2020亚洲欧美日本,欧美日韩在线不卡,午夜欧美一区在线观看

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(dāng)收發(fā)機(jī)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(dāng)收發(fā)機(jī)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 11:21:00 AM

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

采用標(biāo)準(zhǔn)0.18 μm工藝，設(shè)計了一種能改變抽取率并且適應(yīng)不同信號帶寬的應(yīng)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(dá)到110.5 dB。當(dāng)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(dāng)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 11:16:00 AM

基于FPGA的SiP原型驗證平臺設(shè)計[模擬設(shè)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?gòu)性，成為一大難題。為此，設(shè)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(gòu)，片上系統(tǒng)(SoC)內(nèi)部以PowerPC470為處理器，集成了多種通用外設(shè)接口和可重構(gòu)算法單元。

發(fā)表于：1/7/2022 10:55:00 AM

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

HDLC信號鏈路是國際標(biāo)準(zhǔn)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(biāo)準(zhǔn)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(gòu)的HDLC搜幀解封裝電路，并采用System Verilog技術(shù)搭建驗證平臺，隨機(jī)生成HDLC數(shù)據(jù)幀來驗證設(shè)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(yīng)邏輯模塊ALM，24個寄存器，35個引腳。

發(fā)表于：1/7/2022 10:43:00 AM

基于YOLOv5的姿態(tài)交互球類陪練機(jī)器人[人工智能][其他]

針對當(dāng)下球類陪練機(jī)器人人機(jī)交互能力不足的問題，提出一種基于樹莓派和YOLOv5目標(biāo)檢測算法的新型人機(jī)交互模式，使機(jī)器人實現(xiàn)前進(jìn)、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(jìn)行標(biāo)定、訓(xùn)練后，得到6種姿態(tài)在3種環(huán)境中測試集上的識別準(zhǔn)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(biāo)檢測的算法，基于該算法的機(jī)器人具有更高的檢測速度和準(zhǔn)確性，使機(jī)器人更加智能化。

發(fā)表于：1/7/2022 10:36:00 AM

基于深度學(xué)習(xí)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(shè)計了一款以邊緣嵌入式AI設(shè)備Jetson Nano為控制器的光電智能小車系統(tǒng)，該系統(tǒng)設(shè)計以YOLOv5為目標(biāo)檢測算法，以Pytorch1.8.1為深度學(xué)習(xí)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(jī)械臂對垃圾進(jìn)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(jìn)行300次的迭代訓(xùn)練，實驗測試結(jié)果表明：平均精確度達(dá)到91.8%，準(zhǔn)確率達(dá)到94.5%，召回率達(dá)到89.03%。

發(fā)表于：1/7/2022 10:27:00 AM

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

近年來，如何通過人工智能對人的面部表情進(jìn)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(chǔ)進(jìn)行進(jìn)一步研究。在深度學(xué)習(xí)中，傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)存在對面部表情特征的提取不充分以及計算機(jī)參數(shù)量較大的問題，導(dǎo)致分類準(zhǔn)確率較低。因此，提出了基于VGG16網(wǎng)絡(luò)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(luò)在FER2013PLUS測試數(shù)據(jù)集上的識別準(zhǔn)確率為79%，準(zhǔn)確率比傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)高。

發(fā)表于：1/7/2022 10:23:00 AM

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

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(yīng)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(yīng)用對通信效率、數(shù)據(jù)安全的要求，借助CloudPSS云仿真平臺設(shè)計了包含基礎(chǔ)層、應(yīng)用層、業(yè)務(wù)層的安全、靈活、可擴(kuò)展的數(shù)字孿生應(yīng)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(yīng)用集成功能的區(qū)域多能源系統(tǒng)數(shù)字孿生應(yīng)用平臺的構(gòu)建過程。所構(gòu)建的區(qū)域多能源系統(tǒng)數(shù)字孿生應(yīng)用平臺作為數(shù)字孿生從概念到應(yīng)用的理想實現(xiàn)工具，其架構(gòu)設(shè)計方案與具體構(gòu)建經(jīng)驗可為數(shù)字孿生技術(shù)的廣泛落地提供理論和實踐參考。

發(fā)表于：1/7/2022 10:14:00 AM

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(shè)計[其他][其他]

準(zhǔn)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(chǔ)，但直接向電力系統(tǒng)注入諧波進(jìn)行測量可能會帶來失穩(wěn)的風(fēng)險，而基于半實物仿真技術(shù)可以以較低的成本與風(fēng)險實現(xiàn)較為準(zhǔn)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(biāo)計算機(jī)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(jìn)行聯(lián)合仿真，是提高仿真規(guī)模的有效途徑。首先構(gòu)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(gòu)建光伏與雙饋風(fēng)力發(fā)電系統(tǒng)，驗證了在線阻抗分析裝置的準(zhǔn)確性和有效性。

發(fā)表于：1/7/2022 10:05:00 AM

高性能高可用Redis客戶端的設(shè)計與實現(xiàn)[模擬設(shè)計][其他]

Redis是一個基于內(nèi)存存儲的非結(jié)構(gòu)化數(shù)據(jù)庫，以高I/O(Input/Output)性能和高響應(yīng)速度著稱，在數(shù)據(jù)緩沖、消息隊列、Key-Value存儲等場景都發(fā)揮著重要的作用。在其支持的眾多客戶端中，C/C++客戶端Hiredis的應(yīng)用尤為廣泛。對Hiredis庫做了深入分析，發(fā)現(xiàn)了其管道功能存在高開銷、指令存儲不當(dāng)以及內(nèi)存混淆問題。基于此，在32邏輯核的X86架構(gòu)處理器以及64 GB內(nèi)存的Linux服務(wù)器上，設(shè)計并實現(xiàn)了一個面向C/C++的高性能高可用Redis客戶端，通過內(nèi)存預(yù)分配以及內(nèi)存隔離的方法提高了大量指令批處理時的性能并解決了復(fù)雜場景下的內(nèi)存混淆問題。經(jīng)測試，新客戶端提高了3～7倍的指令執(zhí)行效率，同時也保證了復(fù)雜場景下的內(nèi)存安全以及數(shù)據(jù)準(zhǔn)確性。

發(fā)表于：1/7/2022 10:00:00 AM