国产亚洲一区二区麻豆,日韩AV无码一区二区三区不卡 ,办公室欧美大尺寸SUV

基于微波雷達(dá)的近距離移動物體檢測系統(tǒng)設(shè)計[測試測量][通信網(wǎng)絡(luò)]

為了快速識別一定范圍內(nèi)的移動物體并提高檢測的準(zhǔn)確度，提出了一種基于STM32的微波雷達(dá)近距離移動物體的檢測系統(tǒng)設(shè)計。該系統(tǒng)使用電磁波的多普勒原理來檢測移動物體的反射波波長差異。通過STM32和優(yōu)化算法對接收的信號進(jìn)行處理以提高檢測判定速度和準(zhǔn)確度。最后對系統(tǒng)測試，表明該系統(tǒng)具有成本低、工作環(huán)境穩(wěn)定、快速準(zhǔn)確顯示的能力。

發(fā)表于：12/30/2020

單心動周期分割及MFCC特征提取系統(tǒng)[其他][醫(yī)療電子]

目前，在基于醫(yī)療大數(shù)據(jù)與機(jī)器學(xué)習(xí)的心音識別系統(tǒng)研究中，對于單心動周期的提取大多依賴人工截取或基于同步心電信號進(jìn)行分割，大大降低了整個系統(tǒng)的實用性和易用性。針對以上問題提出了一種基于低頻提取的單心動周期分割及MFCC(Mel Frequency Cepstral Coefficients)特征提取的嵌入式硬件系統(tǒng)，能夠更高效地實現(xiàn)單心動周期分割并計算其MFCC特征參數(shù)，綜合分割準(zhǔn)確率達(dá)98.3%，解決了單心音周期分割中對心音信號純凈度要求較高和沒有成熟系統(tǒng)的問題，并且降低了數(shù)據(jù)存儲成本，具有較好的實用性和潛在的應(yīng)用前景。

發(fā)表于：12/29/2020

毫米波自適應(yīng)調(diào)制解調(diào)器的FPGA設(shè)計實現(xiàn)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

毫米波通信鏈路是5G/6G以及無線專網(wǎng)的重要傳輸技術(shù)，自適應(yīng)調(diào)制解調(diào)器可以對抗雨衰等環(huán)境影響，有效保障通信鏈路質(zhì)量。利用System generator和Vivado等工具在FPGA實現(xiàn)并驗證了適應(yīng)于毫米波通信鏈路的自適應(yīng)調(diào)制解調(diào)模塊，支持BPSK-4096QAM的7種調(diào)制方式，實現(xiàn)時延小于18個時鐘周期，并保證誤信率在低于10-5情況下，可依據(jù)信道測量和信令指令進(jìn)行自動切換。

發(fā)表于：12/29/2020

利爾達(dá)基于LoRa®的人員定位解決方案，為化工園區(qū)提供智能安全保障[人工智能][安防電子]

基于LoRa®的人員定位管理系統(tǒng)，可實時追蹤人員運動軌跡，最大程度保證人身安全。該方案解決了化工園區(qū)普遍存在的人員位置不可知、人員監(jiān)管系統(tǒng)效率低、無可視化智慧監(jiān)管平臺、危險區(qū)域難管控等問題。

發(fā)表于：12/28/2020

航空電子應(yīng)用中通信接口的防雷保護(hù)[通信與網(wǎng)絡(luò)][航空航天]

噴氣客機(jī)遭受雷擊是常見現(xiàn)象，大約每1000飛行小時就會發(fā)生一次。DO-160G標(biāo)準(zhǔn)《機(jī)載設(shè)備的環(huán)境條件和試驗程序》是航空電子硬件的環(huán)境測試標(biāo)準(zhǔn)。許多飛機(jī)制造商將DO-160G第22節(jié)“雷擊感應(yīng)瞬態(tài)敏感性”指定為關(guān)鍵系統(tǒng)（如導(dǎo)航、雷達(dá)、通信、發(fā)動機(jī)控制、熱和空氣控制等）的要求。飛機(jī)機(jī)身、機(jī)翼和機(jī)尾飛行控制系統(tǒng)、翼尖、尾翼頂端、發(fā)動機(jī)艙和起落架是最有可能被雷電擊中的區(qū)域。

發(fā)表于：12/28/2020

基于FPGA的圖像壓縮編解碼系統(tǒng)設(shè)計[模擬設(shè)計][其他]

針對圖像處理的實時性要求，設(shè)計了一種基于FPGA的圖像壓縮編解碼系統(tǒng)。該系統(tǒng)包括實時圖像采集、JPEG壓縮以及UART傳輸?shù)裙δ?。采用Altera公司的DE系列開發(fā)板，應(yīng)用Verilog HDL硬件描述語言對D5M攝像頭進(jìn)行配置，完成圖像采集。在圖像壓縮模塊，重點對2D-DCT變換進(jìn)行改進(jìn)。在基于Chen算法的基礎(chǔ)上采用二分頻信號控制器，減少了加法器的調(diào)用，實現(xiàn)其快速運算，進(jìn)而完成圖像壓縮功能。在URAT傳輸模塊，主要完成串行通信與并行通信間的轉(zhuǎn)換。測試表明，圖像的壓縮比達(dá)到26.3:1，其均值信噪比大于40 dB，壓縮后的視覺效果良好，符合設(shè)計要求。

