中文av一区,亚洲欧美网站,欧美人成在线观看ccc36

基于背景字典構造的稀疏表示高光譜目標檢測[其他][其他]

針對現(xiàn)有基于稀疏表示的目標檢測算法采用同心雙窗口構建背景字典的過程中，目標像元將會對背景字典產(chǎn)生干擾的問題，提出基于背景字典構造的稀疏表示高光譜目標檢測算法。該算法將高光譜圖像分解成低秩背景和稀疏目標，引入目標字典作為稀疏目標的先驗信息，更好地分離目標和背景，構建純凈背景字典。通過在4個公開高光譜圖像數(shù)據(jù)集上仿真分析，證明所提出的算法具有出色的檢測性能。

發(fā)表于：1/7/2022

微流程的建模與分析[其他][其他]

業(yè)務流程管理技術是組織實施信息系統(tǒng)的重要使能技術。為確保微流程能正常運行，提出了一種建模與分析微流程的方法。首先，該方法以Petri網(wǎng)為形式化基礎，對微流程以及微流程間的同步組合和異步組合進行建模。其次，基于Petri網(wǎng)的分析技術，該方法對組合微流程進行了合理性分析。實驗結(jié)果表明，該方法能建模微流程，并檢測出組合微流程中因同步交互或異步交互錯誤引起的死鎖。

發(fā)表于：1/7/2022

IEEE 802.11e EDCA協(xié)議吞吐率性能分析模型[其他][其他]

對IEEE 802.11e增強的分布式控制接入?yún)f(xié)議進行了詳細分析，對比分布式協(xié)調(diào)功能DCF與增強的分布式控制接入EDCA之間的差別，提出了一種四維馬爾科夫鏈模型，該模型將飽和條件情況和非飽和條件情況進行統(tǒng)一。該模型不僅考慮了退避計時器凍結(jié)狀態(tài)、發(fā)送沖突狀態(tài)、最大重傳次數(shù)，還充分考慮了不同接入優(yōu)先級流的內(nèi)部沖突和TXOP傳輸。相比于二維馬爾科夫鏈模型，該模型可以準確預測EDCA中不同優(yōu)先級接入流的吞吐率。最后利用仿真軟件，驗證了飽和條件下該模型的正確性。

發(fā)表于：1/7/2022

跨社交網(wǎng)絡的同一用戶識別算法[其他][其他]

針對跨社交網(wǎng)絡的同一用戶識別問題，提出了一種綜合用戶興趣、寫作風格和檔案屬性的識別方法。通過在這3種不同的特征維度下分別判定用戶關系，然后綜合判定結(jié)果，提高同一用戶識別準確性。其中，用戶興趣分為靜態(tài)興趣和動態(tài)興趣，靜態(tài)興趣采用TextRank算法從用戶背景信息中提取，動態(tài)興趣則利用主題模型從用戶發(fā)表的文本內(nèi)容中挖掘出隨時間變化的興趣點。對于用戶寫作風格則通過One-Class SVM算法進行識別，最后利用信息熵賦權法比較用戶檔案屬性相似度。實驗結(jié)果表明，與傳統(tǒng)機器學習算法相比，所提算法精確率、召回率均有所提升。

發(fā)表于：1/7/2022

基于LVDS傳輸可靠性優(yōu)化設計[其他][其他]

針對LVDS傳輸初始化建鏈過程中出現(xiàn)的首幀丟失和干擾導致的誤建鏈問題，對鏈路傳輸機理及穩(wěn)定性進行分析，并從硬件與軟件兩方面進行優(yōu)化。軟件上采取識別幀頭和發(fā)送訓練幀的方法，改善建鏈過程；硬件上選用性能更好的隔離芯片，優(yōu)化差分端阻抗，減小干擾對數(shù)據(jù)傳輸?shù)挠绊憽＝?jīng)多次試驗證明，優(yōu)化后的鏈路可實現(xiàn)480 Mb/s速率下的可靠傳輸，該優(yōu)化設計對提高LVDS鏈路傳輸穩(wěn)定性和減少誤碼方面具有很好的參考價值。

發(fā)表于：1/7/2022

純電動智能汽車制動防抱死系統(tǒng)控制邏輯研究[其他][汽車電子]

線控制動技術(Brake-by-Wire)是純電動智能汽車的關鍵技術之一。為了提高智能駕駛汽車制動的安全穩(wěn)定性，需要針對一款純電動智能汽車的制動防抱死系統(tǒng)控制邏輯進行研究。在該方案實施前，設置合理的邏輯門限值，通過Stateflow進行仿真實驗。基于Simulink搭建了8自由度的車輛動力學模型，對彎道制動工況進行仿真，通過控制車輛的橫擺力矩實現(xiàn)車輛的差動控制。通過仿真實驗，驗證了提出的制動防抱死系統(tǒng)控制邏輯的合理性，對后續(xù)的線控制動系統(tǒng)的研發(fā)具有指導意義。

