国产亚洲精彩久久,亚洲一二三在线,中文精品视频

基于機器視覺的監(jiān)控視頻移動目標輪廓提取算法[模擬設計][安防電子]

在監(jiān)控視頻中，移動目標易受到邊緣模糊和背景噪聲干擾等影響，使得目標輪廓提取結果不準確。為此，提出基于機器視覺的監(jiān)控視頻移動目標輪廓提取算法。采用機器視覺技術處理圖像，結合圖像背景模型建立像素高斯分布，并計算各個像素值與背景模型中高斯分布的匹配度，將匹配度低于閾值的像素視為前景像素，由此完成前景分割，結合鏈碼對前景目標邊緣進行編碼，標識與預設閾值最接近的閉合邊緣，以此作為目標輪廓粗定位結果，基于此，將目標區(qū)域的統(tǒng)計分布參數(shù)融合到灰度光流圖像中，得到灰度差分圖像，進而提取移動目標輪廓。實驗結果表明，在所提方法的應用下，目標輪廓毛刺數(shù)始終控制在50以下，輪廓提取精度較高。

發(fā)表于：7/24/2025 4:29:18 PM

基于廣義Jaccard系數(shù)的稀疏自適應匹配追蹤水聲信道估計方法[通信與網(wǎng)絡][通信網(wǎng)絡]

經(jīng)典稀疏自適應匹配追蹤（Sparsity Adaptive Matching Pursuit，SAMP）算法可以通過設置迭代步長，不斷逼近真實的稀疏度，以提高稀疏重構的精度。然而，該算法使用內積匹配準則，存在原子丟失的現(xiàn)象，同時由于無法精確估計信號中存在的真實稀疏度，導致重構的精度依然無法達到滿意的效果，信道估計結果不佳。提出了一種基于廣義Jaccard系數(shù)的稀疏自適應匹配追蹤水聲信道估計方法。該算法使用了廣義Jaccard系數(shù)匹配代替了內積匹配，然后利用DFT對信號進行稀疏度預估計，同時用可變步長代替固定步長，可以精確、快速地逼近真實稀疏度。實驗結果表明，該信道估計方法優(yōu)于SAMP和其他傳統(tǒng)方法，并且可以用于實際水聲信道估計。

發(fā)表于：7/24/2025 4:19:16 PM

基于等概率同步功耗補償?shù)腅CC抗側信道攻擊方案[通信與網(wǎng)絡][通信網(wǎng)絡]

針對資源受限的橢圓曲線密碼算法芯片抗側信道攻擊往往以犧牲芯片性能為代價的問題，提出一種基于等概率同步功耗補償?shù)臋E圓曲線密碼抗側信道攻擊方案。首先，根據(jù)密鑰猜測產(chǎn)生的中間數(shù)據(jù)的漢明距離特征生成概率分布差異函數(shù)；其次，根據(jù)生成的函數(shù)構建可同步補償功耗的等概率映射模型；最后，利用模擬退火算法求出該模型的最優(yōu)解。仿真驗證結果表明：與其他傳統(tǒng)基于隨機化方式的抗側信道攻擊方案相比，在防護能力相當?shù)臈l件下，所提方案的運算性能幾乎沒有損失，非常適用于資源受限的橢圓曲線密碼算法芯片。

發(fā)表于：7/24/2025 4:10:15 PM

一種基于PPO算法的低空基站優(yōu)化模型[通信與網(wǎng)絡][通信網(wǎng)絡]

通過優(yōu)化現(xiàn)有地面網(wǎng)絡基站來實現(xiàn)低空網(wǎng)絡服務具有成本低、建設快等優(yōu)點，面對低空基站優(yōu)化過程中存在的無線環(huán)境復雜、配置參數(shù)多樣、優(yōu)化目標互相影響等問題，提出了一種基于近端策略優(yōu)化算法的多維低空網(wǎng)絡基站優(yōu)化模型：通過射線追蹤技術計算不同類型、不同角度基站的低空覆蓋能力，并構建支持多目標優(yōu)化和多參數(shù)配置的低空網(wǎng)絡基站優(yōu)化模型，利用PPO算法得到基站配置策略。在仿真環(huán)境中進行訓練與結果驗證，證明該模型可有效生成基站優(yōu)化方案，且相較于基于A2C方法的模型具有更快的收斂速度和更好的基站優(yōu)化效果。

發(fā)表于：7/24/2025 3:58:12 PM

基于邊緣計算的智慧工地視頻分析系統(tǒng)設計[模擬設計][安防電子]

為精準識別工地工人未正確佩戴安全帽行為，并且實現(xiàn)系統(tǒng)快速響應問題，設計了一款采用邊緣側部署的智慧工地視頻分析系統(tǒng)。系統(tǒng)硬件方案使用兩顆AX650N芯片級聯(lián)的方式，顯著提高系統(tǒng)計算能力。軟件方案采用Ubuntu操作系統(tǒng)，基于主流目標檢測算法YOLOv8n，通過使用共享卷積層的空洞卷積替換SPPF模塊中的池化層提升檢測速度和精度；引入動態(tài)非單調調頻的WIoU損失函數(shù)來提升對低質量樣本的檢測能力。實驗結果表明，優(yōu)化后的算法模型平均檢測精度提高了1.8%，模型權重所占空間減少17.4%，模型檢測速度提高了7.3%。在多個實地場景下進行系統(tǒng)測試，視頻目標行為智能分析結果成功率都達到97%以上，且平均響應時間在1 s以內，此系統(tǒng)可以顯著提高工地的管理效率與安全性。

