国产精品亚洲第一区在线观看,亚洲女同精品中文字幕

微流程的建模與分析[其他][其他]

業(yè)務(wù)流程管理技術(shù)是組織實(shí)施信息系統(tǒng)的重要使能技術(shù)。為確保微流程能正常運(yùn)行，提出了一種建模與分析微流程的方法。首先，該方法以Petri網(wǎng)為形式化基礎(chǔ)，對(duì)微流程以及微流程間的同步組合和異步組合進(jìn)行建模。其次，基于Petri網(wǎng)的分析技術(shù)，該方法對(duì)組合微流程進(jìn)行了合理性分析。實(shí)驗(yàn)結(jié)果表明，該方法能建模微流程，并檢測(cè)出組合微流程中因同步交互或異步交互錯(cuò)誤引起的死鎖。

發(fā)表于：1/7/2022

IEEE 802.11e EDCA協(xié)議吞吐率性能分析模型[其他][其他]

對(duì)IEEE 802.11e增強(qiáng)的分布式控制接入?yún)f(xié)議進(jìn)行了詳細(xì)分析，對(duì)比分布式協(xié)調(diào)功能DCF與增強(qiáng)的分布式控制接入EDCA之間的差別，提出了一種四維馬爾科夫鏈模型，該模型將飽和條件情況和非飽和條件情況進(jìn)行統(tǒng)一。該模型不僅考慮了退避計(jì)時(shí)器凍結(jié)狀態(tài)、發(fā)送沖突狀態(tài)、最大重傳次數(shù)，還充分考慮了不同接入優(yōu)先級(jí)流的內(nèi)部沖突和TXOP傳輸。相比于二維馬爾科夫鏈模型，該模型可以準(zhǔn)確預(yù)測(cè)EDCA中不同優(yōu)先級(jí)接入流的吞吐率。最后利用仿真軟件，驗(yàn)證了飽和條件下該模型的正確性。

發(fā)表于：1/7/2022

跨社交網(wǎng)絡(luò)的同一用戶識(shí)別算法[其他][其他]

針對(duì)跨社交網(wǎng)絡(luò)的同一用戶識(shí)別問題，提出了一種綜合用戶興趣、寫作風(fēng)格和檔案屬性的識(shí)別方法。通過在這3種不同的特征維度下分別判定用戶關(guān)系，然后綜合判定結(jié)果，提高同一用戶識(shí)別準(zhǔn)確性。其中，用戶興趣分為靜態(tài)興趣和動(dòng)態(tài)興趣，靜態(tài)興趣采用TextRank算法從用戶背景信息中提取，動(dòng)態(tài)興趣則利用主題模型從用戶發(fā)表的文本內(nèi)容中挖掘出隨時(shí)間變化的興趣點(diǎn)。對(duì)于用戶寫作風(fēng)格則通過One-Class SVM算法進(jìn)行識(shí)別，最后利用信息熵賦權(quán)法比較用戶檔案屬性相似度。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)機(jī)器學(xué)習(xí)算法相比，所提算法精確率、召回率均有所提升。

發(fā)表于：1/7/2022

基于LVDS傳輸可靠性優(yōu)化設(shè)計(jì)[其他][其他]

針對(duì)LVDS傳輸初始化建鏈過程中出現(xiàn)的首幀丟失和干擾導(dǎo)致的誤建鏈問題，對(duì)鏈路傳輸機(jī)理及穩(wěn)定性進(jìn)行分析，并從硬件與軟件兩方面進(jìn)行優(yōu)化。軟件上采取識(shí)別幀頭和發(fā)送訓(xùn)練幀的方法，改善建鏈過程；硬件上選用性能更好的隔離芯片，優(yōu)化差分端阻抗，減小干擾對(duì)數(shù)據(jù)傳輸?shù)挠绊?。?jīng)多次試驗(yàn)證明，優(yōu)化后的鏈路可實(shí)現(xiàn)480 Mb/s速率下的可靠傳輸，該優(yōu)化設(shè)計(jì)對(duì)提高LVDS鏈路傳輸穩(wěn)定性和減少誤碼方面具有很好的參考價(jià)值。

發(fā)表于：1/7/2022

純電動(dòng)智能汽車制動(dòng)防抱死系統(tǒng)控制邏輯研究[其他][汽車電子]

