123,123

基于Qt的雷達(dá)顯示及手機(jī)客戶端設(shè)計(jì)[其他][其他]

為了實(shí)現(xiàn)對雷達(dá)平面位置顯示器(Plane Position Indicator，PPI)更加方便、快捷的控制，設(shè)計(jì)了一種基于Qt的雷達(dá)PPI顯示及手機(jī)控制客戶端。根據(jù)雷達(dá)PPI顯控需求，在Windows系統(tǒng)下利用Qt圖形框架設(shè)計(jì)雷達(dá)PPI顯示端，并基于Qt on Android開發(fā)環(huán)境使用QML實(shí)現(xiàn)手機(jī)控制客戶端的設(shè)計(jì)。雷達(dá)PPI顯示端和手機(jī)客戶端通過TCP/IP協(xié)議遠(yuǎn)程連接，實(shí)現(xiàn)手機(jī)客戶端在以太網(wǎng)下對雷達(dá)PPI顯示端的控制。該客戶端實(shí)現(xiàn)了利用Android可移動設(shè)備對雷達(dá)PPI顯示端的遠(yuǎn)程控制，擴(kuò)展了雷達(dá)PPI顯控系統(tǒng)在復(fù)雜環(huán)境下的適用性。測試表明，基于Qt的雷達(dá)PPI顯控手機(jī)客戶端可以方便、快捷地控制雷達(dá)PPI顯示端，且軟件運(yùn)行穩(wěn)定，滿足性能需求。

發(fā)表于：2021/7/28 17:21:00

基于新型耦合器的緊耦合陣列天線研究[其他][其他]

緊耦合陣列天線具備超寬帶性能，可廣泛應(yīng)用于雷達(dá)、通信、情報(bào)偵察等領(lǐng)域。提出了一種采用新型電容耦合器的寬帶緊耦合陣列天線，獲得了寬帶性能。該電容耦合器通過將兩條部分重疊的傳輸線沿阿基米德螺旋曲線纏繞而獲得，可以得到陣元間的強(qiáng)電容耦合，同時(shí)為了增加相鄰天線單元間的電容，耦合器采用了雙層印刷結(jié)構(gòu)。此外，采用集成的寬帶巴倫和電介質(zhì)覆層，進(jìn)一步提高了天線的寬帶匹配性能。仿真結(jié)果表明，所設(shè)計(jì)的緊耦合陣列天線陣列在1.2～6.2 GHz范圍內(nèi)有源駐波小于3，同時(shí)在所有平面中掃描角達(dá)到45°。制造并測試了天線樣機(jī)，測量結(jié)果表明所設(shè)計(jì)的天線在有源駐波小于3時(shí)阻抗帶寬達(dá)到5.2:1。

發(fā)表于：2021/7/28 17:17:00

基于DSP增益可控的光刻機(jī)測高電路的設(shè)計(jì)研究[其他][其他]

介紹了激光三角法高度測量技術(shù)和基于數(shù)字信號處理器DSP與線陣CCD的激光高度測量系統(tǒng)。采用比例恒流源和鏡像恒流源組合，設(shè)計(jì)了輸出功率穩(wěn)定可調(diào)的激光二極管驅(qū)動電路和線陣CCD的驅(qū)動電路，借助DSP定時(shí)器周期調(diào)節(jié)靈活的優(yōu)點(diǎn)，方便地調(diào)節(jié)光積分時(shí)間來提高信號質(zhì)量。針對光刻工藝中不同的測量對象表面的光學(xué)特征，自動進(jìn)行激光二極管增益控制和光積分時(shí)間調(diào)節(jié)，提高測量的適應(yīng)性和測量效率。

發(fā)表于：2021/7/28 17:12:00

基于STM32的單相電機(jī)調(diào)速控制器的設(shè)計(jì)[其他][其他]

