123,123,123

一種基于不確定分布的多目標(biāo)航跡關(guān)聯(lián)模型及求解[其他][其他]

傳統(tǒng)航跡關(guān)聯(lián)模型中通常將噪聲和干擾用高斯分布來描述，而電子裝備的大量使用，使得戰(zhàn)場(chǎng)電磁環(huán)境日趨復(fù)雜。針對(duì)這一問題，提出了一種基于不確定分布的多目標(biāo)航跡關(guān)聯(lián)模型，通過引入不確定分布函數(shù)來描述航跡關(guān)聯(lián)過程中的噪聲及干擾，使模型更符合戰(zhàn)場(chǎng)真實(shí)情況，構(gòu)建了雙傳感器情況下的多目標(biāo)航跡關(guān)聯(lián)流程，并利用經(jīng)典算法對(duì)不同數(shù)量目標(biāo)進(jìn)行了仿真驗(yàn)證。結(jié)果表明，在同等條件下，所提出的模型均優(yōu)于傳統(tǒng)模型，能夠帶來關(guān)聯(lián)準(zhǔn)確率的提升。

發(fā)表于：8/9/2022

小型調(diào)頻連續(xù)波雷達(dá)優(yōu)化設(shè)計(jì)與性能分析[其他][其他]

調(diào)頻連續(xù)波(Frequency Modulation Continuous Wave，F(xiàn)MCW)雷達(dá)具有體積小、功耗低、低截獲特性，在車載導(dǎo)航雷達(dá)、低截獲雷達(dá)等領(lǐng)域應(yīng)用廣泛。借鑒麻省理工學(xué)院咖啡罐雷達(dá)的設(shè)計(jì)，使用模塊化集成微波器件，改造完成了一套S波段小型FMCW雷達(dá)系統(tǒng)。該系統(tǒng)設(shè)計(jì)的簡(jiǎn)易陣列天線增加了信號(hào)增益；調(diào)整電子線路板以增強(qiáng)系統(tǒng)穩(wěn)定性，改進(jìn)音頻接口使得應(yīng)用更加廣泛，使用距離多普勒(RD)方法測(cè)量目標(biāo)參數(shù)，并在原來“停-走-?！膘o止模型的基礎(chǔ)上增加了滑軌連續(xù)運(yùn)動(dòng)的改進(jìn)RD成像算法，補(bǔ)償了運(yùn)動(dòng)期間多普勒伸縮對(duì)合成孔徑雷達(dá)(SAR)成像的影響。通過仿真和實(shí)測(cè)實(shí)驗(yàn)驗(yàn)證了該系統(tǒng)設(shè)計(jì)的合理性和可靠性。

發(fā)表于：8/9/2022

岸基對(duì)海雷達(dá)STC曲線設(shè)計(jì)與性能對(duì)比[其他][其他]

雷達(dá)對(duì)海探測(cè)過程中，近程海雜波回波功率大，嚴(yán)重影響雷達(dá)接收機(jī)工作和后續(xù)信號(hào)處理，為了平衡雷達(dá)接收機(jī)的增益和靈敏度，需要合理設(shè)計(jì)靈敏度時(shí)間控制(STC)曲線。介紹了利用GARCH模型、多項(xiàng)式函數(shù)、雷達(dá)距離方程和指數(shù)函數(shù)的四種STC設(shè)計(jì)曲線方法，采用高、低兩種海況下實(shí)測(cè)數(shù)據(jù)對(duì)四種STC曲線的近程海雜波抑制性能進(jìn)行了對(duì)比分析。實(shí)驗(yàn)結(jié)果表明，在高、低兩種海況下，雷達(dá)距離方程形式的STC曲線抑制海雜波性能顯著；GARCH模型建模的STC曲線適用于低海況下；多項(xiàng)式形式和指數(shù)形式的STC曲線在不同海況下效果接近。

發(fā)表于：8/9/2022

烽火發(fā)布FitCampus全光園區(qū)數(shù)字底座解決方案[模擬設(shè)計(jì)][消費(fèi)電子]

近日，在烽火通信舉辦的“光聯(lián)四海，迎烽啟航”2022年商業(yè)分銷合作伙伴大會(huì)上，烽火行業(yè)營(yíng)銷中心市場(chǎng)部總經(jīng)理程榮發(fā)表了《新一代全光網(wǎng)絡(luò)，連接數(shù)字世界》的主題演講，并發(fā)布FitCampus全光園區(qū)數(shù)字底座解決方案。

發(fā)表于：8/4/2022

Molex莫仕汽車連接器解決方案 | 新能源電池包（Battery Pack)[模擬設(shè)計(jì)][汽車電子]

Molex電池包低壓專用連接器方案助力提升電動(dòng)汽車安全性及續(xù)航里程節(jié)省綜合制造成本。

發(fā)表于：8/4/2022

應(yīng)用如何決定AI的開發(fā)[人工智能][工業(yè)自動(dòng)化]

