另类内射国产在线,国产亚洲熟妇综合图片,一区二区视频

基于量子傅里葉變換算法的量子乘法器[其他][其他]

乘法運算是許多量子算法中的基本運算之一。為了實現(xiàn)量子乘法運算并且盡可能少地使用輔助量子比特，提出了一種基于量子傅里葉變換算法的量子乘法器。在量子傅里葉加法電路基礎(chǔ)上，設(shè)計了量子移位電路，并實現(xiàn)了兩個n位二進制無符號數(shù)相乘的量子電路，其時間復雜度為O(n3)。使用IBM提供的開源量子計算工具包Qiskit分別驗證了兩個2位二進制數(shù)相乘，以及一個2位二進制數(shù)與另一個4位二進制數(shù)進行量子乘法運算的正確性。實驗結(jié)果表明，所設(shè)計的量子乘法器使用較少的量子比特數(shù)目實現(xiàn)了較高的準確率和較低的計算復雜度。該量子乘法器代碼已開源。

發(fā)表于：3/7/2022

GPS拒止條件下的景象匹配導航方法研究[其他][其他]

提出了一種在GPS拒止條件下使用視覺詞袋輔助航空景象匹配導航的方法。在景象匹配導航任務(wù)中，基準地圖比空中探測的圖像具有更大的覆蓋范圍，當基準地圖有大量相似或重復紋理特征出現(xiàn)時，僅依靠特征匹配難以得出正確的對應關(guān)系。首先對基準衛(wèi)星影像地圖進行區(qū)塊劃片，并利用視覺詞袋技術(shù)對每一片區(qū)塊進行編碼，利用統(tǒng)計特性計算局部區(qū)塊特征矢量，即區(qū)塊特征直方圖；然后，對空中探測圖像使用同一詞袋進行編碼，用于從大量候選區(qū)塊中篩選出初始對應區(qū)塊；最后，使用尺度不變特征進行精配準并計算飛行器相對位置。實驗使用了直升機拍攝的空中影像與高清衛(wèi)星影像中提取的基準地圖進行實驗分析，并與先進技術(shù)進行比較，結(jié)果表明該方法具有良好的匹配可靠性和配準精度，能夠在GPS拒止條件下為基于景象匹配的航空飛行器定位需求提供支持。

發(fā)表于：3/7/2022

基于Hi3559的多路HD-SDI視頻傳輸系統(tǒng)[其他][其他]

為了在工業(yè)現(xiàn)場和安防監(jiān)控領(lǐng)域更好地利用Hi3559強大的視頻圖像處理能力實現(xiàn)高清視頻的遠距離傳輸和智能算法，采用Hi3559+FPGA硬件架構(gòu)，通過高清數(shù)字接口(High Definition Digital Interface，HD-SDI)視頻均衡器利用同軸線纜傳輸方式，設(shè)計實現(xiàn)了多路1080P的高清視頻傳輸系統(tǒng)。該設(shè)計系統(tǒng)方案主要是解決了Hi3559雖然支持多種Sensor視頻接口，但是沒有可以直接支持多路HD-SDI攝像頭的輸入方式和設(shè)計方案。該系統(tǒng)利用Hi3559實現(xiàn)了8路HD-SDI視頻圖像的采集、傳輸、處理、以及全景顯示。相比海思常見的相機串行接口(Camera Serial Interface，CSI)傳輸方案，采用HD-SDI傳輸距離更遠，理論可達200 m。通過測試和驗證，該設(shè)計方案可行，傳輸距離遠，工作穩(wěn)定可靠，對于多路HD-SDI視頻的采集傳輸和全景顯示等方向具有較高的推廣和應用價值。

發(fā)表于：3/7/2022

面向缺失數(shù)據(jù)的布魯姆近似成員查詢算法[其他][其他]

