最好看免费观看高清视频了,中文字幕一本高清在线,国产粉嫩小泬在线观看泬

使用智能終端控制激光異物清除設(shè)備[其他][其他]

對于架空高壓輸電線上的異物，利用激光清除已成為一種主流的手段。分析了異物清除作業(yè)的過程及其對控制系統(tǒng)的需求，提出了一種將執(zhí)行機構(gòu)控制和運算分離，使用與執(zhí)行設(shè)備無線連接的便攜智能完成控制計算的系統(tǒng)設(shè)計，并詳述了這一控制系統(tǒng)的硬件實現(xiàn)和軟件流程。相較傳統(tǒng)一體化控制系統(tǒng)，這樣的設(shè)計成本低，使用靈活，維護簡便且易于功能擴展。實驗表明，此系統(tǒng)能夠準確可靠地控制激光異物清除設(shè)備完成清除操作。

發(fā)表于：3/17/2021 9:09:00 AM

一種降低新型OFDM數(shù)據(jù)鏈誤碼率的方法[其他][其他]

針對空地雷達數(shù)據(jù)鏈可靠性的問題，基于單向耦合映像格子模型，提出了基于OCML的新型OFDM數(shù)據(jù)鏈模型。上述模型通過利用OCML時空混沌序列對CCSK軟擴頻進行改進，同時結(jié)合編碼技術(shù)以及調(diào)制技術(shù)進行仿真。仿真分析顯示，基于OCML的新型OFDM數(shù)據(jù)鏈模型可以有效改善CCSK中偽隨機序列由于自相關(guān)性差導(dǎo)致的可靠性差等問題，顯著提高系統(tǒng)誤比特率性能，且有效提高空地雷達數(shù)據(jù)鏈的可靠性。

發(fā)表于：3/17/2021 9:02:00 AM

基于二叉空間劃分的異常數(shù)據(jù)檢測算法[測試測量][通信網(wǎng)絡(luò)]

無線傳感網(wǎng)絡(luò)(Wireless Sensor Networks，WSNs)的性能依賴于所收集的數(shù)據(jù)質(zhì)量。而最初，節(jié)點所感測的數(shù)據(jù)是粗糙的，需通過有效的數(shù)據(jù)檢測算法將異常數(shù)據(jù)與正常數(shù)據(jù)進行區(qū)分。為此，提出基于二叉空間劃分的異常數(shù)據(jù)檢測(Binary Space Partition-based Anomaly Detection，BSP-AD)算法。BSP-AD算法通過二叉空間劃分(Binary Space Partition，BSP)訓(xùn)練、測試數(shù)據(jù)。先通過訓(xùn)練數(shù)據(jù)，得到正常數(shù)據(jù)的區(qū)間范圍，再通過此區(qū)間范圍檢測測試數(shù)據(jù)中異常部分。仿真結(jié)果表明，提出的BSP-AD算法能夠準確地檢測異常數(shù)據(jù)，并且計算成本和存儲成本低于IDLO算法。

發(fā)表于：3/16/2021 11:46:00 AM

基于EKF算法的鋰電池SOC估算策略[電源技術(shù)][其他]

在電池管理系統(tǒng)中，電池荷電狀態(tài)(SOC)的準確估算具有重要的地位，其重要性不僅在于可以向使用者提示電池的剩余電量，更在于它是電池充放電管理和均衡控制管理的基礎(chǔ)。而SOC受許多因素的影響，如溫度以及電流的大小、方向等，它的準確預(yù)測也較困難。提出了一種用擴展卡爾曼濾波(EKF)算法估計鋰電池SOC的方法，建立電池仿真模型，通過混合動力脈沖能力特性(HPPC)試驗進行了參數(shù)辨識。在恒流放電下模型的SOC估算誤差約2.1%，說明該模型有效且易于應(yīng)用。

發(fā)表于：3/16/2021 11:33:00 AM

高可靠性整流罩空調(diào)系統(tǒng)設(shè)計方案研究[模擬設(shè)計][其他]

針對某發(fā)射場整流罩空調(diào)對設(shè)計參數(shù)溫度、濕度、送風量的要求，調(diào)研了傳統(tǒng)整流罩空調(diào)系統(tǒng)的實現(xiàn)方案，從信息安全、可靠性方面研究，提出了一種基于國產(chǎn)PLC的冗余整流罩空調(diào)自動控制系統(tǒng)。介紹了國產(chǎn)超御PLC組件的功能、冗余機組系統(tǒng)方案，并從硬件和軟件兩個方面對系統(tǒng)架構(gòu)、控制方案等進行構(gòu)建。通過現(xiàn)場實驗調(diào)試，驗證了該整流罩空調(diào)控制系統(tǒng)的可行性、穩(wěn)定性，且具有安全、可靠等顯著優(yōu)點，解決了國產(chǎn)PLC在整流罩空調(diào)系統(tǒng)零應(yīng)用的問題，是一種高可靠性整流罩空調(diào)系統(tǒng)設(shè)計方案。

發(fā)表于：3/15/2021 10:43:00 AM

應(yīng)用于導(dǎo)航SoC的專用DMA的設(shè)計[通信與網(wǎng)絡(luò)][航空航天]

