美腿丝袜亚洲一区,在线观看黄色小视频,日韩精品2区

基于多域特征的雷達(dá)有源干擾信號(hào)智能識(shí)別[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

現(xiàn)代雷達(dá)系統(tǒng)面臨的干擾信號(hào)呈現(xiàn)出多樣化、動(dòng)態(tài)化的特點(diǎn)，傳統(tǒng)干擾信號(hào)識(shí)別方法在復(fù)雜場(chǎng)景下性能?chē)?yán)重受限。據(jù)此，提出一種基于多域特征的雷達(dá)有源干擾信號(hào)智能識(shí)別方法。首先，設(shè)計(jì)出雷達(dá)有源干擾在時(shí)域、頻域、變換域的多維特征，作為信號(hào)差異性表征的基礎(chǔ)；然后，利用主成分分析方法在降維上的優(yōu)勢(shì)，提取出最具代表性和區(qū)分度的特征子集；最后，結(jié)合隨機(jī)森林模型，自動(dòng)挖掘數(shù)據(jù)特征，實(shí)現(xiàn)有源干擾的分類(lèi)識(shí)別。仿真結(jié)果表明，所提方法具有較高的識(shí)別準(zhǔn)確率和較低的計(jì)算復(fù)雜度，適應(yīng)于實(shí)際復(fù)雜場(chǎng)景下的雷達(dá)有源干擾識(shí)別。

發(fā)表于：11/14/2025

基于自注意力1dCNN的雷達(dá)目標(biāo)識(shí)別方法及教研系統(tǒng)設(shè)計(jì)[人工智能][通信網(wǎng)絡(luò)]

雷達(dá)目標(biāo)識(shí)別是實(shí)現(xiàn)對(duì)環(huán)境態(tài)勢(shì)感知的重要技術(shù)手段，隨著人工智能的快速發(fā)展，深度學(xué)習(xí)已成為雷達(dá)目標(biāo)感知領(lǐng)域的主流研究方法。首先介紹了基于編碼-解碼網(wǎng)絡(luò)的信號(hào)增強(qiáng)方法，該方法結(jié)合雷達(dá)目標(biāo)物理模型可實(shí)現(xiàn)對(duì)含噪信號(hào)的準(zhǔn)確特征保持和信號(hào)恢復(fù)。進(jìn)一步，提出了一種基于自注意力一維CNN（Self-attention 1dCNN， S-1dCNN）的雷達(dá)目標(biāo)識(shí)別方法，該方法利用一維卷積神經(jīng)網(wǎng)絡(luò)對(duì)雷達(dá)目標(biāo)回波信號(hào)進(jìn)行特征學(xué)習(xí)，有效挖掘距離維的目標(biāo)支撐區(qū)結(jié)構(gòu)信息，所提方法結(jié)合自注意力機(jī)制，關(guān)注與目標(biāo)結(jié)構(gòu)信息相關(guān)的特征，提升所學(xué)特征的表征能力，進(jìn)而提升模型的目標(biāo)識(shí)別性能。基于五類(lèi)實(shí)測(cè)民航飛機(jī)目標(biāo)回波數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明，信號(hào)增強(qiáng)模型可以準(zhǔn)確地去除噪聲且保持目標(biāo)結(jié)構(gòu)特性，將信號(hào)增強(qiáng)后的信號(hào)輸入所提S-1dCNN模型中，具有較高的識(shí)別準(zhǔn)確率。同時(shí)，基于MATLAB工具設(shè)計(jì)了基于雷達(dá)目標(biāo)識(shí)別可視化界面的教研系統(tǒng)，包括數(shù)據(jù)預(yù)處理和識(shí)別算法等模塊，實(shí)現(xiàn)多功能操作交互。該軟件將抽象算法轉(zhuǎn)為可視化流程，可以提升雷達(dá)目標(biāo)識(shí)別課程教學(xué)的效果。

發(fā)表于：11/14/2025

航向信標(biāo)輻射場(chǎng)中障礙物影響分析與布局優(yōu)化[模擬設(shè)計(jì)][航空航天]