如今人工智能（AI）已成為技術(shù)領(lǐng)域最時(shí)髦的用語(yǔ)之一，它在廣義上通常用來描述互連的“智能”技術(shù)。然而，考慮到AI可以實(shí)現(xiàn)的各種不同的功能，以及AI解決方案產(chǎn)出的成果，AI的格局及其開發(fā)可以說都十分復(fù)雜。事實(shí)上，AI技術(shù)的特定應(yīng)用不僅將它從眾多技術(shù)中區(qū)別開來，還決定了它的開發(fā)方式，開發(fā)的標(biāo)準(zhǔn)和要求以及需要進(jìn)行的測(cè)試。因此，與其說AI是一種“包括萬(wàn)象”的技術(shù)，不如說是一種定制化解決方案的網(wǎng)絡(luò)，用于解決復(fù)雜的技術(shù)挑戰(zhàn)。

發(fā)表于：8/3/2022

行業(yè)工程洞察：以太網(wǎng)在IT領(lǐng)域之外的發(fā)展[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

本文將回顧以太網(wǎng)技術(shù)從新興的 IT 計(jì)算機(jī)網(wǎng)絡(luò)時(shí)代一直到如今的興起過程，探討它在運(yùn)營(yíng)技術(shù) (OT) 和汽車應(yīng)用方面的進(jìn)展，并深入研究SPE、TSN over SPE、IOLINK over SPE、PoE和PoDL等一些最新的動(dòng)向。

發(fā)表于：8/1/2022

Qorvo® UWB 解決方案獲 Apple U1 互操作性認(rèn)證此認(rèn)證加速了 IPHONE 和 APPLE WATCH 商用超寬帶配件的開發(fā)[其他][其他]

移動(dòng)應(yīng)用、基礎(chǔ)設(shè)施與航空航天、國(guó)防應(yīng)用中 RF 解決方案的領(lǐng)先供應(yīng)商 Qorvo® (Nasdaq:QRVO) 今天宣布，該公司已完成其超寬帶解決方案與支持的 iPhone 和 Apple Watch 型號(hào)中使用的 Apple U1 芯片的互操作 MFi 認(rèn)證。* Qorvo 超寬帶解決方案符合Nearby Interaction?配件協(xié)議，讓開發(fā)者能夠輕松設(shè)計(jì)新的商用超寬帶配件，進(jìn)而利用配備 U1 的 iPhone 或 Apple Watch 型號(hào)的高級(jí)位置、方向和距離功能。

發(fā)表于：8/1/2022

用智能設(shè)備保障安全與健康[人工智能][消費(fèi)電子]

疫情后人們?cè)谥胤缔k公室時(shí)將重新重視衛(wèi)生和健康，以及標(biāo)準(zhǔn)安全問題。智能建筑將繼續(xù)監(jiān)測(cè)空氣質(zhì)量、濕度和照明，另外還將增加社交距離監(jiān)測(cè)。在公司的員工與訪客保持社交距離的同時(shí)，主要傳感器和系統(tǒng)，如Analog Devices (ADI) 的EagleEye? Trial Kit或Texas Instruments (TI) 的雷達(dá)占用檢測(cè)系統(tǒng)將繼續(xù)保護(hù)辦公室人員的安全和健康。

發(fā)表于：7/28/2022

如何使用Python編程語(yǔ)言和ADALM2000創(chuàng)建虛擬示波器[測(cè)試測(cè)量][工業(yè)自動(dòng)化]

本文旨在演示用戶如何使用ADI ADALM2000和簡(jiǎn)單的開源編程語(yǔ)言Python開發(fā)所需的虛擬實(shí)驗(yàn)室儀器。通過Python與ADALM2000相結(jié)合，可以開發(fā)多種虛擬實(shí)驗(yàn)室儀器，如示波器、信號(hào)發(fā)生器、數(shù)字萬(wàn)用表等。其中，示波器作為物理電子實(shí)驗(yàn)室中常用的基本儀器之一，是個(gè)不錯(cuò)的入門選擇，將在下文中重點(diǎn)討論。

發(fā)表于：7/26/2022

美光LPDDR5 內(nèi)存獲得 ISO 26262 安全標(biāo)準(zhǔn) ASIL-D 等級(jí)認(rèn)證[EDA與制造][汽車電子]

隨著自動(dòng)駕駛汽車愈發(fā)迅猛的發(fā)展驅(qū)勢(shì)，人們對(duì)汽車的功能安全也更加關(guān)注。由于許多新興高級(jí)駕駛輔助系統(tǒng)（ADAS）平臺(tái)的組件與系統(tǒng)非常復(fù)雜，與數(shù)據(jù)中心相比有過之而無(wú)不及，因此確保汽車的硬件系統(tǒng)符合各項(xiàng)安全風(fēng)險(xiǎn)防控標(biāo)準(zhǔn)至關(guān)重要。事實(shí)上，當(dāng)前許多 L2 和L3 級(jí)別的自動(dòng)駕駛汽車都使用了數(shù)據(jù)中心組件與系統(tǒng)級(jí)芯片（SoC），如專用視覺處理器、GPU與高性能內(nèi)存等。

發(fā)表于：7/25/2022

基于多重注意力引導(dǎo)的人群計(jì)數(shù)算法[其他][其他]

