自拍偷拍亚洲小情人,91大神xh98xh新作之办公室

基于特征投影預(yù)處理抗主瓣干擾的改進算法[微波|射頻][航空航天]

針對基于特征投影預(yù)處理后旁瓣干擾偏移的問題,，提出一種基于特征投影預(yù)處理和協(xié)方差矩陣修正重構(gòu)的主瓣干擾抑制算法,。該方法首先通過最大相關(guān)系數(shù)法確定特征投影矩陣，對接收數(shù)據(jù)進行預(yù)處理充分去除主瓣干擾,，然后對主瓣干擾信號功率置零,，重新構(gòu)造旁瓣干擾加噪聲協(xié)方差矩陣，進一步進行波束形成,，方向圖在偏移旁瓣干擾處形成較深的零陷,。仿真實驗表明，提出的方法在接收數(shù)據(jù)含有期望信號的條件下能夠有效地抑制主瓣干擾和旁瓣干擾,，并且具有良好的穩(wěn)健性,。

發(fā)表于：10/23/2023

基于DSP的電子束選區(qū)熔化束流調(diào)控系統(tǒng)的研制*[電子元件][其他]

為了獲得穩(wěn)定的電子束流輸出，提高電子束選區(qū)熔化成形質(zhì)量,，研制了一套基于DSP的電子束選區(qū)熔化束流調(diào)控系統(tǒng),。使用DSP的通用定時器和比較寄存器產(chǎn)生頻率為20 kHz、占空比與死區(qū)時間可調(diào)的PWM脈沖,；設(shè)計高壓,、束流信號反饋采樣電路；DSP采用積分分離PID控制算法實現(xiàn)束流的快速調(diào)節(jié)和閉環(huán)調(diào)控。試驗結(jié)果表明該控制系統(tǒng)所控制的電子槍在帶載時最大束流達到150 mA,，高壓,、燈絲加熱電流給定時，隨著偏壓降低,，束流逐漸增大,，實現(xiàn)了穩(wěn)定的束流輸出。

發(fā)表于：10/23/2023

基于ARM的呼吸暫停綜合征檢測系統(tǒng)*[測試測量][醫(yī)療電子]

阻塞型睡眠呼吸暫停綜合征（Obstructive Sleep Apnea Hypopnea Syndrome,， OSAHS）是一種常見的呼吸睡眠疾病,，它會降低人們的睡眠質(zhì)量，使人們產(chǎn)生疲憊感,，更嚴(yán)重地會危害人們的身心健康,。研究設(shè)計了一種基于ARM的OSAHS檢測系統(tǒng)，系統(tǒng)以i.MX6ULL作為硬件主控,，采用嵌入式Linux系統(tǒng)為軟件平臺,，具有鼾聲采集處理、檢測分類,、傳輸?shù)裙δ?，與云平臺建立完整的OSAHS檢測系統(tǒng)，并且通過與標(biāo)準(zhǔn)多導(dǎo)睡眠監(jiān)測儀（PSG）設(shè)備對比檢測效果達到83.9%,，達到初篩的作用,，具有較強的輔助診斷應(yīng)用價值。

發(fā)表于：10/23/2023

基于eIQ的中藥材圖像識別系統(tǒng)的設(shè)計與實現(xiàn)[嵌入式技術(shù)][醫(yī)療電子]

中藥材對人體疾病的預(yù)防及控制具有重要的作用,，然而普通百姓對中藥材知識了解過少，可能由于濫用中藥材而帶來不可控的后果,。因此,，對中藥材進行精準(zhǔn)識別是一項緊迫的任務(wù)。將輕量級神經(jīng)網(wǎng)絡(luò)模型應(yīng)用到中藥材識別中,，提出在微控制器上實現(xiàn)基于MobileNetV3模型的中藥材圖像識別系統(tǒng),。首先建立中藥材圖像數(shù)據(jù)集，在eIQ機器學(xué)習(xí)軟件開發(fā)環(huán)境中根據(jù)MobileNetV3構(gòu)建識別基礎(chǔ)模型,，并通過調(diào)整模型參數(shù)實現(xiàn)對模型的優(yōu)化,，最后將模型文件部署到i.MX RT1060上，實現(xiàn)了對30種中藥材的識別,。最終在驗證集的準(zhǔn)確率達到86.79%,。結(jié)果表明,，在i.MX RT1060上實現(xiàn)中藥材識別具有很好的實際效果,。

