av无码激情在线观看,国产丝袜在线播放

Raw格式巖心圖像超分辨率重建[人工智能][其他]

在巖心面陣相機開發(fā)中，可以使用基于學(xué)習(xí)的超分辨率技術(shù)來提升巖心圖像的分辨率。針對現(xiàn)有超分辨率技術(shù)在重建巖心圖像時存在的細節(jié)模糊或色彩偏差等問題，提出了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的Raw格式巖心圖像超分辨率重建算法。首先，模擬相機圖像處理器的線性處理部分合成線性圖像數(shù)據(jù)集；然后，通過一個雙層卷積神經(jīng)網(wǎng)絡(luò)，分別訓(xùn)練高低分辨率圖像之間的紋理、色彩映射關(guān)系；最后，用重建出的線性高分辨率圖像模擬相機圖像處理器的非線性處理部分，獲得紋理清晰且色彩逼真的巖心重建圖像。實驗結(jié)果表明，本文提出的重建算法提升了巖心圖像的重建效果。

發(fā)表于：12/15/2020

基于AWK和Shell的計費賬務(wù)內(nèi)控監(jiān)測系統(tǒng)設(shè)計[模擬設(shè)計][信創(chuàng)產(chǎn)業(yè)]

為了適應(yīng)日趨激烈的電信市場競爭，電信企業(yè)內(nèi)部在不斷進行改革。建立電信運營企業(yè)內(nèi)部控制體系是公司健康持續(xù)發(fā)展的重要一環(huán)，而計費賬務(wù)系統(tǒng)數(shù)據(jù)涉及公司財務(wù)收入，對它的管控到位能反映出一個公司內(nèi)控管理水平?；贏WK和Shell編程語言，設(shè)計了計費賬務(wù)內(nèi)控監(jiān)測系統(tǒng)，并重點闡述其軟件設(shè)計。系統(tǒng)采用C/S和B/S混合編程的方法，在采集交換機話單文件列表流程中使用封裝腳本體的方法，實現(xiàn)交換機登錄、采集文件、標準化、入庫一次性自動執(zhí)行，在采集核對功能展示上采用B/S架構(gòu)進行前臺告警展現(xiàn)。該設(shè)計提高了省級中心和地市運維兩級對計費賬務(wù)流程監(jiān)控效率，為后期內(nèi)控審計工作提供了有效的憑據(jù)。

發(fā)表于：12/15/2020

一種OFDM電力線通信系統(tǒng)的自動增益控制方法[電源技術(shù)][智能電網(wǎng)]

低壓電力線信道中普遍存在較大的脈沖噪聲，這對OFDM電力線通信系統(tǒng)的自動增益控制（AGC）帶來了極大的挑戰(zhàn)。在分析電力線通信系統(tǒng)架構(gòu)及脈沖噪聲特點的基礎(chǔ)上，提出了一種抗脈沖噪聲能力強的自動增益控制新方法。該方法通過在自動增益控制中嵌入脈沖檢測電路，在檢測到脈沖噪聲或系統(tǒng)幀同步時，停止增益調(diào)整，可有效防止脈沖噪聲引起AGC誤動作，降低接收過程中脈沖噪聲對AGC的干擾。仿真結(jié)果表明，所提出的自動增益控制方法能有效提高電力線通信接收機的性能。

發(fā)表于：12/15/2020

基于BIM與GIS數(shù)據(jù)融合的智慧地鐵運維系統(tǒng)研究[其他][工業(yè)自動化]

建筑信息模型(BIM)和地理信息系統(tǒng)(GIS)的融合為智慧地鐵運維系統(tǒng)的實現(xiàn)提供了強有力的技術(shù)支持。論證了將BIM+GIS運用到地鐵設(shè)備運維系統(tǒng)中的優(yōu)勢和可行性，從BIM和GIS模型的數(shù)據(jù)規(guī)范入手，提出了一種有效的BIM和GIS數(shù)據(jù)融合方案。通過運用BIM和GIS，實現(xiàn)了設(shè)備智慧巡檢、設(shè)備故障預(yù)警與智能維修和應(yīng)急智能處置等智慧功能。BIM和GIS數(shù)據(jù)的成功融合，為智慧地鐵運維系統(tǒng)的建成提供了一種強有力的技術(shù)手段。