隨著網(wǎng)絡(luò)的發(fā)展，越來越多的場景需要在不完整數(shù)據(jù)下進行近似成員查詢，傳統(tǒng)成員查詢的布魯姆過濾器不能滿足上述要求。提出面向缺失數(shù)據(jù)的布魯姆近似查詢算法，先對高維不完整數(shù)據(jù)的缺失部分進行預填充，通過PCA算法，將高維數(shù)據(jù)轉(zhuǎn)換到低維數(shù)據(jù)，使用局部敏感哈希函數(shù)與標準哈希函數(shù)結(jié)合的方式將低維數(shù)據(jù)存儲到布魯姆過濾器中。使用兩個真實數(shù)據(jù)集驗證了所提算法的功能，所提面向缺失數(shù)據(jù)的布魯姆近似查詢算法，能有效地解決存在缺失數(shù)據(jù)的近似成員查詢問題。

發(fā)表于：3/7/2022

基于數(shù)據(jù)中臺的智能標簽關(guān)鍵技術(shù)研究與應用[其他][其他]

隨著數(shù)字化轉(zhuǎn)型浪潮的來臨，標簽在企業(yè)生產(chǎn)中的作用越發(fā)重要，但在日益增長的業(yè)務(wù)需求中，傳統(tǒng)標簽構(gòu)建方法暴露出了諸多問題。介紹了基于數(shù)據(jù)中臺建設(shè)智能標簽的研究和設(shè)計方法，包括對現(xiàn)存問題的描述、智能標簽的設(shè)計及智能標簽的展望?；跀?shù)據(jù)中臺所帶來的優(yōu)勢，設(shè)計構(gòu)建智能標簽的建設(shè)方案，能為企業(yè)建設(shè)智能標簽及數(shù)字化轉(zhuǎn)型提供相應思路。

發(fā)表于：3/7/2022

基于多主體博弈的配電網(wǎng)多時間尺度源荷智能調(diào)度方法[其他][其他]

考慮到用戶需求在一定程度上會影響配電網(wǎng)多時間尺度源荷智能調(diào)度效果，為此，提出了基于多主體博弈的配電網(wǎng)多時間尺度源荷智能調(diào)度方法。由于配電網(wǎng)在運行過程中電能負荷的波動性，分析了配電網(wǎng)多時間尺度源荷變化情景，通過短時間的交互作用，緩解配電網(wǎng)運行的壓力，分析了配電網(wǎng)的源荷特性；在考慮差異值變化的前提下，基于多主體博弈建立以最低運行成本為目標的配電網(wǎng)源荷智能優(yōu)化目標函數(shù)；根據(jù)配電網(wǎng)日前調(diào)度模型、配電網(wǎng)日內(nèi)2 h調(diào)度模型和配電網(wǎng)日內(nèi)15 min調(diào)度模型，構(gòu)建了配電網(wǎng)多時間尺度源荷調(diào)度模型，實現(xiàn)了配電網(wǎng)多時間尺度源荷調(diào)度。實驗結(jié)果表明，所提方法在不同策略和場景下都具有更好的調(diào)度效果，適合廣泛推廣使用。

發(fā)表于：3/7/2022

基于負載預測的車聯(lián)網(wǎng)信道擁塞控制策略[通信與網(wǎng)絡(luò)][汽車電子]

在車聯(lián)網(wǎng)中，過高的車輛密度會造成信道擁塞，信道擁塞的發(fā)生會嚴重影響協(xié)同車輛安全系統(tǒng)的性能。針對此問題，設(shè)計實現(xiàn)了一種基于車聯(lián)網(wǎng)信道負載預測的擁塞控制策略(Congestion Control Strategy based on Channel Load Prediction，C2SLP)。該策略分為3個模塊，首先使用載波偵聽多址訪問協(xié)議中的檢測功能獲取信道閑忙狀態(tài)進行負載評估，然后將所得結(jié)果代入自回歸移動平均模型(Auto Regressive Integrated Moving Average，ARIMA)對下一時刻的信道負載值進行預測，最后將所得負載預測值與預設(shè)的標準值進行比較，根據(jù)對比結(jié)果使用功率控制算法調(diào)整傳輸功率，實現(xiàn)提前避免信道擁塞。仿真實驗結(jié)果表明，C2SLP將信道占有率穩(wěn)定在0.6左右，傳輸時延穩(wěn)定在30 ms左右，明顯優(yōu)于UBRCC算法，C2SLP在控制信道擁塞的同時有效減少傳輸時延，確保數(shù)據(jù)包可靠發(fā)送，滿足車輛安全應用需求。