發(fā)表于：10/23/2023

基于UVM和C語言驗證JTAG調(diào)試協(xié)議的研究與實現(xiàn)[可編程邏輯][工業(yè)自動化]

芯片驗證中，JTAG協(xié)議功能的好壞決定了芯片流片回來后是否具有可調(diào)試狀態(tài),。多數(shù)情況下是編寫一段既冗長且不易維護的TestBench代碼進行驗證,；有些情況依賴FPGA原型驗證手段去驗證JTAG協(xié)議,，但在該情況下，一些模塊需進行FPGA資源替換,，無法保證與RTL級網(wǎng)表一致,，可能導(dǎo)致流片后回來的芯片JTAG調(diào)試不通。針對這些情況,，結(jié)合UVM方法學(xué)的通用性和C語言的便利性,，提出一種基于UVM和C語言聯(lián)合驗證JTAG調(diào)試協(xié)議的實現(xiàn)方法。UVM搭建驗證JTAG協(xié)議的框架,，C語言側(cè)編寫測試用例,，用例通過調(diào)用UVM側(cè)實現(xiàn)的芯片JTAG接口驅(qū)動時序的方法來到達實現(xiàn)C語言驗證芯片JTAG協(xié)議的結(jié)果。

發(fā)表于：10/23/2023

風(fēng)云三號衛(wèi)星監(jiān)測海洋滸苔,、赤潮和溢油*[測試測量][航空航天]

風(fēng)云衛(wèi)星對海洋環(huán)境災(zāi)害（滸苔,、赤潮和溢油）的定量遙感監(jiān)測業(yè)務(wù)能力需要提升,。利用風(fēng)云三號D星中分辨率光譜成像儀MERSI-II資料以及部分高分衛(wèi)星數(shù)據(jù)，探索解決大氣校正和云檢測兩個技術(shù)難點問題的方法,，分別依據(jù)滸苔,、赤潮和溢油的光譜特征,，建立相關(guān)的遙感監(jiān)測算法,，實現(xiàn)對海洋滸苔、赤潮和溢油的判識,，并在相應(yīng)個例中取得較好的監(jiān)測效果,。

發(fā)表于：10/23/2023

基于約束的多維Apriori改進算法[其他][其他]

針對經(jīng)典多維關(guān)聯(lián)規(guī)則挖掘算法執(zhí)行效率不高,、存在冗余規(guī)則的不足，提出基于約束的多維Apriori改進算法,，在多維Apriori算法的基礎(chǔ)上，將用戶約束引入挖掘過程,，根據(jù)關(guān)于謂詞的約束產(chǎn)生用戶感興趣的頻繁謂詞集,，并以此為依據(jù)刪減事務(wù)集。該算法一方面通過用戶約束大大縮減了候選謂詞集的產(chǎn)生,，另一方面經(jīng)過刪減的事務(wù)集也降低了掃描數(shù)據(jù)庫的開銷,，最終實現(xiàn)了挖掘效率的提高以及冗余規(guī)則的減少。應(yīng)用該算法在FPGA代碼缺陷事務(wù)集上進行對比實驗,，實驗結(jié)果證明了該算法相比多維Apriori算法,，在搜索效率以及挖掘結(jié)果的準(zhǔn)確性方面均得到了改善，有效提高了FPGA代碼缺陷分析的準(zhǔn)確性,。

發(fā)表于：10/23/2023

基于云模型的變分自編碼器數(shù)據(jù)壓縮方法*[其他][醫(yī)療電子]

圖像數(shù)據(jù)解壓縮問題是一類重要的數(shù)據(jù)處理問題,，數(shù)據(jù)特征學(xué)習(xí)在數(shù)據(jù)壓縮研究中有重要的研究價值。提出了一種基于云模型的變分自編碼器特征表征模型,，將云模型作為變分自編碼器的先驗分布,，解決變分自編碼器在特征表征上的局限性。變分自編碼器的編碼器部分負(fù)責(zé)構(gòu)建數(shù)據(jù)的特征空間,，通過在該空間中采樣獲得隱變量,，完成數(shù)據(jù)壓縮；解碼器部分完成從數(shù)據(jù)特征到原數(shù)據(jù)的生成,，即數(shù)據(jù)的解壓,。在人臉數(shù)據(jù)集上與原方法作實驗對比，驗證了該方法的正確性和有效性,。

