久久久精品国产亚洲,亚洲小说区图片区另类春色63

基于深度學(xué)習(xí)的桿塔三維姿態(tài)實時估計[其他][其他]

針對目前無人機航拍影像桿塔識別算法中，普遍是無人機通過傾斜攝影技術(shù)獲取到桿塔的原始遙觀影像數(shù)據(jù)，經(jīng)過機器學(xué)習(xí)訓(xùn)練，識別其余圖片數(shù)據(jù)中的桿塔。其中存在獲取機器訓(xùn)練所需的圖片數(shù)據(jù)來源緩慢、只能二維識別圖片中桿塔等問題。提出了基于深度學(xué)習(xí)的桿塔三維姿態(tài)實時估計的算法。首先，通過三維平臺合成影像數(shù)據(jù)；其次，通過Deep-Object-Pose訓(xùn)練及其處理；然后測試真實的圖片數(shù)據(jù)或者實時視頻，達(dá)到智能識別桿塔的三維空間姿態(tài)信息。該算法為無人機自動尋找桿塔目標(biāo)和智能精細(xì)化巡檢提供新的思路。

發(fā)表于：6/2/2021

基于對比實驗的水下圖像質(zhì)量提升方法研究[其他][其他]

受水介質(zhì)對光線的散折射及吸收作用、光照條件變化和成像距離等因素影響，水下圖像中往往存在對比度低、模糊嚴(yán)重等問題。針對上述問題，結(jié)合學(xué)者們在水下圖像質(zhì)量提升方面的研究，以3個水下圖像集為對象，選取了9種不同的圖像質(zhì)量提升方法(包括增強和復(fù)原方法)進(jìn)行水下圖像對比實驗,并從耗時、峰值信噪比、結(jié)構(gòu)相似度、平均梯度、熵值和標(biāo)準(zhǔn)差6方面對實驗結(jié)果進(jìn)行分析，得到不同方法之間的優(yōu)劣情況。其中直方圖均衡化和引導(dǎo)濾波的實驗結(jié)果圖像效果最佳，且獲得了整體較好的數(shù)據(jù)結(jié)果，這為后續(xù)研究提供了方向。

發(fā)表于：6/2/2021

基于RFID二次認(rèn)證加密的智能識別系統(tǒng)設(shè)計[其他][信息安全]

針對目前智能安防系統(tǒng)低成本、便捷的應(yīng)用需求，為提高RFID在實際應(yīng)用中既要方便易實現(xiàn)又要安全、穩(wěn)定的性能，設(shè)計了一種基于RFID二次認(rèn)證加密的智能識別系統(tǒng)。該系統(tǒng)主要是基于MIFARE-S50卡的密鑰存儲分區(qū)和任意一個數(shù)據(jù)分區(qū)，借助哈希碼算法的不可逆性，結(jié)合UID(User Identification)完成智能識別系統(tǒng)的密鑰認(rèn)證實現(xiàn)。只有當(dāng)數(shù)據(jù)和UID同時通過系統(tǒng)兩次認(rèn)證后，系統(tǒng)才能識別智能卡，從而做出相關(guān)識別動作，同時可有效識別并阻止復(fù)制卡認(rèn)證。該系統(tǒng)支持3種工作模式：注冊模式、工作模式、注銷模式，可有效地確保用戶的隱私和信息安全。經(jīng)實驗測試結(jié)果表明，該系統(tǒng)安全性高、穩(wěn)定好、方便易操作，具有較高的應(yīng)用和實踐價值，可應(yīng)用于學(xué)校、小區(qū)、公司等中型RFID智慧安防系統(tǒng)中限制非法人員的入侵。

發(fā)表于：6/2/2021

機器視覺如何賦能鋰離子電池的未來[電源技術(shù)][消費電子]

