欧美日韩视频在线一区二区,亚洲欧美精品综合中文字幕,欧美中文字幕无线码视频

閃迪至尊超極速SDXC UHS-II存儲(chǔ)卡記錄鏡頭前的萬(wàn)物之美[模擬設(shè)計(jì)][消費(fèi)電子]

作為生活的記錄者、風(fēng)光的追逐者、光影的創(chuàng)造者，攝影師不但是美的捕捉者，也是美學(xué)創(chuàng)造者。通過(guò)鏡頭，他們捕捉與創(chuàng)造美，快門(mén)按下后捕捉的一幅幅畫(huà)面于他們而言，如同蝴蝶之于孩童一般喜不勝收。而想要捕捉到一只美麗的“蝴蝶”，耐心、技術(shù)、設(shè)備，缺一不可。

發(fā)表于：10/18/2021 7:37:04 PM

基于高功率因數(shù)混合型變換器的爆閃式信號(hào)燈設(shè)計(jì)[其他][其他]

提出了基于高功率因數(shù)混合型變換器的交流爆閃燈，這種高功率因數(shù)混合型變換器可在交流80 V~250 V寬電壓范圍內(nèi)工作，單級(jí)變換器可實(shí)現(xiàn)升壓、降壓，且功率因數(shù)很高，開(kāi)關(guān)管承受的反向電壓與輸入、輸出電壓中的較大者有關(guān)，當(dāng)輸入電壓為較大者，此時(shí)開(kāi)關(guān)管反向電壓近似為輸入電壓。當(dāng)輸出電壓為較大者，此時(shí)開(kāi)關(guān)管反向電壓近似為輸出電壓。因此開(kāi)關(guān)管在較低的反向電壓下工作，特別適合于高壓輸出的場(chǎng)合，提高電路的穩(wěn)定性和可靠性。利用高功率因數(shù)混合型變換器設(shè)計(jì)的爆閃燈可實(shí)現(xiàn)110 V/220 V產(chǎn)品的單一化，因此產(chǎn)品便于維護(hù)管理，提高管理效率。

發(fā)表于：9/27/2021 4:15:00 PM

Buck芯片緩沖電路設(shè)計(jì)的仿真分析與應(yīng)用[其他][其他]

Buck型變換器的開(kāi)關(guān)點(diǎn)是外部調(diào)優(yōu)的主要對(duì)象，隨著開(kāi)關(guān)頻率的提高和負(fù)載電流的增大，芯片內(nèi)的寄生電感對(duì)開(kāi)關(guān)電壓波形的影響越來(lái)越大，外部緩沖電路作為調(diào)整開(kāi)關(guān)波形的工具起到關(guān)鍵的作用，僅僅依靠經(jīng)驗(yàn)來(lái)設(shè)計(jì)外部緩沖電路已經(jīng)無(wú)法滿足設(shè)計(jì)要求。通過(guò)對(duì)緩沖電路的工作原理進(jìn)行分析，結(jié)合仿真結(jié)果和工程實(shí)踐，分析緩沖電路的穩(wěn)壓性能和效率損失，可以為外圍緩沖電路的設(shè)計(jì)提供一種量化分析方法。

發(fā)表于：9/27/2021 4:11:00 PM

基于DAG-SVMS的非侵入式負(fù)荷識(shí)別方法[其他][其他]

在供電入口處嵌入非侵入式負(fù)荷識(shí)別技術(shù)，有利于推動(dòng)建筑節(jié)能、實(shí)現(xiàn)電網(wǎng)負(fù)荷預(yù)測(cè)、開(kāi)發(fā)智能樓宇、完善智能電網(wǎng)體系建設(shè)。據(jù)此，提出一種基于有向無(wú)環(huán)圖支持向量機(jī)(Directed Acyclic Graph Support Vector Machines，DAG-SVMS)的負(fù)荷辨識(shí)方法。首先，對(duì)總線電流信號(hào)進(jìn)行事件檢測(cè)，檢測(cè)到暫態(tài)事件后，分離目標(biāo)負(fù)荷暫態(tài)電流波形，提取特征，然后，將特征輸入預(yù)先訓(xùn)練好的DAG-SVMS模型進(jìn)行分類(lèi)識(shí)別。為提升分類(lèi)器性能，使用粒子群優(yōu)化PSO(Particle Swarm Optimization)算法優(yōu)化DAG-SVMS分類(lèi)器的參數(shù)。為減小累積誤差，提出Gini指數(shù)優(yōu)化DAG-SVMS節(jié)點(diǎn)順序的策略。實(shí)驗(yàn)結(jié)果表明，文中方法識(shí)別準(zhǔn)確率高，識(shí)別速度快，具有可行性。

