国产精品v欧美精品v曰本精品,久久精品国产欧美成人

基于ADS的微系統(tǒng)電源完整性仿真及優(yōu)化[電源技術(shù)][工業(yè)自動(dòng)化]

隨著芯片制造技術(shù)和封裝技術(shù)的發(fā)展，電子產(chǎn)品內(nèi)部的器件集成度和信號(hào)速度在持續(xù)提高,，微系統(tǒng)成為一種新興的形式,，這導(dǎo)致了對(duì)電源完整性的要求不斷提高。不合理的電源完整性設(shè)計(jì)將會(huì)給電源質(zhì)量和信號(hào)質(zhì)量帶來極大的干擾,，甚至?xí)瓜到y(tǒng)崩潰,。針對(duì)所設(shè)計(jì)的多芯片微系統(tǒng)設(shè)計(jì)進(jìn)行了電源完整性的仿真，并利用基板,、PCB去耦電容網(wǎng)絡(luò)協(xié)同去耦的方式對(duì)電源分配網(wǎng)絡(luò)阻抗進(jìn)行了優(yōu)化,，解決了微系統(tǒng)內(nèi)部的空間有限與去耦電容需求量大的矛盾，保證了微系統(tǒng)的電源完整性,。

發(fā)表于：5/27/2024 3:28:06 PM

基于FPGA的視頻圖像去霧算法的優(yōu)化與實(shí)現(xiàn)[嵌入式技術(shù)][工業(yè)自動(dòng)化]

在惡劣天氣條件下采集的圖像存在對(duì)比度差,、清晰度下降等問題。圖像質(zhì)量的惡化制約著計(jì)算機(jī)視覺的準(zhǔn)確性和自動(dòng)化任務(wù)的效率,。給出了一種基于限制對(duì)比度自適應(yīng)直方圖均衡（Contrast Limited Adaptive Histogram Equalization,， CLAHE）與改進(jìn)多尺度Retinex （Multi-Scale retinex，MSR）的圖像去霧算法,。該算法將輸入的含霧降質(zhì)圖像先經(jīng)過CLAHE算法處理,，再用MSR算法處理，對(duì)圖像MSR算法處理時(shí),，引入Gamma校正因子估計(jì)入射光,，并對(duì)算法中的環(huán)繞函數(shù)進(jìn)行優(yōu)化。結(jié)果表明,，所提出算法處理后的圖像相比原圖,，圖像的信息熵、平均梯度和標(biāo)準(zhǔn)差等方面均有提升,；并設(shè)計(jì)硬件電路,，成功在FPGA上演示了視頻實(shí)時(shí)去霧,，提高了視頻圖像去霧的實(shí)時(shí)性。對(duì)板級(jí)資源與功能消耗進(jìn)行了數(shù)字化的分析,，證明所設(shè)計(jì)硬件系統(tǒng)屬于低功耗范疇,。

發(fā)表于：5/27/2024 3:28:00 PM

應(yīng)用于收發(fā)鏈路多模塊級(jí)聯(lián)的優(yōu)化設(shè)計(jì)方法[微波|射頻][通信網(wǎng)絡(luò)]

為解決波束賦形芯片中子電路模塊由于寄生效應(yīng)而導(dǎo)致的級(jí)聯(lián)失配問題提出了一種優(yōu)化設(shè)計(jì)方法。該設(shè)計(jì)方法通過主動(dòng)引入相鄰器件阻抗?fàn)恳?yīng),，并使其與級(jí)聯(lián)阻抗失配相抵消從而實(shí)現(xiàn)阻抗“預(yù)失配”的設(shè)計(jì)方案,。對(duì)“預(yù)失配”的技術(shù)原理以及設(shè)計(jì)流程進(jìn)行了簡(jiǎn)要分析，并通過加工一款采用優(yōu)化設(shè)計(jì)方案的4通道X/Ku波段的射頻收發(fā)芯片,，驗(yàn)證了該設(shè)計(jì)方案的可實(shí)現(xiàn)性與有效性,。在8 GHz~18 GHz頻帶范圍內(nèi)，該芯片與基于端口駐波設(shè)計(jì)體系的原芯片相比,，收發(fā)鏈路增益分別為6.5 dB和14 dB,，提升了超過2 dB。發(fā)射鏈路輸出功率21 dBm,，發(fā)射效率為15.7%,，分別提升了1 dB和9%。接收鏈路噪聲系數(shù)為8.72 dB,，降低了1.2 dB,。收發(fā)鏈路最大移相均方根誤差為5.12°和5.25°，分別下降了3.17°和1.75°,。

發(fā)表于：5/27/2024 3:28:00 PM

一種改進(jìn)的基于Mask R-CNN的玉米大斑病實(shí)例分割算法[人工智能][其他]