電動汽車和太陽能發(fā)電系統(tǒng)中使用的鋰離子電池將成為推動綠色革命的驅(qū)動力。

發(fā)表于：6/2/2021

裸板型，自然對流冷卻80W電源，為照明、顯示、ITE和工業(yè)應(yīng)用提供解決方案[電源技術(shù)][其他]

　　XP Power正式宣布推出一款新的裸板型80W電源，可為廣泛的照明、顯示、工業(yè)和技術(shù)應(yīng)用提供超緊湊、低成本的解決方案。這款低成本的產(chǎn)品以有競爭力的價格提供高規(guī)格，確保它們適合大批量應(yīng)用。

發(fā)表于：6/2/2021

利用PoE技術(shù)為5G網(wǎng)絡(luò)中的新一代IoT和其他設(shè)備供電[通信與網(wǎng)絡(luò)][5G]

新一代5G技術(shù)能夠提供具有更高速度的先進(jìn)移動互聯(lián)網(wǎng)連接，可助力實現(xiàn)各種IoT和大數(shù)據(jù)應(yīng)用，從而創(chuàng)造新的商機。這些應(yīng)用以空前的速度推動了將更多類型的受電設(shè)備（PD）連接到以太網(wǎng)網(wǎng)絡(luò)的需求，這些設(shè)備包括IP監(jiān)控攝像頭、802.11ac和802.11ax接入點、LED燈具、5G小型基站以及其他IoT電器。以太網(wǎng)供電（PoE）技術(shù)給在5G部署中為這些設(shè)備供電帶來了諸多優(yōu)勢，通過將供電設(shè)備（PSE）和受電設(shè)備（PD）的功率限值分別設(shè)定為90W和71.3W，最新的IEEE® 802.3bt標(biāo)準(zhǔn)讓這種可能性成為現(xiàn)實。

發(fā)表于：6/1/2021

基于JADE-EMD的滾動軸承故障檢測[測試測量][其他]

軸承故障分析在滾動傳動系統(tǒng)中一直是研究的熱點，傳統(tǒng)的軸承故障診斷方法往往建立在苛刻的約束條件之上，如檢測信號為單一的故障信號成分、既定的混合系統(tǒng)保持不變或者模型建立在無噪聲的環(huán)境等。針對這些局限，結(jié)合了獨立成分分析(Independent Component Analysis，ICA)方法，提出了一種基于特征矩陣聯(lián)合相似對角化及經(jīng)驗?zāi)B(tài)分解(Joint Approximative Diagonalization of Eigen matrix-Empirical Mode Decomposition，JADE-EMD)的多故障動態(tài)盲分析技術(shù)。該方法的基本思想是基于多輸入多輸出的動態(tài)混合模型，利用四階統(tǒng)計量對隨機噪聲的盲辨識特性，將滾動軸承正常工作時的平穩(wěn)隨機噪聲看成一類常規(guī)的信號輸入。

發(fā)表于：6/1/2021

基于譜線特征的OFDM與FBMC多載波波形識別[其他][其他]

針對正交頻分復(fù)用(Orthogonal Frequency Division Multiplexing，OFDM)和基于濾波器組的多載波(Filter Bank-based Multicarrier，F(xiàn)BMC)的調(diào)制識別進(jìn)行研究。首先分析OFDM/FBMC子載波的二次方譜；接著通過建模得到各信號所對應(yīng)的二次方譜表達(dá)式，得到各譜線的強度及位置；最后設(shè)置特征參數(shù)，在高斯噪聲下完成OFDM/FBMC的調(diào)制識別。仿真結(jié)果表明，在較低信噪比下信號識別率仍較高。

發(fā)表于：6/1/2021

基于FPGA的LVDS無時鐘數(shù)據(jù)傳輸方案設(shè)計與實現(xiàn)[其他][其他]