針對模擬調(diào)速方法控制精度和柔性差的缺點(diǎn)，提出了一種數(shù)字化的單相電機(jī)調(diào)速方案。介紹了單相交流調(diào)壓調(diào)速原理，設(shè)計(jì)了控制器主電路和過零檢測電路，對電路進(jìn)行了仿真和參數(shù)優(yōu)化，在此基礎(chǔ)上搭建了基于STM32的單相電機(jī)調(diào)壓調(diào)速控制系統(tǒng)并進(jìn)行實(shí)驗(yàn)驗(yàn)證。仿真與實(shí)驗(yàn)結(jié)果表明，過零信號檢測判斷準(zhǔn)確，實(shí)驗(yàn)波形與理論分析一致，實(shí)現(xiàn)了數(shù)字化調(diào)壓調(diào)速。

發(fā)表于：2021/7/28 17:08:00

基于STM32兩軸深水觀測云臺控制系統(tǒng)設(shè)計(jì)[其他][其他]

隨著水下機(jī)器人在海洋能源勘探領(lǐng)域研究的深入，其需要借助云臺實(shí)時(shí)監(jiān)測水下環(huán)境、保證安全高效的作業(yè)。因此設(shè)計(jì)了基于STM32主控板的兩自由度深水觀測云臺及其控制系統(tǒng)，在FreeRTOS上設(shè)置不同優(yōu)先級的任務(wù)，實(shí)現(xiàn)CPU資源的高效利用。采用RS485實(shí)現(xiàn)云臺和上位機(jī)通信，上位機(jī)按照Modbus雙向通信協(xié)議向云臺下位機(jī)發(fā)送控制命令。在實(shí)現(xiàn)兩軸云臺電機(jī)轉(zhuǎn)動的同時(shí)，上位機(jī)實(shí)時(shí)接收檢測到的數(shù)據(jù)。采用PID算法控制云臺轉(zhuǎn)動角度，通過分析實(shí)驗(yàn)結(jié)果，該系統(tǒng)可以實(shí)現(xiàn)云臺兩自由度控制和高質(zhì)量圖片視頻采集。

發(fā)表于：2021/7/28 17:05:00

代碼審查缺陷密度量化模型研究[其他][其他]

為通過代碼審查活動達(dá)到對軟件產(chǎn)品質(zhì)量提升的作用，給出了代碼審查平臺搭建方案，并據(jù)此平臺策劃開展了多個工程的代碼審查活動。利用首輪采集的數(shù)據(jù)，初步分析確立了代碼審查缺陷密度模型和影響因子，計(jì)算得到了代碼審查缺陷密度的基線目標(biāo)值。該模型可以供研發(fā)團(tuán)隊(duì)和研發(fā)團(tuán)隊(duì)所屬組織策劃確定代碼審查基線，并策劃開展后續(xù)代碼審查活動。

發(fā)表于：2021/7/28 17:01:00

基于改進(jìn)型差分進(jìn)化的MLAT系統(tǒng)布站方法研究[其他][其他]

對于多點(diǎn)定位系統(tǒng)的定位精度受基站幾何布局影響的問題，提出基于改進(jìn)型差分進(jìn)化算法的布站優(yōu)化方法?；诓罘诌M(jìn)化算法并適當(dāng)改進(jìn)，結(jié)合場面多點(diǎn)定位系統(tǒng)的其他條件和限制因素，以幾何精度因子GDOP為適應(yīng)度函數(shù)，實(shí)現(xiàn)基站優(yōu)化布站，為系統(tǒng)設(shè)計(jì)和建設(shè)中基站位置的選取提供參考依據(jù)。仿真結(jié)果表明，該布站優(yōu)化方法在多點(diǎn)定位系統(tǒng)中可獲得較高的定位精度。

發(fā)表于：2021/7/28 16:57:00

基于云計(jì)算的流媒體任務(wù)調(diào)度算法[其他][其他]