線控制動(dòng)技術(shù)(Brake-by-Wire)是純電動(dòng)智能汽車的關(guān)鍵技術(shù)之一。為了提高智能駕駛汽車制動(dòng)的安全穩(wěn)定性，需要針對(duì)一款純電動(dòng)智能汽車的制動(dòng)防抱死系統(tǒng)控制邏輯進(jìn)行研究。在該方案實(shí)施前，設(shè)置合理的邏輯門限值，通過Stateflow進(jìn)行仿真實(shí)驗(yàn)?；赟imulink搭建了8自由度的車輛動(dòng)力學(xué)模型，對(duì)彎道制動(dòng)工況進(jìn)行仿真，通過控制車輛的橫擺力矩實(shí)現(xiàn)車輛的差動(dòng)控制。通過仿真實(shí)驗(yàn)，驗(yàn)證了提出的制動(dòng)防抱死系統(tǒng)控制邏輯的合理性，對(duì)后續(xù)的線控制動(dòng)系統(tǒng)的研發(fā)具有指導(dǎo)意義。

發(fā)表于：1/7/2022

一種基于130 nm CMOS工藝的K波段上/下雙向混頻器[其他][其他]

基于130 nm RF CMOS工藝，提出了一種可實(shí)現(xiàn)上/下雙向變頻功能的K波段有源混頻器。當(dāng)收發(fā)機(jī)工作于接收模式時(shí)，雙向混頻器執(zhí)行下變頻功能，將低噪放大器放大后的射頻信號(hào)轉(zhuǎn)換為中頻信號(hào)；當(dāng)收發(fā)機(jī)工作于發(fā)射模式時(shí)，雙向混頻器則實(shí)現(xiàn)上變頻功能，將輸入的基帶信號(hào)轉(zhuǎn)換為射頻信號(hào)并輸出至功率放大器。后仿真結(jié)果表明，在0 dBm的本振驅(qū)動(dòng)下，混頻器工作于上變頻模式時(shí)的轉(zhuǎn)換增益、噪聲系數(shù)、輸出1 dB壓縮點(diǎn)在23~25 GHz范圍內(nèi)分別為-1.1~-0.4 dB、12.9~3.3 dB、-8.2 dBm@24 GHz；工作于下變頻工作模式時(shí)的轉(zhuǎn)換增益、噪聲系數(shù)、輸入1 dB壓縮點(diǎn)在23~25 GHz范圍內(nèi)分別為2.4~3.4 dB、15.2~15.6 dB、-3.6 dBm@24 GHz?；祛l器芯片面積為0.6 mm2；在1.5 V供電電壓下，消耗功率12 mW。

發(fā)表于：1/7/2022

適用于Sigma-Delta ADC的多抽取率數(shù)字濾波器設(shè)計(jì)[其他][其他]

采用標(biāo)準(zhǔn)0.18 μm工藝，設(shè)計(jì)了一種能改變抽取率并且適應(yīng)不同信號(hào)帶寬的應(yīng)用于Sigma-Delta模數(shù)轉(zhuǎn)換器的數(shù)字抽取濾波器。該濾波器采用多級(jí)抽取，由級(jí)聯(lián)積分梳狀濾波器、補(bǔ)償濾波器和半帶濾波器組成。實(shí)現(xiàn)的數(shù)字濾波器抽取率可以在64、128、256、512中變化，并且補(bǔ)償濾波器和半帶濾波器的帶寬可調(diào)整。濾波器版圖尺寸0.6 mm×0.6 mm。在1.98 V工作電壓下，最大總功耗約為2 mW，最高信噪比達(dá)到110.5 dB。當(dāng)補(bǔ)償濾波器和半帶濾波器的通帶截止頻率根據(jù)帶寬選擇從最高降到最低時(shí)，可分別節(jié)省56%和39%的功耗；當(dāng)濾波器功耗降至最小69.63 μW時(shí)，所能處理的帶寬為390.6 Hz，信噪比為107.8 dB。

發(fā)表于：1/7/2022

基于FPGA的SiP原型驗(yàn)證平臺(tái)設(shè)計(jì)[模擬設(shè)計(jì)][其他]

隨著嵌入式系統(tǒng)小型化和模擬數(shù)字/數(shù)字模擬轉(zhuǎn)換器(ADC/DAC)性能需求的日益增長(zhǎng)，如何在減小系統(tǒng)體積和功耗的前提下，提高ADC/DAC信號(hào)傳輸?shù)目煽啃裕黾庸δ芸膳渲眯院托盘?hào)處理可重構(gòu)性，成為一大難題。為此，設(shè)計(jì)了一款基于FPGA的系統(tǒng)級(jí)封裝(SiP)原型驗(yàn)證平臺(tái)，該SiP基于ADC+SoC+DAC架構(gòu)，片上系統(tǒng)(SoC)內(nèi)部以PowerPC470為處理器，集成了多種通用外設(shè)接口和可重構(gòu)算法單元。

發(fā)表于：1/7/2022

HDLC數(shù)據(jù)幀并行搜幀解封裝模塊的設(shè)計(jì)與驗(yàn)證[模擬設(shè)計(jì)][其他]

