日本三级韩国三级欧美三级,亚洲欧美卡通动漫日韩一区,日本欧美一区二区三区乱码

探索數(shù)據(jù)治理新模式，構(gòu)筑城市發(fā)展新引擎[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

數(shù)據(jù)作為新型生產(chǎn)要素，對(duì)城市經(jīng)濟(jì)社會(huì)發(fā)展起著重要作用。當(dāng)前數(shù)據(jù)價(jià)值難以有效釋放，亟需科學(xué)系統(tǒng)地實(shí)施“數(shù)據(jù)治理工程”。為貫徹落實(shí)數(shù)字中國(guó)、網(wǎng)絡(luò)強(qiáng)國(guó)戰(zhàn)略，提出了由數(shù)據(jù)元件模型、應(yīng)用模型、定價(jià)及安全審核模型構(gòu)成的數(shù)據(jù)要素化三級(jí)模型體系，并設(shè)計(jì)“一庫雙鏈”、“三級(jí)市場(chǎng)”的工程實(shí)施路徑，推動(dòng)數(shù)據(jù)實(shí)現(xiàn)資源化、資產(chǎn)化、資本化的“三次蝶變”，構(gòu)筑城市高質(zhì)量發(fā)展的新引擎，使城市更精彩、人民更幸福。

發(fā)表于：3/31/2021 10:22:00 AM

增強(qiáng)現(xiàn)實(shí)系統(tǒng)的三大關(guān)鍵技術(shù)是什么？[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

　　增強(qiáng)現(xiàn)實(shí)系統(tǒng)的主要任務(wù)是進(jìn)行真實(shí)世界和虛擬物體的無縫融合，需要解決真實(shí)場(chǎng)景和虛擬物體的合成一致性問題。為了確保真實(shí)世界和虛擬對(duì)象的無縫融合，根據(jù)Ronald Azuma對(duì)增強(qiáng)現(xiàn)實(shí)技術(shù)的定義，在AR應(yīng)用系統(tǒng)開發(fā)中必須要解決好三大關(guān)鍵問題和三項(xiàng)關(guān)鍵技術(shù)。

發(fā)表于：3/27/2021 8:27:28 PM

雷達(dá)被截獲距離的等效試驗(yàn)方法研究[其他][其他]

針對(duì)雷達(dá)在對(duì)抗特定的ESM偵察設(shè)備時(shí)被截獲距離難以直接測(cè)試的問題，研究了雷達(dá)被ESM偵察設(shè)備截獲距離的等效試驗(yàn)方法。首先，推導(dǎo)了期望試驗(yàn)條件和替代試驗(yàn)條件下被截獲距離的等效模型。然后，針對(duì)不同的試驗(yàn)場(chǎng)景，將等效模型細(xì)分為四種不同的類型。最后，通過某型雷達(dá)被截獲距離外場(chǎng)試飛的實(shí)測(cè)數(shù)據(jù)對(duì)等效模型進(jìn)行了驗(yàn)證。試驗(yàn)結(jié)果表明等效模型的誤差為7.26%，滿足試驗(yàn)大綱誤差小于10%的要求。

發(fā)表于：3/26/2021 9:30:00 AM

基于三維濾波的紅外弱小目標(biāo)檢測(cè)技術(shù)研究[其他][其他]

為了提升幀差法在復(fù)雜環(huán)境中低信噪比目標(biāo)的檢測(cè)效果，基于運(yùn)動(dòng)目標(biāo)在時(shí)間上具有連續(xù)性的原理，利用檢測(cè)前跟蹤的算法，通過三維濾波預(yù)處理和目標(biāo)軌跡性判斷相結(jié)合的設(shè)計(jì)準(zhǔn)確篩選出目標(biāo)，達(dá)到在保持高檢測(cè)率的前提下降低虛警的效果，對(duì)弱小目標(biāo)檢測(cè)具有顯著意義。

發(fā)表于：3/26/2021 9:24:00 AM

基于遺傳算法的小型高增益陣列天線設(shè)計(jì)[模擬設(shè)計(jì)][其他]

針對(duì)小型化毫米波雷達(dá)對(duì)大探測(cè)范圍及遠(yuǎn)距離探測(cè)的需求，提出了一種Ka波段串并聯(lián)混合饋電的微帶陣列天線。天線陣列采用模塊化設(shè)計(jì)，通過采用遺傳算法優(yōu)化調(diào)整子陣列的相對(duì)位置控制波束寬度及增益。仿真及加工實(shí)測(cè)得到天線在中心頻率36 GHz的E、H面波束寬度為28°、15°，最大增益15 dBi，測(cè)試與仿真結(jié)果基本符合，表明該天線陣列適用于小型毫米波雷達(dá)。

發(fā)表于：3/25/2021 9:12:00 AM

多通道低相噪同步頻率源設(shè)計(jì)[其他][其他]

針對(duì)數(shù)字射頻存儲(chǔ)器(Digital Radio Frequency Memory，DRFM)系統(tǒng)在進(jìn)行對(duì)外部輸入信號(hào)采集時(shí)，對(duì)高穩(wěn)頻率源需求問題，提出了一種基于兩級(jí)鎖相環(huán)的多通道低相噪同步頻率源設(shè)計(jì)方法，實(shí)現(xiàn)了6路在2.26～2 600 MHz范圍內(nèi)任意頻率信號(hào)輸出。通過線性疊加的方法，理論分析了鎖相環(huán)中相位噪聲的模型，并根據(jù)相位噪聲的來源進(jìn)行優(yōu)化設(shè)計(jì)。最后對(duì)頻率源電路雜散和相位噪聲進(jìn)行測(cè)試，測(cè)試結(jié)果表明該頻率源電路輸出1.25 GHz頻率時(shí)的雜散抑制優(yōu)于-60 dBc，相位噪聲抑制優(yōu)于-104.91 dBc/Hz@500kHz。