針對(duì)實(shí)際場(chǎng)景中存在的人群非均勻分布問題，提出了一種基于多重注意力引導(dǎo)的人群計(jì)數(shù)算法。首先，基于輕量級(jí)金字塔切分注意力機(jī)制構(gòu)建了自頂向下的特征融合路徑，旨在促進(jìn)高層語(yǔ)義信息和低層空間細(xì)節(jié)的融合，生成高級(jí)語(yǔ)義和空間細(xì)節(jié)兼?zhèn)涞母哔|(zhì)量特征圖；然后，提取并融合多尺度上下文信息，以此生成關(guān)注于不同密度分布模式的注意力權(quán)重圖；最后，通過注意力權(quán)重圖指導(dǎo)密度回歸網(wǎng)絡(luò)識(shí)別不同分布狀態(tài)下的行人目標(biāo)，增強(qiáng)模型對(duì)密度變化的適應(yīng)性，生成高質(zhì)量人群密度圖。在ShanghaiTech、UCF_QNRF和JHU-CROWD++三個(gè)數(shù)據(jù)集上進(jìn)行了大量的實(shí)驗(yàn)來說明所提算法的先進(jìn)性。

發(fā)表于：7/20/2022

基于標(biāo)簽嵌入的多模態(tài)多標(biāo)簽情感識(shí)別算法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

多模態(tài)情感分析目前是多模態(tài)分析和自然語(yǔ)言處理領(lǐng)域的研究熱點(diǎn)，在商品推薦、智能客服等場(chǎng)景中具有廣泛的應(yīng)用?，F(xiàn)有的方法在多標(biāo)簽場(chǎng)景下對(duì)標(biāo)簽間依賴性表示不充分，并且忽略了模態(tài)特征之間語(yǔ)義差距。對(duì)此提出了一種基于標(biāo)簽嵌入的多模態(tài)多標(biāo)簽情感識(shí)別算法，通過訓(xùn)練的標(biāo)簽嵌入向量捕獲標(biāo)簽之間依賴關(guān)系，對(duì)模態(tài)特征添加約束減小模態(tài)之間的語(yǔ)義差距。實(shí)驗(yàn)結(jié)果顯示，該算法在多模態(tài)多標(biāo)簽情感識(shí)別任務(wù)中在準(zhǔn)確率和漢明損失指標(biāo)上相較于現(xiàn)有方法有明顯提升。

發(fā)表于：7/20/2022

針對(duì)在線教育情感分析的數(shù)據(jù)擴(kuò)充研究[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

在互聯(lián)網(wǎng)上大量主觀性的評(píng)論具有豐富的研究?jī)r(jià)值，可以通過對(duì)評(píng)論的分析獲取評(píng)論的情感極性。在對(duì)大量評(píng)論進(jìn)行情感分析時(shí)，存在時(shí)間和人力消耗過多等問題，針對(duì)該問題，提出了基于聚類分析的文本數(shù)據(jù)擴(kuò)充方法：在對(duì)少量關(guān)鍵數(shù)據(jù)進(jìn)行標(biāo)注的基礎(chǔ)上，通過聚類分析標(biāo)注大量數(shù)據(jù)，以減少情感分析在實(shí)際應(yīng)用中的成本。以在線教育平臺(tái)的評(píng)論為例，對(duì)目前多個(gè)主流在線教育平臺(tái)上爬取的共569 970條中文評(píng)論數(shù)據(jù)進(jìn)行少量標(biāo)注，然后使用該方法進(jìn)行數(shù)據(jù)擴(kuò)充，最后基于目前多個(gè)主流機(jī)器學(xué)習(xí)模型和卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行情感分析訓(xùn)練。研究結(jié)果表明，數(shù)據(jù)處理經(jīng)過聚類后取得較好的數(shù)據(jù)擴(kuò)充效果，其中采用卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行的情感分析，準(zhǔn)確度可以達(dá)到96.5%。

發(fā)表于：7/20/2022

一種基于高程數(shù)據(jù)的全球地形高度檢測(cè)方法[通信與網(wǎng)絡(luò)][數(shù)據(jù)中心]

在飛行模擬器訓(xùn)練領(lǐng)域，很多分系統(tǒng)都需要實(shí)時(shí)獲取飛行位置的地形高度?；谛l(wèi)星影像高程數(shù)據(jù)，提出了一個(gè)全球范圍的地形高度檢測(cè)方法。該方法將全球高程數(shù)據(jù)按度進(jìn)行區(qū)域劃分和規(guī)范化命名，然后基于碰撞檢測(cè)的思想，從飛行當(dāng)前位置垂直向下求取與地形面的交點(diǎn)，交點(diǎn)處的高程值即地形高度。針對(duì)不同采樣間距、不同分塊大小情況下的算法檢測(cè)效率進(jìn)行了比較分析，實(shí)驗(yàn)結(jié)果表明，該檢測(cè)方法能夠較好地滿足實(shí)時(shí)性和準(zhǔn)確性要求。

發(fā)表于：7/20/2022