HDLC信號(hào)鏈路是國際標(biāo)準(zhǔn)化組織(ISO)制定的高級(jí)數(shù)據(jù)鏈路的控制規(guī)程(High Level Data Link Control，HDLC)。遵循HDLC標(biāo)準(zhǔn)數(shù)據(jù)鏈路層規(guī)范，采用硬件描述語言Verilog HDL實(shí)現(xiàn)了一種基于并行結(jié)構(gòu)的HDLC搜幀解封裝電路，并采用System Verilog技術(shù)搭建驗(yàn)證平臺(tái)，隨機(jī)生成HDLC數(shù)據(jù)幀來驗(yàn)證設(shè)計(jì)正確性。使用Modelsim軟件仿真波形，在仿真過程中，對(duì)于凈荷區(qū)數(shù)據(jù)長(zhǎng)度為10個(gè)字節(jié)的HDLC數(shù)據(jù)幀，解碼器電路工作完成需要16個(gè)時(shí)鐘周期，兼顧了處理速度和靈活性。使用QuartusII軟件綜合，在Altera CycloneV器件上，電路使用了8塊自適應(yīng)邏輯模塊ALM，24個(gè)寄存器，35個(gè)引腳。

發(fā)表于：1/7/2022

基于YOLOv5的姿態(tài)交互球類陪練機(jī)器人[人工智能][其他]

針對(duì)當(dāng)下球類陪練機(jī)器人人機(jī)交互能力不足的問題，提出一種基于樹莓派和YOLOv5目標(biāo)檢測(cè)算法的新型人機(jī)交互模式，使機(jī)器人實(shí)現(xiàn)前進(jìn)、后退、左移、右移、拋球、踢球6種不同的動(dòng)作；通過對(duì)在3種不同環(huán)境(室內(nèi)、室外晴天、室外陰天)下搜集的人體姿態(tài)數(shù)據(jù)集進(jìn)行標(biāo)定、訓(xùn)練后，得到6種姿態(tài)在3種環(huán)境中測(cè)試集上的識(shí)別準(zhǔn)確率分別為：室內(nèi)96.33%、室外晴天95%、室外陰天94.3%。相比基于特征匹配和其他利用手勢(shì)等小目標(biāo)檢測(cè)的算法，基于該算法的機(jī)器人具有更高的檢測(cè)速度和準(zhǔn)確性，使機(jī)器人更加智能化。

發(fā)表于：1/7/2022

基于深度學(xué)習(xí)的智能垃圾分揀車系統(tǒng)[其他][其他]

針對(duì)生活垃圾的高效分類及搬運(yùn)處理，設(shè)計(jì)了一款以邊緣嵌入式AI設(shè)備Jetson Nano為控制器的光電智能小車系統(tǒng)，該系統(tǒng)設(shè)計(jì)以YOLOv5為目標(biāo)檢測(cè)算法，以Pytorch1.8.1為深度學(xué)習(xí)框架。使智能小車從指定區(qū)域出發(fā)，通過自身的光電傳感器在指定范圍內(nèi)搜尋垃圾，利用六軸機(jī)械臂對(duì)垃圾進(jìn)行分揀并送到指定分類地點(diǎn)。對(duì)采集到的5 048張圖片(包括5種垃圾類別)進(jìn)行300次的迭代訓(xùn)練，實(shí)驗(yàn)測(cè)試結(jié)果表明：平均精確度達(dá)到91.8%，準(zhǔn)確率達(dá)到94.5%，召回率達(dá)到89.03%。

發(fā)表于：1/7/2022

基于VGG16網(wǎng)絡(luò)的人臉情緒識(shí)別[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

近年來，如何通過人工智能對(duì)人的面部表情進(jìn)行識(shí)別分析成為一個(gè)研究熱點(diǎn)，利用人工智能可以快速地分析人的面部情緒，并以此為基礎(chǔ)進(jìn)行進(jìn)一步研究。在深度學(xué)習(xí)中，傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)存在對(duì)面部表情特征的提取不充分以及計(jì)算機(jī)參數(shù)量較大的問題，導(dǎo)致分類準(zhǔn)確率較低。因此，提出了基于VGG16網(wǎng)絡(luò)的人臉表情識(shí)別算法，通過與InceptionV3、InceptionResNetV2、ResNet50等模型實(shí)驗(yàn)對(duì)比，結(jié)果表明，VGG16神經(jīng)網(wǎng)絡(luò)在FER2013PLUS測(cè)試數(shù)據(jù)集上的識(shí)別準(zhǔn)確率為79%，準(zhǔn)確率比傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)高。