發(fā)表于：3/7/2022

基于時空卷積神經(jīng)網(wǎng)絡(luò)的智能電表故障預測[其他][其他]

針對智能電表故障具有的突發(fā)性、復雜性以及多面性等特點，提出一種基于時空卷積神經(jīng)網(wǎng)絡(luò)(ST-CNN)的故障預測方法。該方法首先采用滑動窗口將時間信息融入特征變量中，構(gòu)建具有時空特性的輸入矩陣，然后與CNN相結(jié)合，建立智能電表故障預測模型，并采用Adam算法對模型參數(shù)進行優(yōu)化。最后應用現(xiàn)場的實際數(shù)據(jù)對基于ST-CNN的智能電表故障預測模型進行仿真，結(jié)果表明該方法預測精度高，泛化能力強。

發(fā)表于：3/7/2022

基于CCTV視頻監(jiān)控系統(tǒng)整合技術(shù)研究與設(shè)計[模擬設(shè)計][工業(yè)自動化]

CCTV視頻監(jiān)控系統(tǒng)是自動化程度較高海洋鉆井中較常使用的重要設(shè)備之一，對保障鉆井生產(chǎn)起到了重要作用。在鉆井平臺配置中多為監(jiān)控甲板和鉆井區(qū)域，對于JU2000E型鉆井平臺，其配備了雙系統(tǒng)監(jiān)控設(shè)備，但兩個系統(tǒng)之間無融合。為此，從平臺使用實際、成本控制及組網(wǎng)便利性出發(fā)，對實現(xiàn)平臺級CCTV系統(tǒng)整合的方案及多平臺構(gòu)建集中遠傳監(jiān)控的可能性進行了探討。

發(fā)表于：3/7/2022

一款基于開關(guān)電容的倍壓器研究與設(shè)計[其他][其他]

基于開關(guān)電容的倍壓器又稱為電荷泵，設(shè)計將電荷泵集成到一顆芯片中。該芯片能夠在4 V至20 V的輸入范圍內(nèi)工作，并提供7 V至38 V的輸出，提供超過10 mA的輸出電流。電路采用電荷泵結(jié)構(gòu)實現(xiàn)倍壓，該電路的特點是無需電感，就可實現(xiàn)對輸入電壓的倍增，消除了電磁干擾的影響?？蛰d情況下電源電流最大不超過12 mA。另外該電路采用雙極型工藝制造，不易發(fā)生閂鎖。

發(fā)表于：3/7/2022

10-16位旋變數(shù)字轉(zhuǎn)換器中Sigma-Delta調(diào)制器設(shè)計[其他][其他]

設(shè)計了一種應用于10-16位旋變數(shù)字轉(zhuǎn)換器的Sigma-Delta調(diào)制器，調(diào)制器為二階結(jié)構(gòu)，在此基礎(chǔ)上增加了斬波調(diào)制器電路祛除閃爍噪聲，通過積分器的電荷比例改善運放的動態(tài)范圍，并利用Cadence仿真軟件中的Spectre工具對調(diào)制器進行VerilogA建模，并對其性能進行仿真，此外，利用仿真軟件MATLAB軟件對調(diào)制器進行FFT頻譜分析，并比較兩者之間的仿真結(jié)果，根據(jù)仿真結(jié)果顯示，該調(diào)制器的設(shè)計滿足10-16位轉(zhuǎn)換器的使用要求。