發(fā)表于：7/24/2025 3:46:12 PM

基于雙射頻芯片級聯(lián)的雷視一體系統(tǒng)設計實現(xiàn)[微波|射頻][智能交通]

在智能交通系統(tǒng)（Intelligent Transports System，ITS）領域，相較于單雷達和卡口相機的組合，雷視一體機有著成本低和數(shù)據(jù)融合的優(yōu)點。基于射頻芯片級聯(lián)技術，對毫米波雷達性能進行提升，并采用專業(yè)級的安防芯片，通過多傳感器融合，設計了一款具有遠距離探測功能的雷視一體機系統(tǒng)。算法方面采用多傳感器融合算法，通過更換主干特征提取網(wǎng)絡和損失函數(shù)對目標檢測算法YOLOv8n進行改進，改進后參數(shù)量減少24%，模型大小減小22%。通過交通實地場景測試，驗證了雷視一體機系統(tǒng)的可靠性，最終實現(xiàn)交通路口場景的全方位監(jiān)測，且最遠探測距離可以達到350 m，探測精度可達97%以上，符合遠距交通雷視一體機的設計要求。

發(fā)表于：7/24/2025 3:33:00 PM

一種伺服功率驅動電路的設計與實現(xiàn)[模擬設計][工業(yè)自動化]

針對現(xiàn)有電動伺服系統(tǒng)驅動電路效率低、電路復雜、強弱電不隔離等問題，介紹了一種輸出電流達36 A的直流有刷電機功率驅動電路，該電路具有效率高、熱功耗小、與微控制電路光電隔離、單電源供電等優(yōu)點。將該電路分解為四個組成部分，對各部分詳細說明，并從整個電路內部工作原理及仿真實驗情況作具體分析。

發(fā)表于：7/24/2025 3:21:10 PM

電容網(wǎng)絡對射頻SOI開關功率承受能力影響研究[微波|射頻][工業(yè)自動化]

通過比較分析研究電容網(wǎng)絡對射頻SOI開關功率承受能力的影響，主要包括射頻開關晶體管源極與漏極之間的橫向耦合電容Cdsn和射頻開關源極與漏極節(jié)點到GND的縱向耦合電容Cgndn。研究內容包括射頻開關堆疊結構Cdsn/Cgndn逐步變化，前兩級Cdsn/Cgndn電容值大小，前N級Cdsn/Cgndn電容網(wǎng)絡對射頻開關插入損耗、隔離度和功率承受能力的影響，研究結果為射頻開關電路設計提供參考。

發(fā)表于：7/24/2025 3:09:00 PM

LVDS鏈路誤碼測試與動態(tài)優(yōu)化方法研究[模擬設計][航空航天]

隨著航天器技術的快速發(fā)展，飛機吊艙工作環(huán)境日益復雜，對圖像傳輸鏈路的可靠性提出了更高要求。為解決圖像傳輸鏈路中的誤碼問題，提出了一種基于FPGA的LVDS隔離誤碼測試系統(tǒng)。該系統(tǒng)創(chuàng)新性地設計了新型遞增碼編碼方式（通過逐位遞增的碼型設計增強誤碼檢測的敏感性）和動態(tài)訓練機制（基于誤碼率反饋的自適應訓練策略優(yōu)化信號均衡參數(shù)），并實現(xiàn)了相應的硬件和軟件系統(tǒng)。實驗結果表明，該系統(tǒng)在多種典型惡劣工況下均表現(xiàn)出優(yōu)異的誤碼檢測性能。通過提取測試數(shù)據(jù)中的誤碼時間序列特征，結合動態(tài)模型在線學習機制更新權重，誤碼預測精度誤差降低了62.5%，有效驗證了系統(tǒng)的實用性和可靠性。與現(xiàn)有主流誤碼測試方法相比，本系統(tǒng)不僅能夠實現(xiàn)飛機吊艙圖像采集傳輸鏈路的誤碼檢測與定位，還支持動態(tài)優(yōu)化，為復雜環(huán)境下的高可靠性圖像傳輸提供了新的解決方案。

發(fā)表于：7/24/2025 2:57:07 PM

時間敏感網(wǎng)絡遠程配置管理的研究[通信與網(wǎng)絡][通信網(wǎng)絡]

為滿足工業(yè)自動化和汽車領域對網(wǎng)絡高實時性、低時延的需求，以時間敏感網(wǎng)絡（TSN）為核心的確定性網(wǎng)絡技術近年來迅速發(fā)展。IEEE 802.1 TSN工作組提出的IEEE 802.1Qcc協(xié)議，通過集中化網(wǎng)絡配置（CNC）實現(xiàn)了對TSN配置的集中管理與動態(tài)分發(fā)。在此背景下，研究了基于NETCONF和YANG的TSN遠程配置管理方案，并驗證了其將配置參數(shù)從CNC下發(fā)至TSN交換機的可行性。研究結果為TSN交換機支持Qcc協(xié)議的實現(xiàn)提供了技術基礎，進一步推動了TSN技術在工業(yè)與車聯(lián)網(wǎng)場景中的實際應用。

發(fā)表于：7/22/2025 5:31:27 PM