999国产一区在线观看,国产精品美女久久久,99riAV国产精品一区

基于智能電網(wǎng)的頻譜感知算法研究[通信與網(wǎng)絡][智能電網(wǎng)]

寬帶微功率（Broadband Micro-Power， BMP）無線通信系統(tǒng)是為滿足智能配用電系統(tǒng)的通信需求，在非授權頻譜資源上研究開發(fā)的電力無線專網(wǎng)系統(tǒng)。認知無線電（Cognitive Radio， CR）的頻譜感知技術的引入，雖緩解了目前智能電網(wǎng)頻譜資源緊張的問題，但系統(tǒng)在低信噪比下單用戶的感知準確性仍需提高。針對上述問題，提出一種基于變步長的最小均方（Variable Step Size Least Mean Square， VSS-LMS）頻譜感知算法。該算法在對原始發(fā)送信號幅度進行迭代估計時，增加兩個參數(shù)作為調(diào)節(jié)器，可以靈活地調(diào)整步長，并對誤差信號進行平滑處理，從而解決收斂速度與穩(wěn)態(tài)誤差的矛盾，實現(xiàn)高效的頻譜感知。仿真實驗表明，該算法不僅具有較好的收斂性，且在低信噪比下仍有較好的檢測性能。與能量檢測算法和LMS頻譜感知算法相比，該算法使系統(tǒng)的頻譜檢測性能得到提升。

發(fā)表于：3/29/2023

基于NOMA的D2D用戶和蜂窩用戶通信方案[通信與網(wǎng)絡][通信網(wǎng)絡]

LTE網(wǎng)絡采用非正交多址來增強網(wǎng)絡容量，采用D2D來提高頻譜效率；讓D2D用戶使用非正交多址技術共享蜂窩用戶的頻譜資源可以緩解當下頻譜資源短缺的問題，但也會在D2D用戶和蜂窩用戶之間引入干擾。提出了一種基于非正交多址技術（Non-orthogonal Multiple Access，NOMA）的D2D用戶和蜂窩用戶的共享研究方案，對于蜂窩用戶和D2D用戶之間的干擾采用SIC技術消除。該方案不僅通過調(diào)整用戶的傳輸功率來優(yōu)化系統(tǒng)的吞吐量，而且提高了邊緣用戶的性能。仿真結果表明，基于NOMA的D2D用戶和蜂窩用戶之間的通信方案在性能上優(yōu)于傳統(tǒng)的蜂窩資源分配方案和干擾控制方案。

發(fā)表于：3/29/2023

風電場智能鑰匙安全管控系統(tǒng)的研發(fā)與應用[通信與網(wǎng)絡][信息安全]

風電場鎖具與鑰匙管理的信息化和智能化是進一步提升風電場運維管理水平的關鍵。設計出一種用于風電場的智能鑰匙安全管控架構；再結合提出的近距離無線通信抗干擾技術、密鑰加密、動態(tài)攻擊檢測技術，研發(fā)出了一套風電場智能鑰匙安全管控系統(tǒng)。系統(tǒng)能實現(xiàn)開閉鎖信息追溯、風險防控等功能，提升了風電場運維的網(wǎng)絡化、數(shù)字化、智能化水平。

發(fā)表于：3/29/2023

基于改進EO-BP神經(jīng)網(wǎng)絡的高壓線損預測[測試測量][智能電網(wǎng)]

針對高壓線損預測精度不高的問題，提出一種基于均衡優(yōu)化器（Equilibrium Optimizer，EO）和BP神經(jīng)網(wǎng)絡相結合的線損預測模型。首先，為了提高EO算法的尋優(yōu)能力，利用多種混沌映射關系初始化種群，使種群多樣性增加，全局搜索能力得到改善；同時，采用物競天擇概率跳脫策略改進EO算法，使模型依概率跳出局部最優(yōu)而收斂于全局最優(yōu)解。其次，采用改進的EO算法對BP神經(jīng)網(wǎng)絡的權值和偏置進行優(yōu)化，進而改善BP神經(jīng)網(wǎng)絡的預測效果。最后，實驗結果證明，所提線損預測模型相對于回歸模型、BP神經(jīng)網(wǎng)絡模型、模擬退火算法優(yōu)化BP神經(jīng)網(wǎng)絡模型和EO優(yōu)化BP神經(jīng)網(wǎng)絡模型具有更高的預測精度。

