欧美黑人粗大猛烈18p,欧美叉叉叉BBB网站,亚洲欧美日韩中文字幕在线不卡

恩智浦FRDM平臺助力無線連接[通信與網(wǎng)絡(luò)][物聯(lián)網(wǎng)]

　　開發(fā)人員現(xiàn)在面臨著前所未有的挑戰(zhàn)，需要為各種產(chǎn)品設(shè)計復(fù)雜的軟件，通常還要使用不同的處理器。恩智浦的MCUXpresso Developer Experience通過適用于多種MCU平臺的通用框架解決了許多挑戰(zhàn)。恩智浦推出了新的無線FRDM開發(fā)板，提供無線連接支持。

發(fā)表于：11/18/2024

射頻 FDA 如何使用射頻采樣 ADC 來增強測試系統(tǒng)[微波|射頻][工業(yè)自動化]

　　為了在無線通信系統(tǒng)中實現(xiàn)更高的數(shù)據(jù)速率以及在雷達中使用更窄的脈沖來解析近距離目標(biāo)，對測試和測量儀器的性能和帶寬提出了更高的要求。高帶寬示波器和射頻數(shù)字轉(zhuǎn)換器等射頻（RF）測試和測量儀器可使用射頻采樣模數(shù)轉(zhuǎn)換器（ADC），對從直流到數(shù)千兆赫的信號同時進行數(shù)字化。

發(fā)表于：11/17/2024

基于頻差的衛(wèi)星通信互調(diào)干擾源定位方法研究[通信與網(wǎng)絡(luò)][航空航天]

針對衛(wèi)星通信系統(tǒng)頻帶內(nèi)互調(diào)干擾的定位問題進行研究，分析互調(diào)干擾產(chǎn)生機理，并給出系統(tǒng)內(nèi)互調(diào)干擾定位方法。定量分析互調(diào)干擾頻譜特性，并結(jié)合頻譜管控站分配各站頻率，建立系統(tǒng)內(nèi)各站頻率及頻差動態(tài)數(shù)據(jù)庫，設(shè)計基于頻差的衛(wèi)星通信互調(diào)干擾源定位方法，精確定位干擾站。仿真結(jié)果驗證了該方案在互調(diào)干擾定位過程的可行性，有效降低了干擾定位時間并提升了準(zhǔn)確定位干擾站的概率，為衛(wèi)星通信系統(tǒng)面臨此類干擾時的快速定位提供解決方法，對衛(wèi)星通信網(wǎng)的穩(wěn)定運行具有較大實際意義。

發(fā)表于：11/14/2024

一種寬輸入范圍高效率宇航二次電源的設(shè)計[電源技術(shù)][航空航天]

提出一種寬輸入電壓、高效率100 W宇航二次電源的設(shè)計方法。輸入電壓范圍達到20 V~50 V，可覆蓋星上28 V母線、42 V母線電壓范圍。峰值效率達到90%以上，具有體積小、功率密度高的特點。采用單端反激電路拓?fù)洌ㄟ^加入斜坡補償技術(shù)，使得反激變換器的占空比工作在60%以上，拓寬了輸入電壓范圍。同時采用平面變壓器技術(shù)，降低變壓器漏感，提高效率并減小尺寸。

發(fā)表于：11/14/2024

基于先進工藝技術(shù)的機電控制SiP電路的設(shè)計與測試[模擬設(shè)計][工業(yè)自動化]

機電控制系統(tǒng)包含多款芯片，其小型化、輕量化的需求日益迫切，系統(tǒng)級封裝（System in Package）技術(shù)作為一種先進封裝手段能夠?qū)⒍嗫畈煌愋偷男酒捎诟〉目臻g中。基于系統(tǒng)級封裝技術(shù)，并結(jié)合TSV與FanOUT技術(shù)設(shè)計了一款機電控制SiP電路，該電路包括頂層DSP信號控制單元和底層FPGA信號處理單元，兩者通過PoP（Package on Package）形式堆疊構(gòu)成SiP電路，相比于常規(guī)分立器件所搭建的機電控制系統(tǒng)，該SiP體積縮小70%以上，重量減輕80%以上。針對該款SiP電路設(shè)計了相應(yīng)的測試系統(tǒng)，且對內(nèi)部的ADC及DAC等芯片提出了一種回環(huán)測試的方法，能夠提高測試效率。測試結(jié)果表明，該電路滿足設(shè)計要求，在機電控制領(lǐng)域具有一定的應(yīng)用前景。