發(fā)表于：9/27/2021 4:06:00 PM

兼容多種WiFi協(xié)議的數(shù)字射頻前端設(shè)計(jì)[通信與網(wǎng)絡(luò)][5G]

介紹了一種可用于集成電路實(shí)現(xiàn)的WiFi數(shù)字射頻前端架構(gòu)，兼容802.11a/b/g/n/ac/ax協(xié)議，可工作在2.4 GHz和5 GHz信道下。配合模擬接收電路和解調(diào)器，實(shí)現(xiàn)了不同WiFi信號(hào)類(lèi)型的自動(dòng)增益鎖定、報(bào)文類(lèi)型區(qū)分、頻譜搬移和重采樣、鄰道干擾抑制等功能。

發(fā)表于：9/27/2021 4:01:00 PM

基于Mini51的BLDCM無(wú)位置傳感器控制[其他][其他]

將新唐的Mini52(Mini51系列)單片機(jī)作為主控芯片，通過(guò)利用Mini51系列單片機(jī)自身可輸出的的6路PWM信號(hào)的性能，利用采樣電阻來(lái)采集端電壓從而得到直流母線的電流，利用反電動(dòng)勢(shì)過(guò)零點(diǎn)法(EMF)來(lái)控制電機(jī)，實(shí)現(xiàn)直流無(wú)刷電機(jī)(BLDCM)無(wú)位置傳感器的雙閉環(huán)控制，利用串口通信來(lái)完成對(duì)無(wú)刷直流電機(jī)的伺服系統(tǒng)，進(jìn)行了測(cè)試。測(cè)試結(jié)果表明，Mini51系列單片機(jī)可以對(duì)高速串口通信實(shí)時(shí)響應(yīng)且此伺服系統(tǒng)具有良好的速度可控性，能夠滿足現(xiàn)代工業(yè)生產(chǎn)實(shí)時(shí)控制的需求。

發(fā)表于：9/27/2021 3:54:00 PM

氣體鉆井微波傳輸隨鉆監(jiān)測(cè)系統(tǒng)軟件設(shè)計(jì)[其他][其他]

國(guó)內(nèi)氣體鉆井施工過(guò)程已開(kāi)始采用微波中繼傳輸?shù)姆绞綐?gòu)建隨鉆監(jiān)控系統(tǒng)，但目前在該施工條件下應(yīng)用的配套隨鉆監(jiān)控軟件不成熟，數(shù)據(jù)解析時(shí)間長(zhǎng)，測(cè)傳速率低且無(wú)信道監(jiān)管功能，制約了氣體鉆井的發(fā)展。針對(duì)氣體現(xiàn)場(chǎng)實(shí)際需要，采用事件驅(qū)動(dòng)軟件架構(gòu)開(kāi)發(fā)配套隨鉆監(jiān)測(cè)軟件，將氣體鉆井施工過(guò)程中各工程參數(shù)以曲線、數(shù)值、刻度等多種方式進(jìn)行人機(jī)交互，并能對(duì)井筒內(nèi)微波信道進(jìn)行監(jiān)管，為氣體鉆井隨鉆實(shí)時(shí)監(jiān)控及鉆后分析研究提供了軟件支撐。并且該軟件的應(yīng)用大幅提升監(jiān)測(cè)系統(tǒng)測(cè)傳速率，其最大測(cè)傳速率達(dá)到1.194 kb/s，信道監(jiān)管功能的引入可增加入井微波中繼器的數(shù)量，使測(cè)傳深度突破3 000 m，基本滿足目前氣體鉆井隨鉆監(jiān)測(cè)的需要。