發(fā)表于：3/29/2023

一種片外電容交叉充放電型振蕩電路設計[模擬設計][工業(yè)自動化]

CMOS環(huán)形振蕩器具有版圖面積小、調(diào)諧范圍大、電路簡單便于集成等優(yōu)點，廣泛應用于各類電源系統(tǒng)及電子通信應用中。在常規(guī)的環(huán)形振蕩電路基礎上，設計了獨立的充放電控制通路，實現(xiàn)了一種交叉充放電型環(huán)形振蕩電路，并通過外接片外電容的方式，得到更低頻率的振蕩周期。基于0.18 μm工藝，采用HSIM工具對電路進行功能仿真，經(jīng)過后端物理實現(xiàn)后，版圖面積為172 μm×76 μm，對電路進行提參后仿，結果表明：在3.3 V電壓及25 ℃條件下，外接10 nF接地電容時，電路獲得約1.2 ms的穩(wěn)定振蕩周期。在Vcc=2.7 V~5.5 V、T=-55 ℃~125 ℃條件下，時鐘周期的最大偏移為5.83%。該電路已成功應用于某電源控制芯片中。

發(fā)表于：3/29/2023

基于PCIE轉(zhuǎn)SATA多通道高速存儲電路設計與原型驗證[模擬設計][工業(yè)自動化]

針對傳統(tǒng)SATA控制器接口單一且無法充分發(fā)揮固態(tài)盤性能的問題，設計了一款基于PCIE轉(zhuǎn)SATA多通道高速存儲電路。充分利用PCIE總線高帶寬低延時特性，并遵循AHCI協(xié)議，大幅縮短硬盤無用的尋道次數(shù)和數(shù)據(jù)查找時間，提高固態(tài)盤的讀寫性能，同時本設計可支持4路SATA通道，具有良好的可拓展性。設計結合PCIE和SATA協(xié)議特點，介紹了PCIE轉(zhuǎn)SATA高速存儲電路的系統(tǒng)架構，詳細闡述了基于AHCI協(xié)議的數(shù)據(jù)流傳輸過程。最后基于FPGA原型驗證對電路進行測試，電路的單盤讀寫速率分別為562 MB/s和527 MB /s，相比傳統(tǒng)SATA控制器的讀寫性能具有較大提升，測試結果表明設計的PCIE轉(zhuǎn)SATA高速存儲電路讀寫性能優(yōu)異，且具備良好的穩(wěn)定性和可拓展性。

發(fā)表于：3/29/2023

敏捷和智能制造開創(chuàng)工業(yè)4.0的未來[人工智能][工業(yè)自動化]

　　近來有關工業(yè)4.0的談論十分熱烈，這一術語用于描述制造業(yè)領域興起的數(shù)字化、自動化和互連計算智能的趨勢。隨著工業(yè)4.0的發(fā)展，圍繞云計算、物聯(lián)網(wǎng)、安全互連以及AI等技術的價值和功能日益凸顯，有望帶來更加智能、穩(wěn)定和高效的制造。

發(fā)表于：3/29/2023

利用軟件可配置I/O應對工業(yè)4.0挑戰(zhàn)[電源技術][物聯(lián)網(wǎng)]