發(fā)表于：11/14/2024

基于區(qū)塊鏈和神經(jīng)模糊系統(tǒng)的邊緣計算移動接入網(wǎng)絡(luò)安全增強框架[通信與網(wǎng)絡(luò)][信息安全]

為了提高車聯(lián)網(wǎng)的安全性，提出了基于神經(jīng)模糊系統(tǒng)和區(qū)塊鏈的移動邊緣計算網(wǎng)絡(luò)安全增強框架。該框架結(jié)合了批量認(rèn)證、密鑰交換等技術(shù)，將區(qū)塊鏈與移動邊緣計算相結(jié)合，架構(gòu)上分為感知層、邊緣計算層、服務(wù)層三層，感知層通過區(qū)塊鏈確保數(shù)據(jù)安全，邊緣計算層提供資源，服務(wù)層采用區(qū)塊鏈技術(shù)保護數(shù)據(jù)。仿真表明，結(jié)合區(qū)塊鏈和移動邊緣計算能有效提高車聯(lián)網(wǎng)安全性。

發(fā)表于：11/14/2024

智慧農(nóng)業(yè)下基于聯(lián)邦學(xué)習(xí)的水稻病蟲害分類研究[模擬設(shè)計][其他]

在農(nóng)業(yè)發(fā)展過程中，農(nóng)作物的健康問題一直是一個重要的研究課題。面向這一課題探討智能化農(nóng)業(yè)種植過程中的水稻病蟲害分類問題。在智能化農(nóng)業(yè)種植場景下，為了提高設(shè)備對病蟲害的分類準(zhǔn)確性，同時保護各設(shè)備的數(shù)據(jù)隱私，提出使用聯(lián)邦學(xué)習(xí)來解決各設(shè)備間的數(shù)據(jù)孤島問題。實驗選取了七個預(yù)訓(xùn)練模型來提取特征，使用四個指標(biāo)（準(zhǔn)確率、召回率、損失函數(shù)和F1分?jǐn)?shù)）來評估不同模型上的性能。實驗結(jié)果表明，在獨立同分布（IID）和非獨立同分布（Non-IID）數(shù)據(jù)下模型VGG19的準(zhǔn)確率分別為99.05%和98.48%，表現(xiàn)出較高的魯棒性和準(zhǔn)確率。通過幾種實驗和指標(biāo)對比發(fā)現(xiàn)，聯(lián)邦學(xué)習(xí)的應(yīng)用提升了設(shè)備4.36％的準(zhǔn)確率，圖像分類模型的收斂時間受到聯(lián)邦學(xué)習(xí)輪數(shù)round和每輪聯(lián)邦學(xué)習(xí)中訓(xùn)練集的訓(xùn)練epoch數(shù)的共同影響，并且模型的穩(wěn)定性隨著參與聯(lián)邦學(xué)習(xí)的設(shè)備數(shù)量增加而提高。

發(fā)表于：11/14/2024

ßFA：一種基于向量指令集的高性能數(shù)據(jù)處理算法[模擬設(shè)計][其他]