發(fā)表于：10/23/2023

基于EWT-ARIMA組合模型的銀杏液流預(yù)測與因子關(guān)聯(lián)分析*[其他][其他]

樹干液流速率由于受到外在環(huán)境因子與內(nèi)在生長機理的綜合作用,，往往呈現(xiàn)出非線性與高隨機的特點，單一的預(yù)測方法往往難以對其做出較為準(zhǔn)確的預(yù)測,。對此,，提出引入經(jīng)驗小波變換（EWT）方法，對非線性,、高隨機的銀杏液流數(shù)據(jù)進行分解,，得到兩組多分辨率分析分量，分別對分量采用統(tǒng)計模型ARIMA進行預(yù)測,。根據(jù)真實數(shù)據(jù)實驗結(jié)果驗證,，提出了EWT-ARIMA組合模型能夠較為準(zhǔn)確地預(yù)測樹干液流的變化趨勢，模型評價指標(biāo)MSE,、MAE,、MAPE、R2分別為11.05,、2.488,、0.1640、0.9599,，相較單一ARIMA模型各項評價指標(biāo)均有較大提升,。此外，還利用傳遞熵（EWT）,，無模型假設(shè)地對時滯內(nèi)環(huán)境因子與銀杏液流之間的因果關(guān)系進行了探討,。

發(fā)表于：10/23/2023

面向車聯(lián)網(wǎng)多播業(yè)務(wù)中斷概率約束的資源優(yōu)化研究[通信與網(wǎng)絡(luò)][汽車電子]

隨著汽車工業(yè)和通信技術(shù)的迅速發(fā)展,，獲取高質(zhì)量的交通信息在車輛緊急情況中至關(guān)重要。在車聯(lián)網(wǎng)中車輛的高速移動性會導(dǎo)致信息傳輸面臨中斷的風(fēng)險,，同時隨著車輛數(shù)目的增加，有限的頻譜資源為車聯(lián)網(wǎng)的功率分配帶來了挑戰(zhàn),。為了解決這一難題,，采用單頻網(wǎng)絡(luò)技術(shù)，通過資源分配策略來降低信干噪比的中斷概率,，最小化單頻網(wǎng)絡(luò)中每個路邊單元的傳輸功率,。該優(yōu)化問題被建模為馬爾可夫決策過程，并采用基于好奇心驅(qū)動的DQN（C-DQN）資源優(yōu)化算法來求解,。大量仿真結(jié)果表明,，該方案在滿足較低中斷概率的前提下最小化傳輸功率，所采用的算法與基準(zhǔn)算法相比,，在學(xué)習(xí)速度和穩(wěn)定性方面具有良好的性能,。

發(fā)表于：10/23/2023

一種高效的衛(wèi)星通信多模式身份認(rèn)證協(xié)議方案的設(shè)計方法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對現(xiàn)有星地協(xié)同認(rèn)證模式認(rèn)證時延高、地面認(rèn)證服務(wù)器受到攻擊易導(dǎo)致故障等問題,，創(chuàng)新性地提出一種可切換的高效多模式身份認(rèn)證方案,。該方案采用星上主用、地面?zhèn)溆玫恼J(rèn)證模式,，星上認(rèn)證模式下，可有效降低傳統(tǒng)星地認(rèn)證傳輸過程帶來的通信高時延,，實現(xiàn)在不依賴地面歸屬網(wǎng)絡(luò)的情況下快速認(rèn)證,；當(dāng)星上認(rèn)證模式不可使用時，可迅速切換地面認(rèn)證模式,，保證認(rèn)證過程穩(wěn)定可靠,，提高系統(tǒng)穩(wěn)定性和抗毀壞性。同時,，該方案采用哈希算法和對稱加密算法完成認(rèn)證核心運算,，有效減少認(rèn)證過程計算開銷，在提高衛(wèi)星通信設(shè)備接入效率和安全性方面具有較高的應(yīng)用價值,。

