为解决移动终端传输视频图像质量低、传输速度慢的问题,将移动互联网中的Android系统开发技术和H.264视频编码方法相结合,设计并实现了H.264视频监控。采用了将Android系统移植到ARM(AdvancedRisc Machines)平台的方法和ARM平台采集视...为解决移动终端传输视频图像质量低、传输速度慢的问题,将移动互联网中的Android系统开发技术和H.264视频编码方法相结合,设计并实现了H.264视频监控。采用了将Android系统移植到ARM(AdvancedRisc Machines)平台的方法和ARM平台采集视频数据的方法,分析了Android操作系统架构及其启动原理。该H.264视频编码采用基本档次的编码方法,平均峰值信噪比(PSNR:Peak Signal to Noise Ratio)达到38.210dB,编码帧速率达到136.66帧/s,与主要档次和高级档次的编码方法相比,具有更高的编码帧速率,实现了实时稳定的视频监控效果。展开更多
由于Android操作系统开放源码,在近几年被广泛用于各个领域,可以利用Android系统的开放性,开发该系统在有线电话方面的应用。将Android平台与拨号芯片MT8880结合起来研究。因为Android原生代码具有很大局限性,支持的设备太少,所以为了识...由于Android操作系统开放源码,在近几年被广泛用于各个领域,可以利用Android系统的开放性,开发该系统在有线电话方面的应用。将Android平台与拨号芯片MT8880结合起来研究。因为Android原生代码具有很大局限性,支持的设备太少,所以为了识别MT8880这个特定设备,并控制MT8880的逻辑输出,需要在Linux内核中添加驱动模块,并在HAL层和JNI层生成动态链接库,使得顶层应用程序可以控制拨号芯片MT8880。MT8880芯片主要用于发送双音多频信号(Dual Tone Multi Frequency),在加载了拨号驱动和应用程序后,可以实现Android系统的拨号功能。经测试,设计的拨号驱动能实现对新增设备的控制,电话应用能成功拨号。展开更多
针对当前移动终端使用中存在的安全隐患,研究了一种新的面向Android移动终端的入侵检测算法。首先是在Android平台上收集移动终端内核信息并进行预处理,通过引入快速核密度估计(fast kernel density estimation,Fast KDE)算法对收集到...针对当前移动终端使用中存在的安全隐患,研究了一种新的面向Android移动终端的入侵检测算法。首先是在Android平台上收集移动终端内核信息并进行预处理,通过引入快速核密度估计(fast kernel density estimation,Fast KDE)算法对收集到的大规模样本进行压缩,得到数量合理的训练样本,然后结合在线增量学习算法,利用支持向量机(SVM)算法对处理后的数据进行判别以识别出入侵。实验结果表明,该方法极大缩短了训练时间,检测性能逐步达到最佳,具有较好的可扩展性和自提升能力。展开更多
文摘为解决移动终端传输视频图像质量低、传输速度慢的问题,将移动互联网中的Android系统开发技术和H.264视频编码方法相结合,设计并实现了H.264视频监控。采用了将Android系统移植到ARM(AdvancedRisc Machines)平台的方法和ARM平台采集视频数据的方法,分析了Android操作系统架构及其启动原理。该H.264视频编码采用基本档次的编码方法,平均峰值信噪比(PSNR:Peak Signal to Noise Ratio)达到38.210dB,编码帧速率达到136.66帧/s,与主要档次和高级档次的编码方法相比,具有更高的编码帧速率,实现了实时稳定的视频监控效果。
文摘由于Android操作系统开放源码,在近几年被广泛用于各个领域,可以利用Android系统的开放性,开发该系统在有线电话方面的应用。将Android平台与拨号芯片MT8880结合起来研究。因为Android原生代码具有很大局限性,支持的设备太少,所以为了识别MT8880这个特定设备,并控制MT8880的逻辑输出,需要在Linux内核中添加驱动模块,并在HAL层和JNI层生成动态链接库,使得顶层应用程序可以控制拨号芯片MT8880。MT8880芯片主要用于发送双音多频信号(Dual Tone Multi Frequency),在加载了拨号驱动和应用程序后,可以实现Android系统的拨号功能。经测试,设计的拨号驱动能实现对新增设备的控制,电话应用能成功拨号。
文摘针对当前移动终端使用中存在的安全隐患,研究了一种新的面向Android移动终端的入侵检测算法。首先是在Android平台上收集移动终端内核信息并进行预处理,通过引入快速核密度估计(fast kernel density estimation,Fast KDE)算法对收集到的大规模样本进行压缩,得到数量合理的训练样本,然后结合在线增量学习算法,利用支持向量机(SVM)算法对处理后的数据进行判别以识别出入侵。实验结果表明,该方法极大缩短了训练时间,检测性能逐步达到最佳,具有较好的可扩展性和自提升能力。