發(fā)表于：3/7/2022

高精度分段線性補償基準電壓源[其他][其他]

介紹了一種新型電壓基準電路，基于分段線性補償方式設(shè)計了一種高精度基準電壓源。利用與溫度成正比的電流(IPTAT)和與溫度成反比的電流(ICTAT)做差，從而獲得用于基準電壓源曲率補償?shù)姆侄尉€性電流。將電路整個工作溫度區(qū)間分為兩段，利用分段線性電流完成補償，且增加三極管基極電流補償技術(shù)，最終得到高精度的基準輸出電壓。仿真結(jié)果表明，在-55 ℃~125 ℃溫度范圍時，基準電壓源溫度系數(shù)為1.208×10-6/℃，低頻時電源抑制比低于-88 dB。當電源電壓從2.5 V升至5 V時，線性調(diào)整率為0.108 mV/V。

發(fā)表于：3/7/2022

一款DVI視頻接收芯片的設(shè)計[其他][其他]

設(shè)計了一款DVI(Digital Visual Interface)接收芯片并提出了一種基于全數(shù)字的T.M.D.S(Transition Minimized Differential Signaling)信號接收恢復方案，能夠大大降低PLL(Phase Locked Loop)的設(shè)計難度，降低芯片的硬件開銷。首先介紹了芯片的整體框架和各模塊的作用，然后對基于本方案的數(shù)據(jù)恢復原理和實現(xiàn)方式進行重點說明，最后對芯片的仿真測試結(jié)果進行了相關(guān)的討論。測試結(jié)果表明，芯片能夠兼容市面上的其他DVI產(chǎn)品并與之通信，滿足DVI 1.0規(guī)范要求。

發(fā)表于：3/7/2022

面向船載遠程會議的麥克風陣列高精度DOA估計[其他][其他]

隨著船舶智能化水平提高，船載遠程會議系統(tǒng)對提高應急處理能力、推進船岸一體化網(wǎng)絡(luò)建設(shè)有重要意義，麥克風陣列是保證遠程會議系統(tǒng)語音效果和支持多模態(tài)交互的重要語音前端。但船舶艙室狹小尺寸一方面導致只能采用小尺寸麥陣，另一方面小艙室導致的強混響以及嘈雜艙室噪聲也使傳統(tǒng)麥克風陣列算法性能嚴重下降?？紤]船舶艙室復雜環(huán)境下小尺寸麥陣DOA估計場景，提出了一種輕量級Mask-DOA估計神經(jīng)網(wǎng)絡(luò)模型。該方法在DOA估計神經(jīng)網(wǎng)絡(luò)引入Mask算法降低噪聲和混響的干擾，并提取增強后的GCC-PHAT作為網(wǎng)絡(luò)特征，從而在小尺寸麥陣上實現(xiàn)高精度DOA估計。仿真和實驗結(jié)果表明，所提出的Mask-DOA模型面對復雜的船舶艙室環(huán)境更魯棒，泛化能力更強。

發(fā)表于：3/7/2022

標簽結(jié)合現(xiàn)實場景的交通標志分類檢測研究[其他][其他]

交通標志在車輛的安全行駛和自動駕駛中都有著大量的研究。由于交通標志的種類繁多且受各種因素的影響，交通標志的分類檢測也是一個具有挑戰(zhàn)的難題。為此，提出了一種標簽結(jié)合現(xiàn)實道路場景的交通標志分類檢測方法，該方法分為數(shù)據(jù)生成部分和目標檢測部分。實驗結(jié)果表明，利用該方法生成訓練數(shù)據(jù)，能夠有效地訓練深度卷積神經(jīng)網(wǎng)絡(luò)，實現(xiàn)現(xiàn)實場景交通標志的分類檢測，并且優(yōu)化的檢測模型相比文中提到的模型具有更小的體積和更快的速度。

發(fā)表于：3/7/2022