發(fā)表于：12/28/2020

一種基于灰色RBF神經(jīng)網(wǎng)絡(luò)的系統(tǒng)效能評估方法[其他][其他]

為了解決組成復(fù)雜、功能多樣、貧樣本的系統(tǒng)的綜合效能評估問題，針對系統(tǒng)的效能評估指標(biāo)體系三層結(jié)構(gòu)，構(gòu)建了基于灰色理論、RBF神經(jīng)網(wǎng)絡(luò)以及灰色RBF神經(jīng)網(wǎng)絡(luò)的系統(tǒng)效能評估模型，并通過仿真驗證了這種灰色RBF神經(jīng)網(wǎng)絡(luò)模型的精度要高于灰色模型和RBF神經(jīng)網(wǎng)絡(luò)模型，可以準(zhǔn)確地對功能多樣、組成復(fù)雜但是樣本少的系統(tǒng)進(jìn)行綜合效能評估。

發(fā)表于：12/28/2020

環(huán)境監(jiān)測RTU無線通訊解決方案[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

RTU在環(huán)境監(jiān)測，遠(yuǎn)程工業(yè)現(xiàn)場控制等領(lǐng)域有廣泛的應(yīng)用，致遠(yuǎn)電子推出的ZWG-40COM/40DP產(chǎn)品可協(xié)助客戶快速二次開發(fā)出滿足自己應(yīng)用需求的RTU產(chǎn)品。

發(fā)表于：12/27/2020

地質(zhì)監(jiān)測行業(yè)LoRaWAN無線通訊方案[模擬設(shè)計][物聯(lián)網(wǎng)]

近年來地質(zhì)災(zāi)害頻發(fā)，對人民生命安全、財產(chǎn)造成巨大危害，如何治理與防治成為刻不容緩的主題。國家對于地質(zhì)災(zāi)害的監(jiān)測設(shè)備投入也日漸增多，如何通過物聯(lián)網(wǎng)技術(shù)，幫助監(jiān)管部門在山體間更好地部署設(shè)備？

發(fā)表于：12/27/2020

連鎖門店監(jiān)控與收銀系統(tǒng)互連互通，SD-WAN智能組網(wǎng)方案一覽[人工智能][通信網(wǎng)絡(luò)]

連鎖店作為規(guī)模經(jīng)濟(jì)效益的聯(lián)合，具有統(tǒng)一形象和統(tǒng)一管理等基本特征，但隨著規(guī)模的擴(kuò)大及信息化發(fā)展需求，各門店的信息互通成為一大挑戰(zhàn)。

發(fā)表于：12/26/2020

無線探空儀回波信號的變分模態(tài)分解與降噪研究[其他][其他]

無線電探空儀探測風(fēng)場數(shù)據(jù)存在著大量強(qiáng)烈的非線性非平穩(wěn)的噪聲，采用一種結(jié)合變分模態(tài)分解的自適應(yīng)和多尺度小波降噪的方法，對南極洲Syowa站點2019年1月的無線電探空儀風(fēng)場數(shù)據(jù)進(jìn)行了特征提取和降噪處理。首先利用變分模態(tài)分解法對信號進(jìn)行模態(tài)分解，然后利用相關(guān)系數(shù)法確定屬于信號成分的模態(tài)分量，再利用小波分析法對剩余模態(tài)中的有效成分和噪聲做了進(jìn)一步的分離，通過對全部的有效成分進(jìn)行合并重構(gòu)，實現(xiàn)信號的特征提取和降噪處理。仿真實驗和實際信號的處理結(jié)果都表明，該方法對于無線電探空儀風(fēng)場信號中的非平穩(wěn)非線性噪聲具有良好的抑制作用，與傳統(tǒng)方法相比，具有更好的特征提取和降噪能力。

發(fā)表于：12/25/2020

一種自適應(yīng)網(wǎng)頁結(jié)構(gòu)化信息提取方法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

面向互聯(lián)網(wǎng)信息采集挖掘應(yīng)用，針對傳統(tǒng)的網(wǎng)站信息整頁采集方式存在采集信息混雜、無法直接使用，而人工結(jié)構(gòu)化采集方式成本高、工作效率低的問題，研究提出了一種自適應(yīng)網(wǎng)頁結(jié)構(gòu)化信息提取方法，實現(xiàn)了網(wǎng)頁分類算法、基于子樹的標(biāo)題項、內(nèi)容項的結(jié)構(gòu)化信息提取算法。基于典型網(wǎng)站網(wǎng)頁分類標(biāo)注數(shù)據(jù)集進(jìn)行分類模型的學(xué)習(xí)建模，可以自適應(yīng)不同網(wǎng)站的差異，對網(wǎng)頁進(jìn)行分類，按照網(wǎng)頁分類分別提取出網(wǎng)頁中的列表項結(jié)構(gòu)化信息、內(nèi)容項結(jié)構(gòu)化信息。該技術(shù)對提高網(wǎng)站信息結(jié)構(gòu)化采集處理的自動化水平及處理效率具有重要作用。