隨著機(jī)場(chǎng)擴(kuò)建工程的持續(xù)推進(jìn)，機(jī)場(chǎng)周邊障礙物對(duì)儀表著陸系統(tǒng)（ILS）電磁環(huán)境的干擾問(wèn)題日益凸顯。其中，障礙物引起的反射和繞射信號(hào)對(duì)航向信標(biāo)（LOC）輻射場(chǎng)的干擾尤為顯著，嚴(yán)重影響了航向信標(biāo)系統(tǒng)的導(dǎo)航穩(wěn)定性和精度。針對(duì)這一問(wèn)題，基于射線(xiàn)追蹤算法，系統(tǒng)分析了障礙物引起的反射信號(hào)和繞射信號(hào)對(duì)LOC輻射場(chǎng)的影響機(jī)理。通過(guò)建立雙頻12單元LOC陣列模型，并結(jié)合機(jī)場(chǎng)跑道周邊存在障礙物的典型場(chǎng)景，構(gòu)建了信號(hào)傳播模型，重點(diǎn)研究了反射信號(hào)與繞射信號(hào)對(duì)調(diào)制度差（DDM）的干擾特性。研究結(jié)果表明，在特定位置必須建設(shè)專(zhuān)用障礙物的工程場(chǎng)景下，通過(guò)優(yōu)化障礙物反射面與跑道之間的空間幾何關(guān)系，可有效抑制對(duì)LOC輻射場(chǎng)產(chǎn)生顯著干擾的信號(hào)分量。該研究成果為解決實(shí)際工程中特定區(qū)域LOC輻射場(chǎng)的多徑干擾問(wèn)題提供了新的技術(shù)途徑。

發(fā)表于：11/14/2025

一種Ku頻段高性能低成本低噪聲放大器[微波|射頻][通信網(wǎng)絡(luò)]

設(shè)計(jì)了一種低成本Ku頻段兩級(jí)低噪聲放大器，基于GaAs未匹配塑封管芯，采用表貼組裝工藝，在單層雙面高頻印制板上實(shí)現(xiàn)了高性能低噪聲放大功能。放大器在設(shè)計(jì)中采用了全局優(yōu)化方法，包括波導(dǎo)探針過(guò)渡結(jié)構(gòu)、最佳噪聲和共軛匹配網(wǎng)絡(luò)、偏置電路以及穩(wěn)定性改善單元等多個(gè)設(shè)計(jì)維度相互之間的迭代優(yōu)化。通過(guò)加工測(cè)試，該放大器工作頻率覆蓋10.7 GHz~12.7 GHz，帶內(nèi)噪聲系數(shù)優(yōu)于0.82 dB（含波導(dǎo)過(guò)渡），帶內(nèi)小信號(hào)增益大于17 dB，帶內(nèi)增益平坦度優(yōu)于+/-0.45 dB，輸入輸出端口駐波比優(yōu)于1.7。全套電路尺寸為24 mm×17 mm，生產(chǎn)成本低于60元，適用于Ku頻段衛(wèi)星通信地面設(shè)備的射頻前端中。

發(fā)表于：11/14/2025

12~30 GHz高精度低附加相移數(shù)控衰減器設(shè)計(jì)[微波|射頻][通信網(wǎng)絡(luò)]

為了滿(mǎn)足寬帶微波無(wú)線(xiàn)通信系統(tǒng)高精度的設(shè)計(jì)要求，采用砷化鎵（GaAs）0.15 μm PHEMT工藝設(shè)計(jì)了一款12~30 GHz高精度低附加相移的五位數(shù)控衰減器。該衰減器通過(guò)級(jí)聯(lián)五個(gè)不同衰減位，可實(shí)現(xiàn)最小步進(jìn)為0.5 dB的0~15.5 dB衰減范圍，其中0.5 dB衰減位采用簡(jiǎn)化T型衰減結(jié)構(gòu)，1 dB、2 dB、4 dB和8 dB衰減位采用Lange耦合器式反射型結(jié)構(gòu)。在反射型衰減拓?fù)浣Y(jié)構(gòu)中提出并采用了層疊開(kāi)關(guān)晶體管技術(shù)和電容補(bǔ)償技術(shù)，有效降低了超寬頻帶內(nèi)的附加相移，提高了衰減精度。電磁仿真顯示，在12~30 GHz頻帶范圍內(nèi)，參考態(tài)插入損耗≤3.8 dB，衰減器的32態(tài)衰減均方根誤差（Root Mean Square， RMS）小于0.5 dB，典型值僅為0.3 dB，衰減器的32態(tài)附加相移不超過(guò)±3°，32態(tài)端口輸入回波損耗與輸出回波損耗均大于12 dB。電路尺寸僅為2.95 mm×1.2 mm。