針對離線式彈載數(shù)據(jù)采集存儲設(shè)備小型化需求，設(shè)計了一種基于FPGA的LVDS(Low-Voltage Differential Signaling)無時鐘高速數(shù)據(jù)傳輸系統(tǒng)。在不外掛接口芯片的情況下，用板載時鐘代替差分時鐘，僅使用一對差分管腳即可完成一路LVDS無時鐘數(shù)據(jù)傳輸，系統(tǒng)中數(shù)據(jù)接口較多時可以很大程度上減少板卡體積。通過提高FPGA內(nèi)部SERDES(Serializer-Deserializer)反串行化比例以及數(shù)據(jù)進(jìn)行8B/10B編碼解決鑒相器失效的問題，并以此為板載時鐘提供準(zhǔn)確的相位信息來對齊串行數(shù)據(jù)和模擬時鐘，最后按照模擬時鐘將串行LVDS數(shù)據(jù)反序列化，從而達(dá)到板載時鐘代替LVDS隨路時鐘的目的，以此實現(xiàn)基于FPGA無隨路時鐘的LVDS高速傳輸。試驗表明，該系統(tǒng)能夠可靠、有效工作，具備一定工程實用價值。

發(fā)表于：6/1/2021

基于Wi-Fi和人臉識別技術(shù)的智能鎖系統(tǒng)設(shè)計[人工智能][通信網(wǎng)絡(luò)]

針對傳統(tǒng)門鎖存在的安全問題，設(shè)計了一款將Wi-Fi技術(shù)與人臉識別技術(shù)相結(jié)合的智能鎖系統(tǒng)。該系統(tǒng)采用STM32F103作為核心控制器件，CC1101作為通信傳輸模塊，有效降低功耗的同時實現(xiàn)了信息的交互。同時提出MULBP人臉識別算法，相較于改進(jìn)前增強了圖像灰度均值與每行、每列以及對角線元素的關(guān)系，得到的全新LBP算子值更能夠反映出局部紋理特征，再與2DLDA算法相結(jié)合找到投影矩陣，使樣本更容易被區(qū)分，更便于特征提取。結(jié)果表明，這種融合算法在降低特征維數(shù)的同時也提高了識別率，使得系統(tǒng)達(dá)到了智能防盜的目的。

發(fā)表于：6/1/2021

基于QFD的智能音箱測評體系建立[人工智能][消費電子]

智能音箱作為智能家居入口終端之一，是智能家居的重要組成部分，因此各測評機構(gòu)相應(yīng)開展了關(guān)于智能音箱的測評工作。但由于大部分測評機構(gòu)主要以智能音箱本身的技術(shù)要求進(jìn)行測評工作，未能充分結(jié)合客戶需求，導(dǎo)致測評結(jié)果無法有效滿足客戶和市場需求。將質(zhì)量功能展開(Quality Function Deployment，QFD)引入智能音箱測評體系建立，從客戶需求角度建立測評體系，可為業(yè)界提供參考。

發(fā)表于：6/1/2021

用于SoC電源噪聲測量的低溫漂VCO[其他][其他]

提出了適用于片上系統(tǒng)(SoC)電源噪聲測量的帶兩級溫度補償?shù)幕诃h(huán)路壓控振蕩器(ring VCO)的量化器。通過粗略和精細(xì)兩級溫度補償電路得到更低溫漂的ring VCO。在粗略補償一級中，將正比于溫(PTAT)的電流注入尾限流管控制的ring VCO中，用來補償VCO中較大的溫度系數(shù)；在精細(xì)補償一級中，用一個VCO復(fù)制電路來感知溫度的變化，并將感知到的溫度變化信息傳遞給量化器中的VCO，從而進(jìn)一步自適應(yīng)調(diào)整VCO量化器的振蕩頻率?；?0 nm工藝，設(shè)計一款工作在1.1 V電源電壓下的兩級溫度補償ring VCO，并對其進(jìn)行了電路仿真，其輸出信號的振蕩頻率約為4.3 GHz，在-40 ℃～125 ℃的溫度變化范圍內(nèi)，實現(xiàn)了15.5 ppm/℃的溫漂值。