發(fā)表于：12/15/2020

融合位置信息的卷積門控網(wǎng)絡(luò)實現(xiàn)與應(yīng)用[其他][其他]

基于方面的情感分析（AspectBased Sentiment Analysis）通常使用長短期記憶網(wǎng)絡(luò)和注意力機制方法，這兩種模型結(jié)構(gòu)復(fù)雜，運行時間長。現(xiàn)有的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡單，具有代表性的是GCAE（Gated Convolutional Networks with Aspect Embedding）模型。但其由于未充分地利用詞語的順序信息，不能準確快速地關(guān)注到關(guān)鍵詞。因此提出了一種融合位置信息的卷積門控網(wǎng)絡(luò)方法。采用SemEval數(shù)據(jù)集進行實驗，并與采用GCAE模型的實驗結(jié)果進行對比，結(jié)果表明，所提模型迭代一次約用時5.96 s，優(yōu)于長短期記憶模型的81 s。該模型對句子中有多個方面的情感極性判斷準確度為55.00%，高于GCAE模型的53.00%。該研究對于提高基于方面的情感分析的迭代時間和準確度有一定的參考意義。

發(fā)表于：12/15/2020

橡膠-金屬緩沖彈簧在飛機舵機電液伺服系統(tǒng)中的應(yīng)用[其他][工業(yè)自動化]

針對飛機舵機電液伺服系統(tǒng)在抑制多余力干擾時，緩沖裝置無法實現(xiàn)變剛度連續(xù)加載的問題，采用在系統(tǒng)結(jié)構(gòu)中設(shè)置橡膠金屬緩沖彈簧的結(jié)構(gòu)補償方法。首先，設(shè)計橡膠金屬緩沖彈簧結(jié)構(gòu)，利用ANSYS仿真軟件構(gòu)建有限元模型并對其進行性能分析。通過構(gòu)建飛機舵機電液伺服系統(tǒng)各元件數(shù)學(xué)模型，從而得到系統(tǒng)整體數(shù)學(xué)模型。最后，利用MATLAB仿真軟件驗證該方法的可行性和有效性。研究結(jié)果表明，橡膠金屬緩沖彈簧能夠達到技術(shù)指標要求，改善系統(tǒng)穩(wěn)定特性，具有較高的工程實踐價值。

發(fā)表于：12/15/2020

基于NOR Flash的卷積計算單元的設(shè)計[其他][信創(chuàng)產(chǎn)業(yè)]

提出一種基于NOR Flash的模擬卷積運算單元，與同類模擬卷積運算單元相比具有高精度、高能耗比、低噪聲的特點。該單元采用存算一體架構(gòu)，將卷積核的權(quán)重參數(shù)以閾值電壓的方式存儲在Flash中，輸入圖片經(jīng)過模擬卷積運算得到輸出圖片。在SMIC 65 nm浮柵工藝下，使用SOBEL邊緣檢測算法評估該單元的性能。仿真結(jié)果表明，在3.3 V電源電壓，100 MHz時鐘下，實現(xiàn)一個3×3卷積核的Flash陣列的能耗比達到0.18 TOPS/W，卷積計算結(jié)果的峰值信噪比(PSNR)為39.05 dB。

發(fā)表于：12/15/2020

一種低相位噪聲的正交電感電容壓控振蕩器的設(shè)計[電子元件][工業(yè)自動化]