發(fā)表于：1/7/2022

區(qū)域多能源系統(tǒng)數(shù)字孿生應(yīng)用平臺(tái)構(gòu)建[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對(duì)缺乏支撐區(qū)域多能源系統(tǒng)數(shù)字孿生動(dòng)態(tài)規(guī)劃、運(yùn)行優(yōu)化等上層應(yīng)用接入、管理和運(yùn)行的高性能平臺(tái)的現(xiàn)狀，考慮到數(shù)字孿生應(yīng)用對(duì)通信效率、數(shù)據(jù)安全的要求，借助CloudPSS云仿真平臺(tái)設(shè)計(jì)了包含基礎(chǔ)層、應(yīng)用層、業(yè)務(wù)層的安全、靈活、可擴(kuò)展的數(shù)字孿生應(yīng)用平臺(tái)的軟硬件；并以貴州紅楓湖區(qū)域多能源系統(tǒng)為試點(diǎn)區(qū)域，介紹了包括建模仿真、數(shù)據(jù)通信和應(yīng)用集成功能的區(qū)域多能源系統(tǒng)數(shù)字孿生應(yīng)用平臺(tái)的構(gòu)建過程。所構(gòu)建的區(qū)域多能源系統(tǒng)數(shù)字孿生應(yīng)用平臺(tái)作為數(shù)字孿生從概念到應(yīng)用的理想實(shí)現(xiàn)工具，其架構(gòu)設(shè)計(jì)方案與具體構(gòu)建經(jīng)驗(yàn)可為數(shù)字孿生技術(shù)的廣泛落地提供理論和實(shí)踐參考。

發(fā)表于：1/7/2022

基于CloudPSS-RT和RT-Lab聯(lián)合實(shí)時(shí)仿真平臺(tái)的在線阻抗分析裝置設(shè)計(jì)[其他][其他]

準(zhǔn)確的寬頻帶阻抗測(cè)量是發(fā)現(xiàn)和解決未來雙高電力系統(tǒng)穩(wěn)定性問題的重要基礎(chǔ)，但直接向電力系統(tǒng)注入諧波進(jìn)行測(cè)量可能會(huì)帶來失穩(wěn)的風(fēng)險(xiǎn)，而基于半實(shí)物仿真技術(shù)可以以較低的成本與風(fēng)險(xiǎn)實(shí)現(xiàn)較為準(zhǔn)確的寬頻帶阻抗測(cè)量。實(shí)時(shí)仿真器的計(jì)算性能和仿真規(guī)模取決于目標(biāo)計(jì)算機(jī)的計(jì)算能力，仿真精度與規(guī)模顧此失彼，難以兼顧，并且隨著電力系統(tǒng)仿真規(guī)模要求的不斷提高，單一的實(shí)時(shí)仿真系統(tǒng)越來越難以滿足大規(guī)模仿真的要求。使用多個(gè)實(shí)時(shí)仿真器協(xié)同進(jìn)行聯(lián)合仿真，是提高仿真規(guī)模的有效途徑。首先構(gòu)建了基于CloudPSS-RT和RT-Lab聯(lián)合實(shí)時(shí)仿真平臺(tái)的在線阻抗分析裝置，并通過構(gòu)建光伏與雙饋風(fēng)力發(fā)電系統(tǒng)，驗(yàn)證了在線阻抗分析裝置的準(zhǔn)確性和有效性。

發(fā)表于：1/7/2022

高性能高可用Redis客戶端的設(shè)計(jì)與實(shí)現(xiàn)[模擬設(shè)計(jì)][其他]

Redis是一個(gè)基于內(nèi)存存儲(chǔ)的非結(jié)構(gòu)化數(shù)據(jù)庫，以高I/O(Input/Output)性能和高響應(yīng)速度著稱，在數(shù)據(jù)緩沖、消息隊(duì)列、Key-Value存儲(chǔ)等場(chǎng)景都發(fā)揮著重要的作用。在其支持的眾多客戶端中，C/C++客戶端Hiredis的應(yīng)用尤為廣泛。對(duì)Hiredis庫做了深入分析，發(fā)現(xiàn)了其管道功能存在高開銷、指令存儲(chǔ)不當(dāng)以及內(nèi)存混淆問題?；诖?，在32邏輯核的X86架構(gòu)處理器以及64 GB內(nèi)存的Linux服務(wù)器上，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)面向C/C++的高性能高可用Redis客戶端，通過內(nèi)存預(yù)分配以及內(nèi)存隔離的方法提高了大量指令批處理時(shí)的性能并解決了復(fù)雜場(chǎng)景下的內(nèi)存混淆問題。經(jīng)測(cè)試，新客戶端提高了3～7倍的指令執(zhí)行效率，同時(shí)也保證了復(fù)雜場(chǎng)景下的內(nèi)存安全以及數(shù)據(jù)準(zhǔn)確性。

發(fā)表于：1/7/2022