玉米作為我國(guó)主糧作物,，其生產(chǎn)常受大斑病、小斑病,、銹病等病害及蟲害影響,，導(dǎo)致其產(chǎn)量與品質(zhì)下降,，威脅農(nóng)業(yè)生產(chǎn)安全,。近年來，視覺檢測(cè)技術(shù)因其高準(zhǔn)確性已成為病害防控的重要工具,。以Mask R-CNN為基礎(chǔ)框架,，通過融入DyHead、Groie和OHEM模塊進(jìn)行優(yōu)化,，旨在提升對(duì)細(xì)微病灶圖像的分割效能,。改良后的模型在病害圖像分割任務(wù)上展現(xiàn)出卓越性能，平均精度（mAP）提升4%,，尤其在小目標(biāo)分割上準(zhǔn)確率提高8.5%,，相較于YOLOv5、YOLACT++等同類模型優(yōu)勢(shì)顯著,。通過消融實(shí)驗(yàn)驗(yàn)證了各新增模塊的有效性,，證實(shí)該模型為精準(zhǔn)檢測(cè)玉米大斑病提供了有力的技術(shù)支持與理論依據(jù),。

發(fā)表于：5/27/2024 3:28:00 PM

基于先進(jìn)CMOS工藝的多通道Gbps LVDS接收器[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

在SIP（System In a Package）系統(tǒng)中集成具有LVDS（Low-Voltage Differential Signal）接口的多通道高速模數(shù)轉(zhuǎn)換器（Analog-to-Digital Converter，ADC）時(shí),，面臨不同LVDS輸出通道延時(shí)不同所導(dǎo)致的數(shù)據(jù)采集錯(cuò)誤的問題,，為此設(shè)計(jì)了一個(gè)多通道自適應(yīng)LVDS接收器。通過采用數(shù)據(jù)時(shí)鐘恢復(fù)技術(shù)產(chǎn)生一個(gè)多相位的采樣時(shí)鐘,，并結(jié)合ADC的測(cè)試模式來確認(rèn)每一個(gè)通道的采樣相位,，能夠自動(dòng)對(duì)每一個(gè)通道的延時(shí)分別進(jìn)行調(diào)整，以達(dá)到對(duì)齊各通道采樣相位點(diǎn),，保證數(shù)據(jù)正確采集的目的,。最后，基于先進(jìn)CMOS工藝進(jìn)行了接收器的設(shè)計(jì),、仿真,、后端設(shè)計(jì)實(shí)現(xiàn)和流片測(cè)試，仿真和流片后的板級(jí)測(cè)試結(jié)果均表明該接收器能夠?qū)νǖ姥舆t進(jìn)行自動(dòng)調(diào)節(jié)以對(duì)齊采樣相位,，且最大的采樣相位調(diào)節(jié)范圍為±3 bit,，信噪比大于65 dB，滿足了設(shè)計(jì)要求和應(yīng)用需求,。

發(fā)表于：5/27/2024 3:28:00 PM

基于智能合約的農(nóng)業(yè)供應(yīng)鏈溯源技術(shù)研究[模擬設(shè)計(jì)][其他]

食品安全和污染風(fēng)險(xiǎn)相關(guān)的問題越來越多,，迫切需要高效的追溯解決方案。通過溯源可以高效追溯食品的源頭,，并且進(jìn)行追責(zé),，從而提高食品安全。為此設(shè)計(jì)了一個(gè)基于以太坊智能合約的農(nóng)業(yè)供應(yīng)鏈溯源機(jī)制,，該機(jī)制通過引入NFT技術(shù),，優(yōu)化了區(qū)塊鏈農(nóng)產(chǎn)品溯源過程。實(shí)驗(yàn)結(jié)果表明,，所提出的供應(yīng)鏈框架在成本效益,、溯源效率方面優(yōu)于現(xiàn)有的區(qū)塊鏈溯源基準(zhǔn)技術(shù)。

發(fā)表于：5/27/2024 3:28:00 PM

基于深度學(xué)習(xí)的互聯(lián)網(wǎng)接收機(jī)中特定信號(hào)識(shí)別[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

隨著軟件無線電技術(shù)和互聯(lián)網(wǎng)技術(shù)的發(fā)展,，有大量的互聯(lián)網(wǎng)接收機(jī)接入互聯(lián)網(wǎng),，并可任意訪問其頻譜瀑布圖數(shù)據(jù)。頻譜瀑布圖是信號(hào)頻域和時(shí)域特性的一種展示方式,，將不同頻率的信號(hào)以圖像的方式直觀地進(jìn)行展示,，為了更好地監(jiān)測(cè)到頻譜瀑布圖中的特定信號(hào)，需要對(duì)頻譜瀑布圖中的特定信號(hào)進(jìn)行智能識(shí)別,。通過深度學(xué)習(xí)技術(shù)實(shí)現(xiàn)了對(duì)頻譜瀑布圖中特定信號(hào)識(shí)別,，在信噪比大于5 dB時(shí)，識(shí)別準(zhǔn)確率大于90%,。