正則表達式匹配技術(shù)在數(shù)據(jù)清洗、解析提取等數(shù)據(jù)處理任務(wù)方面發(fā)揮重大作用。然而，由于匹配過程中存在數(shù)據(jù)強依賴關(guān)系和內(nèi)存訪問不可預(yù)測等問題，造成匹配性能較低。針對此問題，提出一種基于向量指令集的高性能正則表達式數(shù)據(jù)處理算法，稱之為ßFA：通過向量指令一次性從內(nèi)存讀出若干連續(xù)字符，并與最常被訪問狀態(tài)對應(yīng)的非信任字符集進行向量匹配，利用內(nèi)置函數(shù)定位首個非信任字符的位置，獲得可直接跳過的字符數(shù)，從而實現(xiàn)匹配性能的加速。實驗結(jié)果表明，ßFA算法的吞吐率優(yōu)于原始DFA算法和αFA算法，是原始DFA算法的4.67~60倍以及ɑFA算法的4.37~7.82倍。

發(fā)表于：11/14/2024

基于自動編碼器和隨機樹的智能電網(wǎng)FDI檢測[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

為應(yīng)對智能電網(wǎng)系統(tǒng)可能受到的新型網(wǎng)絡(luò)攻擊（如虛假數(shù)據(jù)注入攻擊），提出了一種基于機器學(xué)習(xí)的入侵檢測方法。該方法采用自動編碼器進行數(shù)據(jù)降維，并使用極端隨機樹分類器檢測潛在攻擊。在IEEE標(biāo)準(zhǔn)電力系統(tǒng)數(shù)據(jù)的基礎(chǔ)上，測試了該方法在不同系統(tǒng)規(guī)模和攻擊程度下的性能。實驗結(jié)果顯示，在IEEE 118節(jié)點系統(tǒng)中，該方法的檢測準(zhǔn)確率高達99.76%，即使在僅有0.1%攻擊測量值的情況下，F(xiàn)1值也達到了99.77%，遠超其他算法。該方法不僅能有效檢測智能電網(wǎng)中的入侵行為，而且具有較高的計算效率。

發(fā)表于：11/14/2024

TSN交換機PSFP方法設(shè)計[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

時間敏感網(wǎng)絡(luò)（Time Sensitive Network，TSN）將傳統(tǒng)以太網(wǎng)“Best Effor”傳輸方式所具備的靈活性與時間敏感網(wǎng)絡(luò)的實時性、確定性等特點相結(jié)合，具有支持不同類型應(yīng)用的能力。TSN的逐流過濾和監(jiān)管（Per-Stream Filtering and Policing， PSFP）協(xié)議通過提供策略，可阻止非法報文的攻擊及流量過載。基于該協(xié)議的工作原理，對流過濾、流門控和流測量功能進行了研究，同時提出一種PSFP的實現(xiàn)方法，并在TSN交換機上設(shè)計網(wǎng)絡(luò)拓?fù)浼皩嶒炦M行了驗證。結(jié)果表明，該方法可根據(jù)報文特征自動識別滿足一定規(guī)則的異常報文，并按照要求進行阻斷或限流操作，驗證了合理性。該方法不受限于硬件或軟件實現(xiàn)的TSN，對TSN在工業(yè)、車載等行業(yè)的應(yīng)用有一定的參考價值。

發(fā)表于：11/14/2024

基于殘差注意力自適應(yīng)去噪網(wǎng)絡(luò)和Stacking集成學(xué)習(xí)的局部放電故障診斷[模擬設(shè)計][智能電網(wǎng)]

針對傳統(tǒng)局部放電（Partial Discharge， PD）故障診斷方法在處理復(fù)雜含噪PD信號存在局限性并依賴于人工去噪和專家經(jīng)驗，難以學(xué)習(xí)到PD特征多樣化表達等問題，分別提出殘差注意力自適應(yīng)去噪網(wǎng)絡(luò)（Residual Attention Adaptive Denoising Network， RAADNet）和基于Stacking集成學(xué)習(xí)的PD故障診斷模型。RAADNet基于殘差網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計，通過集成CAM注意力機制和軟閾值函數(shù)實現(xiàn)自適應(yīng)去噪；Stacking集成模型的基學(xué)習(xí)器分別由基于卷積神經(jīng)網(wǎng)絡(luò)的RAADNet、基于多頭自注意力機制的Transformer以及基于Boosting集成策略的XGBoost多個差異化模型共同構(gòu)建構(gòu)成。實驗結(jié)果表明，提出的RAADNet優(yōu)于其他先進方法，識別準(zhǔn)確率達到93.99%，Stacking集成模型則通過學(xué)習(xí)多樣化特征表達，進一步提高模型性能，達到96.79%識別準(zhǔn)確率。