發(fā)表于：11/14/2025

基于ESP32嵌入式Web服務(wù)器的手機(jī)化儀表設(shè)計(jì)[嵌入式技術(shù)][物聯(lián)網(wǎng)]

隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展，單片機(jī)性能升級(jí)且功能變得豐富，利用單片機(jī)創(chuàng)建Web服務(wù)器，使用瀏覽器作為客戶(hù)端進(jìn)行訪(fǎng)問(wèn)變得可行。借鑒其思路，提出一種嵌入式Web服務(wù)器＋瀏覽器架構(gòu)的無(wú)軟件化手機(jī)儀表設(shè)計(jì)方法。先用JavaScript語(yǔ)言將常用的手機(jī)儀表元素設(shè)計(jì)為一個(gè)能嵌入到單片機(jī)存儲(chǔ)系統(tǒng)中的50 KB大小的庫(kù)，然后在其基礎(chǔ)上形成C風(fēng)格手機(jī)儀表HTML網(wǎng)頁(yè)生成函數(shù)，最后再通過(guò)單片機(jī)Web服務(wù)器將封裝后的C風(fēng)格手機(jī)儀表HTML網(wǎng)頁(yè)生成函數(shù)轉(zhuǎn)換為手機(jī)瀏覽器支持的HTML網(wǎng)頁(yè)進(jìn)行顯示和用戶(hù)操作。該設(shè)計(jì)實(shí)現(xiàn)將儀表軟件安裝在下位機(jī)，客戶(hù)端零安裝、零配置訪(fǎng)問(wèn)儀表界面。

發(fā)表于：11/14/2025

基于聚類(lèi)的HTTP/HTTPS協(xié)議資產(chǎn)發(fā)現(xiàn)[通信與網(wǎng)絡(luò)][其他]

網(wǎng)絡(luò)探測(cè)掃描是發(fā)現(xiàn)網(wǎng)絡(luò)資產(chǎn)的重要方法，在探測(cè)結(jié)果中HTTP/HTTPS協(xié)議占比較高，是重要的互聯(lián)網(wǎng)資產(chǎn)識(shí)別來(lái)源。隨著網(wǎng)絡(luò)環(huán)境的日益復(fù)雜，應(yīng)用HTTP/HTTPS協(xié)議的資產(chǎn)種類(lèi)和數(shù)量也在急劇增加，這使得傳統(tǒng)基于指紋規(guī)則的網(wǎng)絡(luò)資產(chǎn)識(shí)別方法面臨著識(shí)別效率低、適應(yīng)性差等問(wèn)題，無(wú)法滿(mǎn)足HTTP/HTTPS協(xié)議識(shí)別的需要。因此，提出了一種新型HTTP/HTTPS協(xié)議資產(chǎn)發(fā)現(xiàn)方法，通過(guò)自動(dòng)化規(guī)則生成器對(duì)HTTP/HTTPS協(xié)議響應(yīng)數(shù)據(jù)進(jìn)行處理，并基于詞頻統(tǒng)計(jì)和相似度信息對(duì)原始數(shù)據(jù)進(jìn)行預(yù)過(guò)濾，利用文本編碼模型實(shí)現(xiàn)對(duì)HTTP/HTTPS協(xié)議響應(yīng)體信息的文本編碼和特征融合，結(jié)合無(wú)監(jiān)督聚類(lèi)算法實(shí)現(xiàn)對(duì)HTTP/HTTPS協(xié)議資產(chǎn)的發(fā)現(xiàn)。實(shí)驗(yàn)結(jié)果表明，所提出的方法能夠顯著提高HTTP/HTTPS協(xié)議資產(chǎn)發(fā)現(xiàn)效率，提升資產(chǎn)標(biāo)注速度，并可在無(wú)先驗(yàn)知識(shí)下發(fā)現(xiàn)未知資產(chǎn)。