在相同的功耗下，串聯(lián)耦合正交電感電容壓控振蕩器相位噪聲性能優(yōu)于并聯(lián)耦合電感電容壓控振蕩器。但是在傳統(tǒng)的串聯(lián)耦合正交電感電容壓控振蕩器中，LC諧振腔中存在45°的相位偏移使得其相位噪聲被惡化。因此提出一種交流偏置的串聯(lián)耦合正交電感電容壓控振蕩器。該振蕩器中的LC諧振腔的相移接近0°,并且耦合MOS管的低頻噪聲上變頻的相位噪聲部分受到抑制。所以該交流偏置的串聯(lián)耦合正交電感電容壓控振蕩器可以獲得較好的相位噪聲性能。所提出的正交電感電容壓控振蕩器在TSMC 180 nm CMOS工藝下設(shè)計完成。其輸出頻率調(diào)諧范圍為2.34 GHz~2.60 GHz，電源電壓為1.8 V，功耗約為11.2 mW。輸出頻率為2.58 GHz時，3 MHz頻偏處的相位噪聲為-140.1 dBc/Hz，相較于傳統(tǒng)串聯(lián)耦合正交振蕩器優(yōu)化了6.4 dB。該振蕩器的品質(zhì)因子為188.3 dBc/Hz，平均相位誤差為0.05°。

發(fā)表于：12/15/2020

一種26~28 Gb/s高能效低抖動Bang-bang CDR設(shè)計[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

一種26~28 Gb/s高能效低抖動Bang-bang CDR設(shè)計蔣姝潔，林福江(中國科學(xué)技術(shù)大學(xué) 微電子學(xué)院，安徽合肥 230026)設(shè)計實現(xiàn)了一款26~28 Gb/s的高能效低抖動Bangbang CDR電路，采用改進的全速率非線性鑒相器結(jié)構(gòu)，提高了鑒相器電路的輸入靈敏度，改善高數(shù)據(jù)速率下磁滯效應(yīng)的影響，從而提升環(huán)路整體的抖動性能；通過壓控振蕩器和壓控振蕩器緩沖電路協(xié)同調(diào)諧的方式減小為驅(qū)動大的鑒相器負載的時鐘緩沖電路的功耗。采用TSMC 40 nm CMOS工藝，輸入231-1 300 mVPP的偽隨機二進制序列(PRBS)數(shù)據(jù)，在28 Gb/s下該時鐘數(shù)據(jù)恢復(fù)電路恢復(fù)出的時鐘抖動為1.66 ps (pp)，數(shù)據(jù)抖動為1.81 ps (pp)；在注入4 MHz正弦抖動的情況下，抖動容限小于0.75 UIpp。在1 V電源電壓下，功耗小于38.5 mW。

發(fā)表于：12/15/2020

基于DenseNet和深度運動圖的行為識別算法[其他][其他]

結(jié)合深度信息以及RGB視頻序列中豐富的紋理信息，提出了一種基于DenseNet和深度運動圖像的人體行為識別算法。該算法基于DenseNet網(wǎng)絡(luò)結(jié)構(gòu)，首先獲取彩色紋理信息和光流信息，然后從同步的深度視頻序列獲取深度信息，以增強特征互補性；再將空間流、時間流和深度流三種特征信息分別作為網(wǎng)絡(luò)的輸入；最后通過LSTMs進行特征融合和行為分類。實驗結(jié)果表明，在公開的動作識別庫UTDMHAD數(shù)據(jù)集上，該算法識別準確率為 92.11%，與該領(lǐng)域中的同類算法相比表現(xiàn)優(yōu)異。

發(fā)表于：12/15/2020

一種小型化、遠距離、平面掃描式激光雷達避障系統(tǒng)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

基于激光雷達的無人機避障系統(tǒng)能夠?qū)崟r探測和定位前方障礙物。首先介紹了四種避障技術(shù)并對其性能進行了分析；其次，闡述了基于激光雷達的無人機避障技術(shù)的研究進展。在此基礎(chǔ)上，針對避障系統(tǒng)普遍存在的重量、功耗、作用距離和數(shù)據(jù)輸出率等多指標相互制約的問題，提出了一種小型化、遠距離、平面掃描式激光雷達避障系統(tǒng)解決方案。借助高速脈沖調(diào)制、單光子測距、波形高速采樣以及轉(zhuǎn)鏡掃描等技術(shù)，以FPGA為主控芯片，避障系統(tǒng)作用距離達300 m，掃描角分辨率為0.1°，為可靠獲得障礙物信息提供了重要保障。

