简介:在8051体系中,数据指针DPTR作为一个特殊的16位寄存器,用于寻址64KB的XDATA或CODE空间,通常它被当作一个16位指针,指向一个常数表。双数据指针可以改善同时有两个16位指针使用时的性能。作为一种增强特性,有许多8051派生型器件支持双数据指针。以宏晶科技STC89系列的产品为例,DPTR被增强为DPTR0和DPTR1两个,仍然使用原来的地址,用另外一个SFRAUXR1的0位DPS来切换。当DPS位为0时,所有对DPTR的操作使用DPTR0;当DPS位为1时,所有对DPTR的操作使用DPTR1。这样,通过一个简单的INCAUXR1指令,就可以来回切换两个数据指针。
简介:为了便于获取步态数据,采用μPD78F0547微控制器、LIS3LV02DQ微加速度计、nRF2401无线收发芯片等主要器件,设计了步态加速度信号无线采集装置。将该装置的一端固定于人体腰或腿等部位,按设定的采样率连续输出运动时的三维加速度数据;另一端接收数据并通过串行接口实时地传送到计算机中,从而实现大量步态数据的采集和存储。
简介:无人机在际应用中,呈现出采集数据量大、多传感器数据同步要求高、数据分斩日益重要等特点。本文提出的新体系数据记录系统,针对当前无人礼应用场景特点,能够实现多源数据的高速同步记录,且具备一定的数据分析能力,具有广阔的应用前景。该数据记录系统基于当前主流的VITA46串行数据架构标准,系统主要包括数据记录平台、数据转存平台、数据分析平台和数据管理平台,各平台之间及平台内部各模块之问,采用高速串行交换总线互连,有效解决了GB/s级别带宽的数据传输问题。此外,通过把各平台进行系统集成,单机设备即可实现高速数据采集、存储、实时显示、数据回放和应用分斩等多种功能,适用于农业、电力、勘鼻探和测绘等多场景应用下的无人机数据采集、记录与分斩.
简介:研究基于深度强化学习技术的避障场景的算法模型设计,采用改进岛深度Q网络(DeepQ-lesrningNet-work,DQN)算法克服了Q-learning表名式算法在连续状态下导致内存不足的局限性。鉴于学习过程中奖励稀疏导致很艰难获得较好结果的情况,改进奖利机制,增知实时奖惩作为补充,解决学习耗时长和练不稳定的问题:采用相对角度、位置金和距离等信息,相比绝对坐标信息可以更有效的躲障碍物。不同于基于栅格法/可视图法等传统人为策略避障算法,深度强化学习算法DQN能够在缺乏先验知识的条件下具备自主决策能力,因此适用性更强。该技术可应用在仓储无人车、巡佥机器人、无人机等现实场景。