發(fā)表于：11/14/2025

基于邊緣算力和改進(jìn)YOLOv10算法的智能垃圾分類(lèi)系統(tǒng)[人工智能][其他]

為充分發(fā)揮邊緣算力，實(shí)現(xiàn)實(shí)時(shí)、高效的垃圾識(shí)別與檢測(cè)，提出了一種輕量化垃圾檢測(cè)模型。模型使用ShuffleNetv2作為特征提取網(wǎng)絡(luò)，通過(guò)通道重排和深度可分離卷積減少計(jì)算復(fù)雜度，同時(shí)保留重要信息。并采用Ghost網(wǎng)絡(luò)改進(jìn)C3模塊，以降低計(jì)算負(fù)擔(dān)提高融合效率。為進(jìn)一步減小模型參數(shù)量，通過(guò)減少模型深度優(yōu)化計(jì)算效率。設(shè)計(jì)了基于累積投票的垃圾分類(lèi)機(jī)制，當(dāng)垃圾類(lèi)型識(shí)別次數(shù)達(dá)到設(shè)定閾值時(shí)進(jìn)行分類(lèi)，并通過(guò)串口傳輸結(jié)果與控制系統(tǒng)聯(lián)動(dòng)。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的模型減少內(nèi)存占用71.4%，精度損失僅為0.16%，推理速度加快，能耗顯著降低，確保分類(lèi)結(jié)果高效傳輸。

發(fā)表于：11/14/2025

面向空間應(yīng)用的UBP-LKH樹(shù)組播密鑰管理方案研究[通信與網(wǎng)絡(luò)][信息安全]

隨著空間信息技術(shù)的快速發(fā)展，組播通信需求逐步向衛(wèi)星網(wǎng)絡(luò)延伸，然而傳統(tǒng)基于地面設(shè)備的組播密鑰管理方案在星載環(huán)境中面臨性能瓶頸與安全隱患。針對(duì)衛(wèi)星節(jié)點(diǎn)計(jì)算資源受限的特性，提出基于邏輯密鑰（Logical Key Hierarchy，LKH）樹(shù)結(jié)構(gòu)調(diào)整的無(wú)索引的B+LKH（Unsearchable Balance Plus Logical Key Hierarchy，UBP-LKH）樹(shù)方案：通過(guò)設(shè)計(jì)雙閾值觸發(fā)機(jī)制，利用組播密鑰管理系統(tǒng)（Multicast Key Management System， MKMS）的計(jì)算資源空閑時(shí)段實(shí)施下限重構(gòu)（樹(shù)壓縮）與上限重構(gòu)（樹(shù)擴(kuò)展），動(dòng)態(tài)優(yōu)化密鑰樹(shù)層級(jí)結(jié)構(gòu)以降低加密次數(shù)。實(shí)驗(yàn)表明，在中小型組播規(guī)模（5~127個(gè)節(jié)點(diǎn)）下，該方案較經(jīng)典LKH樹(shù)有最多20%的加密效率提升，且優(yōu)化幅度隨樹(shù)高與成員個(gè)數(shù)呈負(fù)相關(guān)。該研究為星載環(huán)境提供了可擴(kuò)展的組播密鑰管理模式，兼具資源適配性與實(shí)際應(yīng)用價(jià)值。

發(fā)表于：11/14/2025

基于DSP的實(shí)時(shí)姿態(tài)感知系統(tǒng)設(shè)計(jì)[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

提出一種基于TMS320F28375S數(shù)字信號(hào)處理器（DSP）的高精度實(shí)時(shí)姿態(tài)測(cè)量系統(tǒng)，通過(guò)融合三軸磁通門(mén)傳感器與微機(jī)電系統(tǒng)（MEMS）加速度計(jì)的六軸慣性數(shù)據(jù)，結(jié)合自適應(yīng)卡爾曼濾波算法，實(shí)現(xiàn)俯仰角±0.1 °、航向角±0.5°的高精度測(cè)量。系統(tǒng)采用Δ-Σ型模數(shù)轉(zhuǎn)換器（ADS131M04）實(shí)現(xiàn)128 kSPS同步采樣率，并利用DSP內(nèi)置的三角函數(shù)加速單元（TMU）將姿態(tài)解算周期壓縮至0.8 ms。實(shí)驗(yàn)結(jié)果表明，在模擬動(dòng)態(tài)干擾環(huán)境下，系統(tǒng)姿態(tài)更新率達(dá)1kHz，功耗低于1.5 W，顯著優(yōu)于傳統(tǒng)方案，滿(mǎn)足無(wú)人機(jī)、自動(dòng)導(dǎo)引車(chē)（AGV）等移動(dòng)平臺(tái)的實(shí)時(shí)控制需求。