發(fā)表于：12/15/2020

基于注冊碼的軟件授權(quán)保護系統(tǒng)的設(shè)計與實現(xiàn)[其他][信創(chuàng)產(chǎn)業(yè)]

目前國內(nèi)軟件加密授權(quán)技術(shù)的發(fā)展較為緩慢，針對傳統(tǒng)的軟件保護方式單一，軟件授權(quán)方式不靈活的問題，提出了基于注冊碼的軟件授權(quán)保護方案，設(shè)計了軟件的加密授權(quán)和檢驗流程，對軟件加密授權(quán)的各環(huán)節(jié)進行優(yōu)化和改進。該方案不僅為用戶提供了軟件的授權(quán)保護機制，如時間授權(quán)、功能授權(quán)等，還能在離線環(huán)境下增強軟件的保護作用，具有較高的安全性和實用性。

發(fā)表于：12/15/2020

基于湍流大渦算法的煙氣擴散對人員逃生影響研究[其他][其他]

以氣體流動控制方程為基礎(chǔ)，基于湍流大渦算法研究國防工程不同出口類型防火分區(qū)不同位置著火點發(fā)生火災(zāi)時煙氣擴散規(guī)律，分析走廊煙氣特征參數(shù)分布和人員逃生時的火災(zāi)危險性。研究表明：對于雙向型出口，走廊煙氣和空氣分布有明顯熱分層現(xiàn)象，走廊能見度最好、溫度最低；單向型出口溫度沿走廊呈衰減趨勢，在著火房間處走廊溫度較高；CO2濃度在各種出口類型下均能滿足人員逃生要求；全封閉型分區(qū)能見度低，火場溫度高，火災(zāi)危險性最大。

發(fā)表于：12/15/2020

一種融合注意力和記憶網(wǎng)絡(luò)的序列推薦算法[人工智能][物聯(lián)網(wǎng)]

傳統(tǒng)基于協(xié)同過濾和矩陣分解的靜態(tài)表示推薦算法，不能很好地體現(xiàn)用戶的動態(tài)興趣。循環(huán)神經(jīng)網(wǎng)絡(luò)能夠進行序列推薦，但存在序列之間的長距離依賴性差、各項目的區(qū)分度差等問題。由此提出一種融合注意力和記憶網(wǎng)絡(luò)的序列推薦算法，根據(jù)Word2vec算法，引申item2vec和user2vec，初始化用戶和項目的固定表示嵌入矩陣，通過結(jié)合注意力機制和長短期記憶網(wǎng)絡(luò)(Long ShortTerm Memory,LSTM)解決序列之間的長距離依賴性差和區(qū)分度差問題。利用記憶網(wǎng)絡(luò)獲取用戶的動態(tài)鄰居，加強用戶的動態(tài)表示，實現(xiàn)更準確的推薦。通過在MovieLens數(shù)據(jù)集上的實驗結(jié)果表明，所提出的算法相比其他算法推薦效果顯著提高。

發(fā)表于：12/15/2020

一種基于雙目SLAM的環(huán)境建模方法[其他][其他]

利用計算機視覺對環(huán)境進行建模是機器人環(huán)境感知相關(guān)研究的一項重要工作。提出了一種基于雙目SLAM的建模方法。該方法的主要思想是利用雙目SLAM（Simultaneous Localization and Mapping，同步定位與地圖構(gòu)建）技術(shù)獲取相機位姿，并利用雙目相機直接獲取場景的深度圖，然后將二者融合成場景的點云地圖。由于雙目相機直接獲取的深度圖像誤差點較多，因此提出了一種基于視線約束的點云濾波方法，來消除場景點云中的誤差點。經(jīng)過實驗驗證了建模的效果，以及視線約束點云濾波的有效性。

發(fā)表于：12/15/2020