發(fā)表于：11/14/2024

圓形陣列式霍爾電流傳感器抗磁干擾算法研究[MEMS|傳感技術(shù)][智能電網(wǎng)]

陣列式霍爾電流傳感器是電力電子領(lǐng)域中的一個研究熱點，特別是在直流電測量方面，它具有線性度高、動態(tài)范圍大、體積小、功耗低等優(yōu)點，是對鐵磁磁芯的電流傳感器的改進。然而，由于沒有鐵芯聚磁，在汽車電子、配電系統(tǒng)等場所內(nèi)，導(dǎo)體排布密集，外部磁場很容易進入磁傳感器，從而影響測量精度。因此，提出了一種抗磁干擾算法來解決這一問題，采用構(gòu)造超越方程的方法，不僅可以計算被測電流，還可以計算任意位置的干擾電流，并通過數(shù)值模擬、有限元分析和室內(nèi)實驗對該算法進行驗證。實驗結(jié)果表明，在受到強干擾電流的影響下，誤差在3.5%以內(nèi)，驗證了構(gòu)造的圓形傳感器陣列及抗磁干擾算法的有效性。

發(fā)表于：11/14/2024

某型接收機中放大器自激機理分析與預(yù)防措施[模擬設(shè)計][通信網(wǎng)絡(luò)]

對某型接收機中頻噪底升高故障進行了分析處理，分析結(jié)果表明射頻模塊腔體內(nèi)存在個體差異，導(dǎo)致本振放大器在脈沖工作條件下產(chǎn)生自激，通過對放大器自激機理的分析給出了相應(yīng)的預(yù)防措施，在射頻小盒側(cè)壁中粘貼吸波材料，可以有效消除自激。論文對今后腔體自激問題的處理分析具有參考價值。

發(fā)表于：11/14/2024

基于ARM 架構(gòu)的安全總線橋設(shè)計與實現(xiàn)[模擬設(shè)計][工業(yè)自動化]

為提高SoC（System-On-Chip）系統(tǒng)安全性能，設(shè)計了一種基于ARM（Advanced RISC Machine）架構(gòu)的安全總線橋電路。該電路設(shè)計了一個橋接模塊和一個訪問控制功能模塊。仿真表明，該電路能夠在任意倍頻的AHB（Advanced High-Performance Bus）和APB（Advanced Peripheral Bus）時鐘頻率下完成AHB傳輸協(xié)議向APB傳輸協(xié)議的轉(zhuǎn)換，同時支持靈活配置主從設(shè)備的訪問權(quán)限和保護模式，防止外設(shè)寄存器數(shù)據(jù)被非法訪問和惡意篡改，提高了系統(tǒng)的安全性能和適用性。

發(fā)表于：11/14/2024

基于改進AlexNet卷積神經(jīng)網(wǎng)絡(luò)人臉識別的研究[人工智能][消費電子]

近期，人臉識別技術(shù)在社會上廣受關(guān)注，其非接觸式的識別特性相較于指紋等傳統(tǒng)接觸式識別方法展現(xiàn)出明顯優(yōu)勢。在深度學(xué)習(xí)領(lǐng)域，由于傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)在人臉識別任務(wù)上的準(zhǔn)確性和速度尚有提升空間，因此提出采用改進的AlexNet卷積神經(jīng)網(wǎng)絡(luò)進行人臉識別。通過實驗驗證，與傳統(tǒng)卷積網(wǎng)絡(luò)相比，改進后的AlexNet在人臉識別上不僅準(zhǔn)確度更高，而且識別過程更為穩(wěn)定。

發(fā)表于：11/14/2024