發(fā)表于：5/27/2024 3:28:00 PM

惡意代碼可視化分類研究[通信與網(wǎng)絡(luò)][信息安全]

新型惡意代碼設(shè)計(jì)變得日益復(fù)雜,，傳統(tǒng)的識(shí)別并檢測(cè)方法已經(jīng)滿足不了當(dāng)前的需求,。因此，在對(duì)BODMAS數(shù)據(jù)集分析的基礎(chǔ)上,，將其進(jìn)行可視化處理并進(jìn)行分類,。同時(shí)考慮到現(xiàn)有惡意代碼可視化分類模型主要依賴全局特征，在卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上設(shè)計(jì)了一個(gè)CA（通道級(jí)局部特征關(guān)注）模塊和一個(gè)MA（多尺度局部特征關(guān)注）模塊,，構(gòu)建了兩個(gè)新模型,，巧妙地結(jié)合全局與局部特征。在BODMAS數(shù)據(jù)集上,，新模型在惡意代碼種類識(shí)別并分類平均準(zhǔn)確率相比于BODMAS數(shù)據(jù)集論文描述的方法得到了提高,，證明了數(shù)據(jù)集可視化可行性和新模型的有效性，為未來研究提供了重要的數(shù)據(jù)和實(shí)驗(yàn)基礎(chǔ),。

發(fā)表于：5/27/2024 3:28:00 PM

硅基三維異構(gòu)集成射頻微系統(tǒng)的多物理場(chǎng)耦合仿真與設(shè)計(jì)[微波|射頻][通信網(wǎng)絡(luò)]

利用硅基三維異構(gòu)集成工藝設(shè)計(jì)一款射頻微系統(tǒng),，以滿足設(shè)備對(duì)射頻模組高性能、小型化的需求,。為了在設(shè)計(jì)初期充分評(píng)估該微系統(tǒng)的潛在可靠性風(fēng)險(xiǎn),，根據(jù)工藝特征以及產(chǎn)品在多物理場(chǎng)中的耦合現(xiàn)象，建立一種面向硅基三維異構(gòu)集成工藝射頻微系統(tǒng)的多物理場(chǎng)一體化仿真流程,，逐一分析所涉及的電-熱耦合和熱-力耦合過程,，預(yù)判產(chǎn)品在工作條件下的熱學(xué)和力學(xué)特性，為設(shè)計(jì)環(huán)節(jié)提供針對(duì)性的指導(dǎo),，預(yù)先規(guī)避可靠性風(fēng)險(xiǎn),，從而有效提高一次性設(shè)計(jì)成功率。

發(fā)表于：5/27/2024 3:28:00 PM

論數(shù)字化“智力成果”保護(hù)向著作權(quán)法回歸的正當(dāng)性——以人工智能生成內(nèi)容的保護(hù)路徑選擇為例[其他][信息安全]

現(xiàn)階段數(shù)字化“智力成果”不斷涌現(xiàn),，但著作權(quán)保護(hù)之正當(dāng)性卻遭遇了前所未有的挑戰(zhàn),。以人工智能生成內(nèi)容為例，無論是在保護(hù)對(duì)象上,、權(quán)利主體上還是受控行為上都因?yàn)榧夹g(shù)的強(qiáng)勢(shì)介入而產(chǎn)生認(rèn)定難題,，進(jìn)而產(chǎn)生了適用反不正當(dāng)競(jìng)爭(zhēng)法進(jìn)行保護(hù)的傾向。但事實(shí)上,，適用反不正當(dāng)競(jìng)爭(zhēng)法不僅無法達(dá)到預(yù)期效果,，反而會(huì)因抵觸著作權(quán)法而增加社會(huì)成本。經(jīng)過進(jìn)一步分析,，可以發(fā)現(xiàn)人工智能生成內(nèi)容等數(shù)字化“智力成果”之上存在創(chuàng)作模式、技術(shù)身份和使用行為性質(zhì)的認(rèn)識(shí)誤區(qū),。當(dāng)相關(guān)誤區(qū)被糾正后,，著作權(quán)法完全有能力對(duì)數(shù)字化“智力成果”提供充分保護(hù)并且實(shí)現(xiàn)作者利益與公眾利益之間的平衡。因此,，正確的做法是在外部明確著作權(quán)法,、反不正當(dāng)競(jìng)爭(zhēng)法和公共領(lǐng)域的界限,，在內(nèi)部利用著作權(quán)法高效的利益平衡機(jī)制尋找適合數(shù)字化“智力成果”的保護(hù)模式。

發(fā)表于：5/7/2024 1:00:00 PM