發(fā)表于：11/13/2025

基于三階角度觀測(cè)器的旋變軟解碼系統(tǒng)設(shè)計(jì)[模擬設(shè)計(jì)][汽車(chē)電子]

新能源汽車(chē)電驅(qū)系統(tǒng)通常使用旋轉(zhuǎn)變壓器獲取電機(jī)轉(zhuǎn)子位置，但其電路復(fù)雜且芯片昂貴，成本昂貴。傳統(tǒng)二階鎖相環(huán)在對(duì)轉(zhuǎn)子加速跟蹤時(shí)存在穩(wěn)態(tài)誤差，實(shí)際工況中常有輸入的正余弦一相丟失導(dǎo)致軟解碼發(fā)生旋變故障。對(duì)此提出一種基于三階角度觀測(cè)器的角度觀測(cè)器來(lái)提高位置解碼精度，同時(shí)采用鎖相環(huán)算法跟蹤解碼故障時(shí)的剩余信號(hào)，恢復(fù)丟失信號(hào)完成故障后的解碼。最后通過(guò)MATLAB仿真證明了算法的可行性和有效性。采用英飛凌TC387的DSADC模塊進(jìn)行實(shí)際實(shí)驗(yàn)驗(yàn)證解碼效果，結(jié)果表明該系統(tǒng)對(duì)加速度達(dá)到穩(wěn)定跟蹤，同時(shí)在某相信號(hào)缺失后可保持良好的解碼效果。

發(fā)表于：11/13/2025

一種基于片上變壓器隔離的高CMTI編解碼電路[模擬設(shè)計(jì)][汽車(chē)電子]

隨著第三代寬禁帶半導(dǎo)體材料的發(fā)展，GaN和SiC等新型功率開(kāi)關(guān)管得到了廣泛的應(yīng)用，新型功率管較快的開(kāi)關(guān)速度使得驅(qū)動(dòng)器開(kāi)關(guān)的瞬態(tài)電壓dV/dt最高至200 V/ns，造成功率管的誤開(kāi)啟。為提高隔離驅(qū)動(dòng)的共模瞬變抗擾度（Common Mode Transient Immunity，CMTI），設(shè)計(jì)了一種結(jié)構(gòu)簡(jiǎn)單的高CMTI的編解碼電路，采用OOK（On-Off Krying）調(diào)制結(jié)構(gòu)，編碼電路采用負(fù)跨導(dǎo)振蕩器結(jié)構(gòu)將信號(hào)的高電位編碼為差分振蕩信號(hào)，解碼電路采用共模點(diǎn)提升電路將差分信號(hào)的共模點(diǎn)穩(wěn)定在VDD/2，僅通過(guò)比較器就可將輸入信號(hào)還原。仿真結(jié)果表明，該編解碼電路輸入信號(hào)的速度可達(dá)143 Mb/s，差分振蕩信號(hào)頻率為644 MHz，典型傳輸延時(shí)為1.2 ns，應(yīng)用在某款隔離驅(qū)動(dòng)芯片中，經(jīng)過(guò)實(shí)測(cè)CMTI最高可達(dá)400 V/ns。

發(fā)表于：11/13/2025

一種應(yīng)用于GNSS射頻接收機(jī)的高增益、低噪聲LNA+Mixer[微波|射頻][航空航天]