　　本文介紹一種軟件可配置輸入/輸出（I/O）器件及其專用隔離電源和數(shù)據(jù)解決方案，該解決方案有助于應對傳統(tǒng)模擬信號與工業(yè)以太網(wǎng)的橋接挑戰(zhàn)。本文闡明了軟件可配置I/O器件固有的通道靈活性、故障檢測和診斷功能方面的優(yōu)勢。本文還給出了系統(tǒng)級評估結果，展示了系統(tǒng)解決方案的整體優(yōu)勢，包括系統(tǒng)穩(wěn)健性和功耗。

發(fā)表于：3/29/2023

一種快速瞬態(tài)響應片上LDO電路[電子元件][工業(yè)自動化]

基于雙有源反饋米勒補償結構設計了一種單極點系統(tǒng)的無電容片上低壓差線性穩(wěn)壓器，該線性穩(wěn)壓器中誤差放大器采用全差分結構，兩個并聯(lián)的前饋通路可在提升電路瞬態(tài)響應性能的同時額外在功率管柵端構成推挽驅(qū)動級，最終電路在輕重載時具有對稱的瞬態(tài)響應特性?；赥SMC 0.18µm BCD工藝仿真結果表明，在2 V~4 V電源電壓下，輸入輸出最小壓差為200 mV，最大負載電流為120 mA，瞬態(tài)響應恢復時間≤0.7 µs，相位裕度≥60°。

發(fā)表于：3/28/2023

基于YOLOX融合自注意力機制的FSA-FPN重構方法[人工智能][其他]

隨著目前目標檢測任務輸入圖像分辨率的不斷增大，在特征提取網(wǎng)絡的感受野不變的情況下，網(wǎng)絡提取的特征信息會越來越局限，相鄰特征點之間的信息重合度也會越來越高。提出一種FSA（Fusion Self-Attention）-FPN，設計SAU（Self-Attention Upsample）模塊，SAU內(nèi)部結構通過CNN與自注意力機制（Self-Attention）進行交叉計算以進一步進行特征融合，并通過重構FCU（Feature Coupling Unit）消除二者之間的特征錯位，彌補語義差距。以YOLOX-Darknet53為主干網(wǎng)絡，在Pascal VOC2007數(shù)據(jù)集上進行了對比實驗。實驗結果表明，對比原網(wǎng)絡的FPN，替換FSA-FPN后的平均精度值mAP@［.5：.95］提升了1.5%，預測框的位置也更為精準，在需要更高精度的檢測場景下有更為出色的使用價值。

發(fā)表于：3/28/2023

基于深度學習的變壓器故障信號識別算法[人工智能][其他]

針對變壓器結構復雜、維護成本高等特點，提出一種基于深度學習的變壓器故障信號識別算法。首先分析變壓器工作狀態(tài)下的聲紋信號并進行二維圖像信號的轉(zhuǎn)換，利用VGG16神經(jīng)網(wǎng)絡在圖像中的優(yōu)勢，并在此基礎上提出一種MCA注意力機制，該注意力機制能夠同時保留背景信息和細節(jié)信息；其次對VGG16中的最大池化下采樣進行優(yōu)化，采用一種軟池化的采樣方法，減少圖像中最大池化下采樣帶來的特征損失；最后為避免過擬合現(xiàn)象的發(fā)生，將VGG16頂層結構中的激活函數(shù)進行優(yōu)化，引用可以自歸一化的SELU激活函數(shù)。實驗證明，廣義S變換是將一維時域信號轉(zhuǎn)換為二維圖像信號的最佳選擇，所提算法對于6類故障信號的平均識別率達到99.15%。

發(fā)表于：3/28/2023

一種深度神經(jīng)網(wǎng)絡的分布式訓練方法[人工智能][數(shù)據(jù)中心]