針對當(dāng)前流媒體的大量視頻資源從而帶來的云計(jì)算的負(fù)載均衡和任務(wù)分配問題，在Cloudsim云環(huán)境下實(shí)現(xiàn)了任務(wù)調(diào)度的GAAC算法(Greedy And Ant Colony Algorithm，GAAC)。GAAC算法具有迭代學(xué)習(xí)機(jī)制、局部最優(yōu)和負(fù)載均衡的特點(diǎn)。并在Cloudsim的環(huán)境下，完成了對GAAC算法、輪轉(zhuǎn)算法(Round Roll Algorithm，RR)、貪心算法和蟻群算法的仿真比較。實(shí)驗(yàn)驗(yàn)證，GAAC算法從總體上而言，任務(wù)調(diào)度所用的時(shí)間明顯較低于貪心算法和傳統(tǒng)的輪轉(zhuǎn)算法和蟻群算法，即其任務(wù)執(zhí)行的時(shí)間更短，效率更高。

發(fā)表于：2021/7/28 16:53:00

基于多尺度網(wǎng)絡(luò)的絕緣子自曝狀態(tài)智能認(rèn)知方法研究[其他][其他]

針對已有絕緣子狀態(tài)識別模型，以及深層網(wǎng)絡(luò)尺度和交叉熵?fù)p失函數(shù)的缺陷，仿照運(yùn)維人員檢修模式，即依據(jù)評測結(jié)果的可信度動態(tài)決策，基于多尺度網(wǎng)絡(luò)構(gòu)建了一種絕緣子自曝狀態(tài)智能認(rèn)知方法。首先，面向定位歸一化化預(yù)處理后的絕緣子圖像，基于ResNet-18增加不同結(jié)構(gòu)的網(wǎng)絡(luò)分支提高網(wǎng)絡(luò)適應(yīng)不同分辨率的能力，同時(shí)在網(wǎng)絡(luò)末端添加多尺度信息融合模塊；其次，隨機(jī)配置網(wǎng)絡(luò)面向多個尺度特征，構(gòu)建了泛化的自曝狀態(tài)分類認(rèn)知準(zhǔn)則；最后，為了評測自曝狀態(tài)分類認(rèn)知結(jié)果的可信度，基于定義的誤差指標(biāo)自調(diào)節(jié)多尺度網(wǎng)絡(luò)架構(gòu)，重構(gòu)不確定認(rèn)知結(jié)果約束下的特征向量和分類認(rèn)知準(zhǔn)則，以進(jìn)行自曝狀態(tài)再認(rèn)知。實(shí)驗(yàn)結(jié)果顯示，與其他方法相比，所提出的智能認(rèn)知方法增強(qiáng)了模型的泛化能力和認(rèn)知精度。

發(fā)表于：2021/7/28 16:49:00

基于深度學(xué)習(xí)的1-比特超大規(guī)模MIMO信道估計(jì)[其他][其他]

超大規(guī)模多輸入多輸出(Multiple Input Multiple Output，MIMO)技術(shù)在未來的移動通信中具有巨大的潛力。然而，采用超大型的天線陣列會出現(xiàn)空間非平穩(wěn)性信道特征，如果為基站的每根天線都配備一個高精度量化器，系統(tǒng)功耗將大幅度增加，從而阻礙超大規(guī)模MIMO系統(tǒng)的廣泛應(yīng)用。因此，假設(shè)基站的每根天線都配備有一對1-比特模數(shù)轉(zhuǎn)換器(Analog-to-Digital Converters，ADC)，利用子陣列與用戶之間的映射關(guān)系來描述非平穩(wěn)信道特征，借助深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network，DNN)強(qiáng)大的泛化能力，設(shè)計(jì)一種新的生成式監(jiān)督DNN模型，該模型可以使用合理數(shù)量的導(dǎo)頻進(jìn)行訓(xùn)練。仿真結(jié)果表明，所提出的網(wǎng)絡(luò)可以使用較少的導(dǎo)頻得到較好的估計(jì)性能，在性能與計(jì)算復(fù)雜度之間取得良好的平衡。

發(fā)表于：2021/7/28 16:45:00