發(fā)表于：1/7/2022

一種基于130 nm CMOS工藝的K波段上/下雙向混頻器[其他][其他]

基于130 nm RF CMOS工藝，提出了一種可實現(xiàn)上/下雙向變頻功能的K波段有源混頻器。當收發(fā)機工作于接收模式時，雙向混頻器執(zhí)行下變頻功能，將低噪放大器放大后的射頻信號轉(zhuǎn)換為中頻信號；當收發(fā)機工作于發(fā)射模式時，雙向混頻器則實現(xiàn)上變頻功能，將輸入的基帶信號轉(zhuǎn)換為射頻信號并輸出至功率放大器。后仿真結(jié)果表明，在0 dBm的本振驅(qū)動下，混頻器工作于上變頻模式時的轉(zhuǎn)換增益、噪聲系數(shù)、輸出1 dB壓縮點在23~25 GHz范圍內(nèi)分別為-1.1~-0.4 dB、12.9~3.3 dB、-8.2 dBm@24 GHz；工作于下變頻工作模式時的轉(zhuǎn)換增益、噪聲系數(shù)、輸入1 dB壓縮點在23~25 GHz范圍內(nèi)分別為2.4~3.4 dB、15.2~15.6 dB、-3.6 dBm@24 GHz。混頻器芯片面積為0.6 mm2；在1.5 V供電電壓下，消耗功率12 mW。

發(fā)表于：1/7/2022

適用于Sigma-Delta ADC的多抽取率數(shù)字濾波器設計[其他][其他]

采用標準0.18 μm工藝，設計了一種能改變抽取率并且適應不同信號帶寬的應用于Sigma-Delta模數(shù)轉(zhuǎn)換器的數(shù)字抽取濾波器。該濾波器采用多級抽取，由級聯(lián)積分梳狀濾波器、補償濾波器和半帶濾波器組成。實現(xiàn)的數(shù)字濾波器抽取率可以在64、128、256、512中變化，并且補償濾波器和半帶濾波器的帶寬可調(diào)整。濾波器版圖尺寸0.6 mm×0.6 mm。在1.98 V工作電壓下，最大總功耗約為2 mW，最高信噪比達到110.5 dB。當補償濾波器和半帶濾波器的通帶截止頻率根據(jù)帶寬選擇從最高降到最低時，可分別節(jié)省56%和39%的功耗；當濾波器功耗降至最小69.63 μW時，所能處理的帶寬為390.6 Hz，信噪比為107.8 dB。

發(fā)表于：1/7/2022

基于FPGA的SiP原型驗證平臺設計[模擬設計][其他]

隨著嵌入式系統(tǒng)小型化和模擬數(shù)字/數(shù)字模擬轉(zhuǎn)換器(ADC/DAC)性能需求的日益增長，如何在減小系統(tǒng)體積和功耗的前提下，提高ADC/DAC信號傳輸?shù)目煽啃裕黾庸δ芸膳渲眯院托盘柼幚砜芍貥嬓裕蔀橐淮箅y題。為此，設計了一款基于FPGA的系統(tǒng)級封裝(SiP)原型驗證平臺，該SiP基于ADC+SoC+DAC架構，片上系統(tǒng)(SoC)內(nèi)部以PowerPC470為處理器，集成了多種通用外設接口和可重構算法單元。

發(fā)表于：1/7/2022

HDLC數(shù)據(jù)幀并行搜幀解封裝模塊的設計與驗證[模擬設計][其他]

HDLC信號鏈路是國際標準化組織(ISO)制定的高級數(shù)據(jù)鏈路的控制規(guī)程(High Level Data Link Control，HDLC)。遵循HDLC標準數(shù)據(jù)鏈路層規(guī)范，采用硬件描述語言Verilog HDL實現(xiàn)了一種基于并行結(jié)構的HDLC搜幀解封裝電路，并采用System Verilog技術搭建驗證平臺，隨機生成HDLC數(shù)據(jù)幀來驗證設計正確性。使用Modelsim軟件仿真波形，在仿真過程中，對于凈荷區(qū)數(shù)據(jù)長度為10個字節(jié)的HDLC數(shù)據(jù)幀，解碼器電路工作完成需要16個時鐘周期，兼顧了處理速度和靈活性。使用QuartusII軟件綜合，在Altera CycloneV器件上，電路使用了8塊自適應邏輯模塊ALM，24個寄存器，35個引腳。

發(fā)表于：1/7/2022

基于YOLOv5的姿態(tài)交互球類陪練機器人[人工智能][其他]