發(fā)表于：9/27/2021 3:49:00 PM

基于電子鼻傳感器性能的互信息特征選擇算法[其他][其他]

當(dāng)前的互信息特征選擇算法為提高泛化性能而未對(duì)專一應(yīng)用領(lǐng)域進(jìn)行優(yōu)化，電子鼻傳感器陣列優(yōu)化作為一類(lèi)特殊的特征選擇問(wèn)題，使用傳統(tǒng)算法難以搜索出最優(yōu)的特征子集。結(jié)合氣體傳感器陣列特殊的冗余性和特有的敏感性，提出了一種基于電子鼻傳感器性能的互信息特征選擇算法并對(duì)陣列進(jìn)行優(yōu)化，通過(guò)兩種不同的電子鼻公開(kāi)數(shù)據(jù)集驗(yàn)證了傳感器特性對(duì)識(shí)別精度的影響，證明了所提出算法的有效性。

發(fā)表于：9/27/2021 3:43:00 PM

基于優(yōu)化多視角圖像采集的點(diǎn)云分類(lèi)[其他][其他]

基于二維多視角3D識(shí)別方法中，可使用多個(gè)2D投影圖表示三維模型特征信息，但不同視角投影圖像的特征不同，神經(jīng)網(wǎng)絡(luò)對(duì)其學(xué)習(xí)效率也有所差異。卷積神經(jīng)網(wǎng)絡(luò)能夠映射圖像的特征，可用此方法分析這個(gè)問(wèn)題。混合視角數(shù)據(jù)集分析不同視角投影特征在卷積神經(jīng)網(wǎng)絡(luò)中的重要性，根據(jù)重要性的不同優(yōu)化混合視角數(shù)據(jù)集的采集密度。最終實(shí)驗(yàn)結(jié)果表明，不同視角產(chǎn)生的二維圖像分類(lèi)準(zhǔn)確率不一樣，其中俯視角度投影的分類(lèi)準(zhǔn)確率最差，優(yōu)化后的數(shù)據(jù)集在相同神經(jīng)網(wǎng)絡(luò)模型下達(dá)到了最優(yōu)分類(lèi)準(zhǔn)確率。

發(fā)表于：9/27/2021 3:37:00 PM

云數(shù)據(jù)中心基于皮爾遜相關(guān)系數(shù)的虛擬機(jī)選擇策略[其他][其他]

提出了云數(shù)據(jù)中心基于皮爾遜相關(guān)系數(shù)的虛擬機(jī)選擇策略(Pearson Correlation coefficient Virtual Machine Selection，PC-VMS)。PC-VMS把統(tǒng)計(jì)學(xué)中的皮爾遜相關(guān)系數(shù)應(yīng)用于虛擬機(jī)CPU歷史利用率數(shù)據(jù)，建立了衡量每對(duì)虛擬機(jī)CPU利用率之間的相關(guān)性的數(shù)學(xué)模型；PC-VMS會(huì)獲取每對(duì)虛擬機(jī)最近n次的CPU利用率，根據(jù)輸入的兩組數(shù)據(jù)來(lái)計(jì)算皮爾遜相關(guān)系數(shù)，最后在一組相關(guān)性最高的虛擬機(jī)中選擇一個(gè)CPU利用率最高的進(jìn)行遷移，隨后結(jié)合虛擬機(jī)放置策略分配到新的目標(biāo)物理主機(jī)上。仿真結(jié)果表明，PC-VMS與CloudSim4.0內(nèi)置的虛擬機(jī)選擇策略相比，各類(lèi)性能指標(biāo)都有改善，PC-VMS可以為企業(yè)節(jié)能云數(shù)據(jù)中心的構(gòu)造提供參考。

發(fā)表于：9/27/2021 3:30:00 PM