点研发计划项目(2018YFB1402600) 国家自然科学基金项目(61772083,61877006,61802028,62002027)资助。
文摘
知识抽取任务是从非结构化的文本数据抽取三元组关系(头实体-关系-尾实体)。现有知识抽取方法分为流水式方法和联合抽取方法。流水式方法将命名实体识别和实体知识抽取分别用各自的模块抽取,这种方式虽然有较好的灵活性,但训练速度较慢。联合抽取的学习模型是一种通过神经网络实现的端到端的模型,同时实现实体识别和知识抽取,能够很好地保留实体和关系之间的关联,将实体和关系的联合抽取转化为一个序列标注问题。基于此,本文提出了一种基于字词混合和门控制单元(Gated Recurrent Unit, GRU)的科技文本知识抽取(MBGAB)方法,结合注意力机制提取中文科技资源文本的关系;采用字词混合的向量映射方式,既在最大程度上避免边界切分出错,又有效融入语义信息;采用端到端的联合抽取模型,利用双向GRU网络,结合自注意力机制来有效捕获句子中的长距离语义信息,并且通过引入偏置权重来提高模型抽取效果。
关键词
知识抽取 向量映射 GRU 三元组关系 联合抽取方法
Keywords
knowledge extraction vector map GRU triple relation joint extraction method
分类号
TP39
[自动化与计算机技术—计算机应用技术]
题名 GPS信息实时标注系统的实现
被引量：1
4
作者
颜志伟 杜军平
机构
北京邮电大学计算机学院智能通信软件与多媒体北京重点实验室
出处
《北京工商大学学报（自然科学版）》
CAS
2009年第5期35-38,共4页
基金
"863"计划"新一代高可信网络"重大项目(2008AA01A308) 北京市自然科学基金项目(4082021) 北京市教育委员会共建项目专项资助
文摘
多媒体旅游智能导航系统平台设计中需要第三方确定并显示GPS信息接收者的位置,基于这种要求提出一种将GPS、GPRS和GIS三种技术综合利用,实现GPS信息实时标注的方法.该方法通过GPS模块接收信息,GPRS网络作为传输渠道,MAPXTREME控件为图形平台.本文描述了系统的结构,并实现了其功能.
关键词
全球定位系统 地理信息系统 旅游 实时标注
Keywords
GPS GIS tourism real-time marking
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
题名 基于H.323座席终端的实现
5
作者
杨凯 林秀琴 马跃
机构
北京邮电大学计算机学院智能通信软件与多媒体北京重点实验室
出处
《北京工商大学学报（自然科学版）》
CAS
2009年第6期37-39,65,共4页
文摘
开发出能够适应新型呼叫中心的座席平台成为VOIP应用领域的一个新课题,基于这种考虑,提出了一种基于H.323协议栈之上,将语音通信逻辑和业务逻辑封装在一个通用的中间件的方法.描述了系统功能和系统结构,并最终实现了可以同时处理话务和应用业务的纯座席软件平台.
关键词
座席 呼叫中心 VOIP H.323协议栈
Keywords
agent call center voice over internet protocol H.323 protocol stack
分类号
TN915.1
[电子电信—通信与信息系统]
题名 基于时间卷积网络的科技需求主题热度预测算法
被引量：1
6
作者
崔海燕 李雅文 徐欣
机构
北京邮电大学 计算机 学院 北京邮电大学 经济与管理学院
出处
《广西科学》
CAS
北大核心
2022年第4期627-633,共7页
基金
国家重点研发计划项目(2018YFB1402600) 国家自然科学基金项目(61772083,61877006,61802028,62002027)资助。
文摘
得益于深度学习的快速发展,大数据分析技术不仅在自然语言处理领域应用广泛,在数值预测领域也更加成熟。为了提高科技需求数据主题热度预测的准确率,本文提出一种基于时间卷积网络(Time Convolution Network, TCN)的科技需求主题热度预测方法(Subject Heat of Science and Technology Demand Prediction Based on Time Convolution Network, SHDP-TCN),该方法融入科技需求的主题特征,并基于TCN及自注意力机制进行时序预测。实验结果表明,在真实的科技需求数据集上,本算法对科技需求主题热度的预测准确率优于自回归积分滑动平均(Auto Regressive Integrated Moving Average, ARIMA)、长短时记忆(Long Short-Term Memory, LSTM)网络、卷积神经网络(Convolutional Neural Networks, CNN)和TCN等算法。
关键词
科技需求数据 TCN网络 自注意力机制 科技需求主题热度预测 残差块
Keywords
science and technology demand data TCN network self-attention mechanism subject heat of science and technology demand prediction residual block
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于PROV模型的数据供应链
被引量：1
7
作者
颜海涛 兰洁薇
机构
中国移动通信 集团设计院规划所 北京邮电大学计算机学院智能通信软件与多媒体北京重点实验室
出处
《现代电信科技》
2015年第5期46-50,共5页
文摘
随着电信与计算机技术的迅猛发展,各个组织之间的信息交互日益频繁,进而在信息系统之间产生了大量的数据流通。然而,由于系统的复杂性和多样化,数据没有统一的流通标准,无法对其进行梳理,从而也难以分析挖掘数据中隐藏的价值。提出了一种基于PROV标准的数据链构建方案。通过PROV建立统一的数据模型,在此基础上构建数据供应链,并在应用场景中验证了方案的有效性。
关键词
PROV 数据供应链 分布式
Keywords
PROV, Data supply chain, Distributed
分类号
TP311.5
[自动化与计算机技术—计算机软件与理论]