針對當下球類陪練機器人人機交互能力不足的問題，提出一種基于樹莓派和YOLOv5目標檢測算法的新型人機交互模式，使機器人實現(xiàn)前進、后退、左移、右移、拋球、踢球6種不同的動作；通過對在3種不同環(huán)境(室內(nèi)、室外晴天、室外陰天)下搜集的人體姿態(tài)數(shù)據(jù)集進行標定、訓練后，得到6種姿態(tài)在3種環(huán)境中測試集上的識別準確率分別為：室內(nèi)96.33%、室外晴天95%、室外陰天94.3%。相比基于特征匹配和其他利用手勢等小目標檢測的算法，基于該算法的機器人具有更高的檢測速度和準確性，使機器人更加智能化。

發(fā)表于：1/7/2022

基于深度學習的智能垃圾分揀車系統(tǒng)[其他][其他]

針對生活垃圾的高效分類及搬運處理，設計了一款以邊緣嵌入式AI設備Jetson Nano為控制器的光電智能小車系統(tǒng)，該系統(tǒng)設計以YOLOv5為目標檢測算法，以Pytorch1.8.1為深度學習框架。使智能小車從指定區(qū)域出發(fā)，通過自身的光電傳感器在指定范圍內(nèi)搜尋垃圾，利用六軸機械臂對垃圾進行分揀并送到指定分類地點。對采集到的5 048張圖片(包括5種垃圾類別)進行300次的迭代訓練，實驗測試結(jié)果表明：平均精確度達到91.8%，準確率達到94.5%，召回率達到89.03%。

發(fā)表于：1/7/2022

基于VGG16網(wǎng)絡的人臉情緒識別[通信與網(wǎng)絡][通信網(wǎng)絡]

近年來，如何通過人工智能對人的面部表情進行識別分析成為一個研究熱點，利用人工智能可以快速地分析人的面部情緒，并以此為基礎進行進一步研究。在深度學習中，傳統(tǒng)的卷積神經(jīng)網(wǎng)絡存在對面部表情特征的提取不充分以及計算機參數(shù)量較大的問題，導致分類準確率較低。因此，提出了基于VGG16網(wǎng)絡的人臉表情識別算法，通過與InceptionV3、InceptionResNetV2、ResNet50等模型實驗對比，結(jié)果表明，VGG16神經(jīng)網(wǎng)絡在FER2013PLUS測試數(shù)據(jù)集上的識別準確率為79%，準確率比傳統(tǒng)的卷積神經(jīng)網(wǎng)絡高。

發(fā)表于：1/7/2022

區(qū)域多能源系統(tǒng)數(shù)字孿生應用平臺構建[通信與網(wǎng)絡][通信網(wǎng)絡]

針對缺乏支撐區(qū)域多能源系統(tǒng)數(shù)字孿生動態(tài)規(guī)劃、運行優(yōu)化等上層應用接入、管理和運行的高性能平臺的現(xiàn)狀，考慮到數(shù)字孿生應用對通信效率、數(shù)據(jù)安全的要求，借助CloudPSS云仿真平臺設計了包含基礎層、應用層、業(yè)務層的安全、靈活、可擴展的數(shù)字孿生應用平臺的軟硬件；并以貴州紅楓湖區(qū)域多能源系統(tǒng)為試點區(qū)域，介紹了包括建模仿真、數(shù)據(jù)通信和應用集成功能的區(qū)域多能源系統(tǒng)數(shù)字孿生應用平臺的構建過程。所構建的區(qū)域多能源系統(tǒng)數(shù)字孿生應用平臺作為數(shù)字孿生從概念到應用的理想實現(xiàn)工具，其架構設計方案與具體構建經(jīng)驗可為數(shù)字孿生技術的廣泛落地提供理論和實踐參考。

發(fā)表于：1/7/2022

基于CloudPSS-RT和RT-Lab聯(lián)合實時仿真平臺的在線阻抗分析裝置設計[其他][其他]

準確的寬頻帶阻抗測量是發(fā)現(xiàn)和解決未來雙高電力系統(tǒng)穩(wěn)定性問題的重要基礎，但直接向電力系統(tǒng)注入諧波進行測量可能會帶來失穩(wěn)的風險，而基于半實物仿真技術可以以較低的成本與風險實現(xiàn)較為準確的寬頻帶阻抗測量。實時仿真器的計算性能和仿真規(guī)模取決于目標計算機的計算能力，仿真精度與規(guī)模顧此失彼，難以兼顧，并且隨著電力系統(tǒng)仿真規(guī)模要求的不斷提高，單一的實時仿真系統(tǒng)越來越難以滿足大規(guī)模仿真的要求。使用多個實時仿真器協(xié)同進行聯(lián)合仿真，是提高仿真規(guī)模的有效途徑。首先構建了基于CloudPSS-RT和RT-Lab聯(lián)合實時仿真平臺的在線阻抗分析裝置，并通過構建光伏與雙饋風力發(fā)電系統(tǒng)，驗證了在線阻抗分析裝置的準確性和有效性。

發(fā)表于：1/7/2022