發(fā)表于：10/23/2023

基于改進OS-ELM的電子鼻在線氣體濃度檢測*[測試測量][消費電子]

電子鼻是一種仿生傳感系統(tǒng),，該設(shè)備能夠同時對多種氣體進行識別，因此應(yīng)用在許多領(lǐng)域當(dāng)中,。氣體濃度算法是電子鼻對氣體定量分析時的核心部分,，為了提高電子鼻濃度檢測算法精度，提出一種基于在線序列極限學(xué)習(xí)機（Online Sequential-Extreme Learning Machine,， OS-ELM）的預(yù)測模型,。該模型通過一維卷積神經(jīng)網(wǎng)絡(luò)（One Dimensional Convolutional Neural Network,， 1DCNN）提取特征，使用OS-ELM對氣體濃度進行預(yù)測,，并提出了一種改進的粒子群（Particle Swarm Optimization,， PSO）算法以克服OS-ELM需人工調(diào)整模型參數(shù)的問題。由理論分析,，改進的算法比傳統(tǒng)PSO算法有更強的搜索能力,。實驗結(jié)果表明，所提模型對氣體的預(yù)測精度上較傳統(tǒng)的預(yù)測模型具有更高的預(yù)測精度和泛化能力,。

發(fā)表于：10/23/2023

基于國產(chǎn)化云平臺的航天數(shù)據(jù)混合組播應(yīng)用技術(shù)[測試測量][航空航天]

構(gòu)建了一種基于云架構(gòu)的一體化計算機系統(tǒng),，系統(tǒng)國產(chǎn)化率100%。提出了基于國產(chǎn)化云平臺航天數(shù)據(jù)混合組播應(yīng)用技術(shù),，實現(xiàn)了操作系統(tǒng),、云平臺、虛擬機CPU資源三個層面技術(shù)優(yōu)化,，解決了國產(chǎn)操作系統(tǒng)及云平臺網(wǎng)絡(luò)資源虛擬化對數(shù)據(jù)組播的性能瓶頸問題,，提升了云平臺數(shù)據(jù)組播的性能。經(jīng)過實際測試,，提升后性能可滿足了航天任務(wù)中心業(yè)務(wù)使用需求,。

發(fā)表于：10/23/2023

H.265/HEVC熵解碼的分組并行流水線實現(xiàn)[模擬設(shè)計][工業(yè)自動化]

針對高效視頻編碼（H.265/HEVC）中CABAC熵解碼模塊的高資源消耗和數(shù)據(jù)依賴性，設(shè)計了一種多路并行的高效FPGA實現(xiàn)結(jié)構(gòu),。根據(jù)不同類型語法元素特性,，采用分組并行數(shù)據(jù)調(diào)度方法，減少數(shù)據(jù)處理等待時間和內(nèi)部存儲器訪問次數(shù),，同時利用流水線技術(shù)實現(xiàn)運算加速,。評估驗證結(jié)果表明，熵解碼模塊吞吐量可以達到1.64位元/時鐘周期,，滿足當(dāng)下超高清視頻實時解碼的要求,。

發(fā)表于：10/23/2023

一種應(yīng)用分段式電容陣列的20 MS/s 10-bit SAR ADC*[電子元件][工業(yè)自動化]

設(shè)計了一個10位分辨率，20 MS/s采樣率的逐次逼近型模擬數(shù)字轉(zhuǎn)換器（SAR ADC）,。該電路通過采用分段式電容陣列設(shè)計,，縮短了量化過程中高位電容翻轉(zhuǎn)后所需要的穩(wěn)定時間，從而提高了量化速度,。此外,，還提出了一種新穎、高效的比較器校準(zhǔn)方法,，以較低的成本實現(xiàn)了比較器失調(diào)電壓的抑制,。該ADC芯片基于180 nm CMOS工藝設(shè)計制造，核心面積為0.213 5 mm2,。實際測試結(jié)果表明,，在1.8 V電源電壓,、20 MS/s采樣頻率下，該ADC的信號噪聲失真比（SNDR）達到了58.24 dB,。

發(fā)表于：10/23/2023