發(fā)表于：3/25/2021 9:05:00 AM

應(yīng)用于電推進(jìn)系統(tǒng)的寬輸入電壓范圍高壓電源研究[電源技術(shù)][其他]

電推進(jìn)電源(Power Processing Unit，PPU)是電推進(jìn)系統(tǒng)的核心單機(jī)，其體積、重量及關(guān)鍵技術(shù)難度往往超過推力器本身。屏柵電源及陽極電源這類大功率高壓電源是電推進(jìn)電源系統(tǒng)的核心部件。針對(duì)多模式切換電推進(jìn)系統(tǒng)的需求，提出了一種適用于寬輸入電壓范圍屏柵電源的兩級(jí)式功率拓?fù)浼軜?gòu)，前級(jí)為兩相交錯(cuò)并聯(lián)Boost拓?fù)湟詫?shí)現(xiàn)寬范圍調(diào)壓，后級(jí)為工作于最優(yōu)頻率點(diǎn)的不控諧振拓?fù)湟詫?shí)現(xiàn)高變比隔離升壓。研究該功率拓?fù)浼軜?gòu)的控制方式及磁性器件的設(shè)計(jì)原則并最終給出了相應(yīng)的實(shí)驗(yàn)結(jié)果。

發(fā)表于：3/24/2021 9:16:00 AM

一種全自動(dòng)螺絲供料機(jī)控制系統(tǒng)的設(shè)計(jì)與分析[模擬設(shè)計(jì)][其他]

為了實(shí)現(xiàn)生產(chǎn)線螺絲的高效供給和輸送，應(yīng)用于自動(dòng)化產(chǎn)品裝配線，設(shè)計(jì)了一種基于STC12C5410單片機(jī)的螺絲供料機(jī)控制系統(tǒng)。系統(tǒng)以STC12C5410為硬件核心控制器，包括缺料報(bào)警、排列并輸送螺絲等功能。系統(tǒng)主要通過光電開關(guān)和電磁閥實(shí)現(xiàn)供料，有效提高了螺絲輸送的效率和穩(wěn)定性。另設(shè)計(jì)了調(diào)整電批扭力和控制電機(jī)制動(dòng)的電路，并進(jìn)行仿真和實(shí)驗(yàn)，為之后此功能集成到配套電批中使用提供技術(shù)準(zhǔn)備。

發(fā)表于：3/24/2021 9:06:00 AM

基于PowerPC架構(gòu)的波束指向算法的優(yōu)化[其他][其他]

基于PowerPC架構(gòu)提出了一種波束指向算法的優(yōu)化策略，分別從三角函數(shù)的速算優(yōu)化、浮點(diǎn)數(shù)運(yùn)算的優(yōu)化、循環(huán)嵌套優(yōu)化、基于PowerPC指令集的優(yōu)化等方面來實(shí)現(xiàn)。通過提出的優(yōu)化算法，算法處理時(shí)間縮短為原來的十分之一。提出的優(yōu)化策略對(duì)其他平臺(tái)算法開發(fā)和優(yōu)化也具有一定的指導(dǎo)和借鑒意義。

發(fā)表于：3/23/2021 9:35:00 AM

基于CNN-LSTM神經(jīng)網(wǎng)絡(luò)的聲紋識(shí)別系統(tǒng)設(shè)計(jì)[通信與網(wǎng)絡(luò)][醫(yī)療電子]

為實(shí)現(xiàn)對(duì)心血管疾病的預(yù)警，及早發(fā)現(xiàn)以心率、心肺音惡性變化為代表的危險(xiǎn)前兆，設(shè)計(jì)基于CNN-LSTM神經(jīng)網(wǎng)絡(luò)的聲紋識(shí)別系統(tǒng)。利用物聯(lián)網(wǎng)技術(shù)融合心率傳感芯片、單片機(jī)、電子聽診器等設(shè)備，對(duì)心率進(jìn)行實(shí)時(shí)監(jiān)測(cè)、輔助預(yù)警；根據(jù)梅爾道普頻率系數(shù)對(duì)心肺音信號(hào)進(jìn)行特征提取，構(gòu)建基于CNN-LSTM算法的心肺音智能識(shí)別模型，對(duì)部分心肺音進(jìn)行智能檢測(cè)診斷，實(shí)驗(yàn)結(jié)果顯示損失值為0.082，準(zhǔn)確率達(dá)0.908。開拓了人工智能技術(shù)在心血管疾病預(yù)警方面的應(yīng)用空間，前瞻性強(qiáng)、結(jié)構(gòu)框架完整，可有效避免醫(yī)療資源浪費(fèi)，前置對(duì)心血管疾病的應(yīng)對(duì)措施，市場(chǎng)應(yīng)用前景廣闊，對(duì)于推動(dòng)智慧醫(yī)療有重大作用。

發(fā)表于：3/23/2021 9:14:00 AM