衛(wèi)星導(dǎo)航技術(shù)以及社會的快速發(fā)展使得高精度定位的需求越來越大。隨著導(dǎo)航系統(tǒng)和頻點的增加，導(dǎo)航模塊中需要處理的數(shù)據(jù)量越來越大。通用DMA(Direct Memory Access)控制器無法完成大量通道的傳輸，采用中央處理器(CPU)傳輸需要占用CPU大量的時間。應(yīng)用于導(dǎo)航片上系統(tǒng)(SoC)的專用DMA支持全系統(tǒng)全頻點的導(dǎo)航通道的數(shù)據(jù)搬移，經(jīng)過測試驗證，DMA搬移相同通道數(shù)的數(shù)據(jù)所需要的時鐘周期為CPU的三分之一，有效提高了CPU的效率。在設(shè)計中采用了低功耗優(yōu)化技術(shù)，優(yōu)化后DMA模塊動態(tài)功耗降低至原來的15%。

發(fā)表于：3/15/2021 10:34:00 AM

GSDCPeleeNet：基于PeleeNet的高效輕量化卷積神經(jīng)網(wǎng)絡(luò)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

卷積神經(jīng)網(wǎng)絡(luò)在各個領(lǐng)域都發(fā)揮著重要的作用，尤其是在計算機視覺領(lǐng)域，但過多的參數(shù)數(shù)量和計算量限制了它在移動設(shè)備上的應(yīng)用。針對上述問題，結(jié)合分組卷積方法和參數(shù)共享、密集連接的思想，提出了一種新的卷積算法Group-Shard-Dense-Channle-Wise。利用該卷積算法，在PeleeNet網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上，改進出一種高效的輕量化卷積神經(jīng)網(wǎng)絡(luò)——GSDCPeleeNet。與其他卷積神經(jīng)網(wǎng)絡(luò)相比，該網(wǎng)絡(luò)在具有更少參數(shù)的情況下，幾乎不損失識別精度甚至識別精度更高。該網(wǎng)絡(luò)選取1×1卷積層中卷積核信道方向上的步長s作為超參數(shù)，調(diào)整并適當?shù)剡x取該超參數(shù)，可以在網(wǎng)絡(luò)參數(shù)量更小的情況下，擁有更好的圖像分類效果。

發(fā)表于：3/11/2021 10:01:00 AM

基于HLS工具的CNN加速器的設(shè)計與優(yōu)化方法研究[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

基于軟硬件協(xié)同設(shè)計的思想，利用HLS工具，在PYNQ-Z2平臺上設(shè)計并實現(xiàn)了一個卷積神經(jīng)網(wǎng)絡(luò)加速器，對卷積運算采用矩陣切割的優(yōu)化方法，均衡了資源消耗和計算資源，使得加速器的性能達到了最優(yōu)。利用MNIST數(shù)據(jù)集對加速器IP核進行性能測試，實驗結(jié)果表明：對單張圖片的測試，該加速器相對于ARM平臺實現(xiàn)了5.785的加速效果，對于1 000張圖片的測試則可達到9.72的加速效果，隨著測試圖片數(shù)量的不斷增加，加速器的性能也將越來越優(yōu)。

發(fā)表于：3/11/2021 9:54:00 AM

大數(shù)據(jù)對5G網(wǎng)絡(luò)及服務(wù)優(yōu)化的驅(qū)動作用[通信與網(wǎng)絡(luò)][5G]

5G網(wǎng)絡(luò)本身屬于移動通信網(wǎng)絡(luò)，經(jīng)過網(wǎng)絡(luò)傳輸模式全面升級與轉(zhuǎn)型后的5G網(wǎng)絡(luò)能夠保證達到更短的通信延時效果，提升移動通信質(zhì)量并且創(chuàng)造快捷化的全新通信網(wǎng)絡(luò)運行模式。具體對于網(wǎng)絡(luò)服務(wù)模式在實施整體優(yōu)化與改造的目前實踐中，基本舉措就是融入大數(shù)據(jù)的重要驅(qū)動技術(shù)手段，充分依托大數(shù)據(jù)手段與平臺來優(yōu)化網(wǎng)絡(luò)服務(wù)的總體實施效果，創(chuàng)造網(wǎng)絡(luò)用戶的最佳移動通信體驗。

發(fā)表于：3/10/2021 9:41:00 AM

智能內(nèi)生6G網(wǎng)絡(luò)：架構(gòu)、用例和挑戰(zhàn)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

為滿足不斷增長的新型業(yè)務(wù)需求，促進通信技術(shù)與垂直行業(yè)深度融合，移動通信網(wǎng)絡(luò)將逐漸向智能化演進，在6G時代有望形成內(nèi)生智能。然而，目前研究大多側(cè)重基于人工智能的傳輸和網(wǎng)絡(luò)優(yōu)化方法，較少探討如何在架構(gòu)設(shè)計層面高效支撐人工智能方法的實施。為此，介紹了目前工業(yè)界和學術(shù)界在智能內(nèi)生網(wǎng)絡(luò)架構(gòu)方面的進展，并對智能內(nèi)生網(wǎng)絡(luò)的應(yīng)用前景和挑戰(zhàn)進行了展望。

發(fā)表于：3/10/2021 9:23:00 AM