發(fā)表于：12/25/2020

基于Kinect的動態(tài)姿勢識別方法在醫(yī)療康復(fù)中的應(yīng)用[通信與網(wǎng)絡(luò)][醫(yī)療電子]

在三維虛擬實驗領(lǐng)域，人體姿勢識別屬于其中的一項關(guān)鍵技術(shù)，將該技術(shù)應(yīng)用于現(xiàn)代醫(yī)療當(dāng)中，可對醫(yī)療康復(fù)提供一定的輔助和推進(jìn)作用。在此研究中，把Kinect人體骨骼跟蹤技術(shù)與醫(yī)療康復(fù)結(jié)合起來，在廣泛收集標(biāo)準(zhǔn)醫(yī)療康復(fù)動作的基礎(chǔ)上，構(gòu)建了一套標(biāo)準(zhǔn)醫(yī)療康復(fù)動作數(shù)據(jù)庫，作為與傳感器收集到的數(shù)據(jù)進(jìn)行比較的基礎(chǔ)。為了提升對關(guān)節(jié)點角度測量的穩(wěn)定性和姿勢識別的準(zhǔn)確度，提出了一種根據(jù)關(guān)節(jié)點之間的歐式距離和角度來進(jìn)行姿勢判定的方式。結(jié)果表明，通過這一技術(shù)的運用，對姿勢的識別率較高，可針對訓(xùn)練者的康復(fù)訓(xùn)練及時給出反饋，使得針對訓(xùn)練者的動作評價和指導(dǎo)更加便捷、高效，有利于醫(yī)療科技的發(fā)展，具有推廣價值。

發(fā)表于：12/24/2020

PCIe設(shè)備功耗管理驅(qū)動程序的開發(fā)[電源技術(shù)][其他]

隨著PCIe設(shè)備在計算機(jī)系統(tǒng)中使用數(shù)量的增多，若能在確保設(shè)備正常工作的前提下適時調(diào)整設(shè)備的電源管理狀態(tài)，可有效降低功耗。PCIe設(shè)備的電源管理需要依靠操作系統(tǒng)和驅(qū)動程序協(xié)同處理實現(xiàn)。通過對電源管理技術(shù)和WDF驅(qū)動程序框架的研究和分析，介紹了I/O請求的處理流程、隊列使用的原則規(guī)范等內(nèi)容，設(shè)計了基于I/O請求入列觸發(fā)、跟隨系統(tǒng)電源狀態(tài)轉(zhuǎn)換及設(shè)置框架屬性的解決方案來實現(xiàn)設(shè)備的休眠和喚醒，并展示部分代碼和實例驗證了設(shè)計的可行性。

發(fā)表于：12/24/2020

自動化構(gòu)建移動端神經(jīng)網(wǎng)絡(luò)的技術(shù)研究[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

深度學(xué)習(xí)已在視覺、語音、自然語言等應(yīng)用領(lǐng)域取得巨大成功，然而隨著網(wǎng)絡(luò)結(jié)構(gòu)日趨復(fù)雜，神經(jīng)網(wǎng)絡(luò)參數(shù)量也迅速增長，設(shè)計網(wǎng)絡(luò)結(jié)構(gòu)和調(diào)節(jié)參數(shù)這一過程需要大量的專業(yè)知識與反復(fù)試驗，成本極高。此外，由于功耗限制與存儲空間等因素，移動端設(shè)備上的神經(jīng)網(wǎng)絡(luò)模型規(guī)模受限。設(shè)計了一種高效的移動端神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索算法，具體包括：(1)設(shè)計了一種在預(yù)先給定神經(jīng)網(wǎng)絡(luò)架構(gòu)的情況下可以自動計算模型浮點數(shù)運算次數(shù)的算法；(2)改進(jìn)現(xiàn)有的基于梯度的神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索算法，設(shè)計了一種帶約束的架構(gòu)搜索算法；(3)在神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索過程中加入對浮點數(shù)運算次數(shù)的約束，通過調(diào)節(jié)約束的強(qiáng)弱搜索到幾種不同的神經(jīng)網(wǎng)絡(luò)架構(gòu)。訓(xùn)練搜索到的神經(jīng)網(wǎng)絡(luò)，測試其在圖像分類任務(wù)上的性能，并與工業(yè)界常用的模型相比較。實驗結(jié)果表明，該方法搜索到的模型能達(dá)到目前工業(yè)界主流模型性能。

發(fā)表于：12/23/2020