提出了一種基于標(biāo)準(zhǔn)0.18 μm 互補(bǔ)金屬氧化物半導(dǎo)體（Complementary Metal Oxide Semiconductor， CMOS）工藝的射頻前端集成電路設(shè)計(jì)方案，針對(duì)全球定位系統(tǒng)（Global Positioning System， GPS）L1和北斗B1雙模導(dǎo)航系統(tǒng)的應(yīng)用需求，提升了低噪聲放大器（Low-Noise Amplifier， LNA）與下變頻混頻器的關(guān)鍵性能指標(biāo)。在電路架構(gòu)方面，針對(duì)低噪聲放大器，創(chuàng)新性地采用感應(yīng)源退化技術(shù)，通過(guò)外部電容與柵源電容并聯(lián)有效降低了噪聲系數(shù)；而對(duì)于下變頻混頻器模塊，則選用了具有結(jié)構(gòu)優(yōu)勢(shì)的無(wú)源單平衡拓?fù)洌诒ＷC轉(zhuǎn)換增益的同時(shí)顯著改善了線(xiàn)性度指標(biāo)并降低了1/f噪聲干擾。測(cè)試結(jié)果顯示，該方案在1.8 V電壓下實(shí)現(xiàn)60 dB鏈路增益和2 dB噪聲系數(shù)，整體功耗僅22 mW。系統(tǒng)集成測(cè)試中，當(dāng)輸入功率為-100 dBm時(shí)，輸出中頻功率達(dá)3.15 dBm。

發(fā)表于：11/13/2025

基于Crossbar多端口緩存共享的交換架構(gòu)設(shè)計(jì)[模擬設(shè)計(jì)][通信網(wǎng)絡(luò)]

隨著網(wǎng)絡(luò)的不斷發(fā)展，數(shù)據(jù)帶寬不斷提升，對(duì)網(wǎng)絡(luò)設(shè)備中交換容量、轉(zhuǎn)發(fā)延遲、內(nèi)存利用率等關(guān)鍵指標(biāo)提出了更高的要求。采用基于Crossbar多端口緩存共享的交換架構(gòu)，實(shí)現(xiàn)報(bào)文的存儲(chǔ)、調(diào)度、排序和轉(zhuǎn)發(fā)。采用共享緩存架構(gòu)并使用描述符定義數(shù)據(jù)包，實(shí)現(xiàn)了多端口下多個(gè)隊(duì)列的共享隊(duì)列緩存，每端口支持 8 個(gè)優(yōu)先級(jí)隊(duì)列，實(shí)現(xiàn)有序的調(diào)度，減少多隊(duì)列的阻塞問(wèn)題。在多SRAM的緩存管理中采用分頁(yè)式鏈表的方法，實(shí)現(xiàn)了動(dòng)態(tài)共享緩存，提高數(shù)據(jù)存取效率、降低轉(zhuǎn)發(fā)延遲。基于Xilinx公司的XCZU3EG驗(yàn)證平臺(tái)上完成了FPGA原型驗(yàn)證，完成了多端口結(jié)構(gòu)的功能驗(yàn)證和性能測(cè)試，平均端口速率達(dá)6.08 Gb/s，實(shí)現(xiàn)交換延遲可控。

發(fā)表于：11/13/2025

融合多模態(tài)分組特征處理模塊的腦腫瘤分割方法[人工智能][醫(yī)療電子]

當(dāng)前腦部腫瘤分割模型大多在通道維度上簡(jiǎn)單拼接多模態(tài)MRI圖像，未充分利用其多模態(tài)信息。為此，基于3D UX-Net，提出融合多模態(tài)分組特征處理模塊的MGF-UX Net模型。該模型通過(guò)模態(tài)特征抽取與融合兩大模塊，實(shí)現(xiàn)多模態(tài)特征的有效利用。模態(tài)特征抽取模塊針對(duì)四種MRI模態(tài)特性，采用專(zhuān)門(mén)的特征提取網(wǎng)絡(luò)，以最大化保留有效信息；模態(tài)特征融合模塊基于先驗(yàn)知識(shí)，將四個(gè)模態(tài)劃分為兩組，并通過(guò)模態(tài)分組交叉注意力（MGCA）機(jī)制進(jìn)行深度融合。實(shí)驗(yàn)結(jié)果表明，在BraTS2021數(shù)據(jù)集上，MGF-UX Net的平均DSC和HD95分別達(dá)到91.01%和4.975 mm，在腦腫瘤分割任務(wù)中各項(xiàng)指標(biāo)優(yōu)于現(xiàn)有對(duì)比模型。

發(fā)表于：11/13/2025