發(fā)表于：6/1/2021

基于AXI總線的可配置LVDS控制器設(shè)計與驗證[模擬設(shè)計][工業(yè)自動化]

針對不同應(yīng)用場景下LVDS通信協(xié)議體現(xiàn)在數(shù)據(jù)位寬、幀格式和存儲方式的選擇差異性和數(shù)據(jù)收發(fā)靈活性，提出一種基于AXI總線的可配置LVDS控制器設(shè)計與驗證方案。為了實現(xiàn)對LVDS控制器的精確控制，增加基于APB接口的可配置寄存器模塊，在SoC系統(tǒng)上由軟件控制數(shù)據(jù)傳輸，有效提高了數(shù)據(jù)收發(fā)的靈活性；為了提高傳輸效率并廣泛適應(yīng)場景需求，將與內(nèi)存交互的接口定義為AXI協(xié)議接口；為了避免傳輸數(shù)據(jù)錯誤和數(shù)據(jù)包丟失等現(xiàn)象，在自定義協(xié)議中加入奇偶校驗功能并在電路中加入數(shù)據(jù)包檢查機制。隨后，采用高效的回環(huán)驗證方案針對LVDS控制器進(jìn)行功能測試。實驗結(jié)果表明該LVDS控制器基于AXI接口準(zhǔn)確高效地實現(xiàn)了對端設(shè)備之間的數(shù)據(jù)收發(fā)功能，這種可配置的數(shù)據(jù)傳輸電路設(shè)計和驗證方案靈活可行，便于廣泛應(yīng)用到視頻圖像數(shù)據(jù)傳輸系統(tǒng)中。

發(fā)表于：6/1/2021

基于 HVCMOS工藝的H橋驅(qū)動電路版圖設(shè)計[其他][其他]

介紹了基于HVCMOS工藝的低成本、高集成度、強驅(qū)動性能功率集成電路(Power IC，PIC)H橋的設(shè)計實現(xiàn)。建立的金屬互連線評估模型可在設(shè)計早期對H橋物理版圖方案進(jìn)行優(yōu)差性判斷，不依賴設(shè)計后仿真,從而提高設(shè)計效率。H橋不同互連線設(shè)計方案的比較結(jié)果表明，多插指陣列器件互連線(M2及以上層金屬)與器件本體的金屬層M1垂直、梯形狀互連結(jié)構(gòu)，能夠提高互連線沿電流流向的有效長寬比，減小寄生電阻。

發(fā)表于：6/1/2021

基于邊緣計算中極端姿態(tài)和表情的人臉識別[人工智能][通信網(wǎng)絡(luò)]

隨著信息技術(shù)的發(fā)展，人臉識別在支付、工作和安防系統(tǒng)中應(yīng)用的越來越多。在邊緣計算系統(tǒng)中，為了處理的速度，通常選擇較小的神經(jīng)網(wǎng)絡(luò)進(jìn)行人臉識別，這樣會導(dǎo)致識別率低。并且在實際應(yīng)用中大多都是對于圖片質(zhì)量較高的人臉可以很好地識別，但對于受光照影響較大、表情和姿態(tài)變化大的圖片識別率不是很高。因此，選擇SqueezeNet輕量級網(wǎng)絡(luò)，該網(wǎng)絡(luò)層數(shù)小，可以很好地運用于邊緣計算系統(tǒng)中。采用了預(yù)處理的方法來對圖片進(jìn)行預(yù)處理，然后改進(jìn)了SqueezeNet網(wǎng)絡(luò)的損失函數(shù)以及加入了ResNet網(wǎng)絡(luò)中的殘差學(xué)習(xí)方法。最后通過對LFW和IJB-A數(shù)據(jù)集進(jìn)行測試，該研究方法明顯提高了識別率。

發(fā)表于：6/1/2021