深度神經(jīng)網(wǎng)絡在高維數(shù)據(jù)的分類和預測中取得了巨大成功。訓練深度神經(jīng)網(wǎng)絡是數(shù)據(jù)密集型的任務，需從多個數(shù)據(jù)源收集大規(guī)模的數(shù)據(jù)。這些數(shù)據(jù)中通常包含敏感信息時，使得深度神經(jīng)網(wǎng)絡的訓練過程容易泄露數(shù)據(jù)隱私。針對訓練過程中的數(shù)據(jù)隱私和通信代價問題，提出了一種深度神經(jīng)網(wǎng)絡的分布式訓練方法，允許基于多個數(shù)據(jù)源共同訓練深度神經(jīng)網(wǎng)絡。首先，提出了分布式訓練架構，由1個計算中心和多個代理組成。其次，提出了基于多代理的分布式訓練算法，允許代理在數(shù)據(jù)不出本地和減少通信代價的情況下，通過切割深度神經(jīng)網(wǎng)絡，實現(xiàn)分布式地共同訓練模型。然后，分析了算法的正確性。最后，實驗結果表明該方法是有效的。

發(fā)表于：3/28/2023

計算機文本分析算法發(fā)展綜述[其他][其他]

計算機文本分析是自然語言處理領域的一個重要分支，是研究如何在文本數(shù)據(jù)中提取出給定語料的各類信息的計算機技術。目前，計算機文本分析已經(jīng)進入了新的歷史階段，一方面關鍵詞提取算法已經(jīng)逐漸完備，另一方面隨著BERT方法的出現(xiàn)，詞向量計算問題也取得了極大的進步。但是，無論是關鍵詞提取還是詞向量計算都仍存在一些有待解決的問題。另外，現(xiàn)有的許多適合使用文本分析的研究仍在使用早期的文本分析方法。因此在未來，如何更好地降低模型尺寸以促進學科融合、提升文本分析的綜合社會效益，成為文本分析算法發(fā)展的重要問題。

發(fā)表于：3/28/2023

基于RISC-V的多路光電容積脈搏波監(jiān)測系統(tǒng)[測試測量][醫(yī)療電子]

針對光電容積脈搏波（Photoplethysmographic，PPG），基于RISC-V內(nèi)核設計了一款多通道、實時PPG監(jiān)測系統(tǒng)。該系統(tǒng)使用RISC-V架構的E203 IP作為低功耗內(nèi)核，通過ICB總線掛接模擬前端和藍牙控制模塊。AFE4400模擬前端控制模塊控制背靠背LED實現(xiàn)兩路PPG信號采集，復用該模塊分時處理來實現(xiàn)多路采集。藍牙控制模塊掛接到E203實現(xiàn)了通過藍牙外設下達系統(tǒng)控制指令，之后上傳PPG波至終端。該系統(tǒng)通過FPGA驗證了22位雙通道PPG信號物聯(lián)網(wǎng)終端應用。

發(fā)表于：3/28/2023

基于圖形化彈性基底的細胞牽引力測量研究[其他][醫(yī)療電子]

細胞牽引力顯微鏡方法是測量細胞牽引力的主流工具之一，該方法一般使用熒光微珠作為標志點，通過測量細胞牽引力作用下熒光微珠的位移場，反演得出細胞牽引力場。由于熒光微珠在基底分布的深度不可控，但計算時候默認所有微珠分布在基底表面，一定程度上降低了細胞牽引力場的計算精度。針對熒光微珠深度不可控的問題，提出在彈性基底表面加工圖形陣列作為基底變形標志點，開展細胞牽引力測量的方法。在聚二甲基硅氧烷基底表面設計直徑3 μm，高度0.8 μm的凸臺陣列作為基底位移標志點。使用有限元仿真軟件在圖形化基底表面不同位置施加外力，仿真得到凸臺陣列的位移場，利用牽引力反演算法計算得到力場，與仿真過程中輸入的外力場相比較，結果一致。使用乳鼠心肌細胞在設計加工的圖形化彈性基底上開展了牽引力測量實驗，并計算得出牽引力場。仿真和實驗均表明圖形化彈性基底適用于細胞牽引力的測量，為心肌相關疾病病理研究提供了新的研究手段。

發(fā)表于：3/28/2023