123,123

一種應用于AMOLED顯示驅動的電荷泵系統(tǒng)[電源技術][智能電網]

UMC 80 nm工藝，設計了一種應用于AMOLED顯示驅動的電荷泵系統(tǒng)。為了滿足AMOLED顯示驅動在不同輸出電壓情況下保持電源效率高于70%的要求，本設計中泵電路采用多輸入電源結構，并在不同路徑上使用不同類型的MOS管。為了保障電路在8 mA負載下輸出電壓紋波小于10 mV，采用雙邊對稱的泵電路結構。為了保持輸出電壓的穩(wěn)定性，整個系統(tǒng)采用PSM調制方式。對電路進行Spectre仿真，在1 μF泵電容以及2.2 μF輸出電容，負載電流為8 mA情況下，各種輸出電壓情況下的電壓紋波最大為1.2 mV，電源效率最低為70%，峰值效率為83.6%。

發(fā)表于：2020/10/20 8:58:00

基于FP-growth算法的用電異常數(shù)據(jù)挖掘方法[測試測量][智能電網]

隨著科學技術的不斷進步，不法分子竊電手段日趨專業(yè)化多樣化，而傳統(tǒng)的防竊電技術實時性及可行性較低。研究對運行中智能電能表用電信息的數(shù)據(jù)采集及特征提取，分析異常用電數(shù)據(jù)，應用機器學習的方法對特征值進行學習，并推導出用電異常的判斷閾值，采用關聯(lián)規(guī)則數(shù)據(jù)挖掘方法對獨立檢測的結果進行融合，從而實現(xiàn)竊電數(shù)據(jù)的挖掘。最后驗證了模型建立的準確性，并推導出用電異常案例的甄別方法。

發(fā)表于：2020/10/19 9:19:00

基于邊窗濾波和擴張卷積的礦井行人檢測[測試測量][物聯(lián)網]

在數(shù)字化礦山中，行人檢測系統(tǒng)能夠大幅減少事故傷亡，是保護工人安全的重要手段。為了構建高性能的行人檢測系統(tǒng)，提出了一種基于邊窗濾波和擴張卷積的礦井行人檢測模型。具體來說，針對復雜惡劣的礦井環(huán)境，采用邊窗濾波抑制視頻圖像中的干擾信號，提升圖像質量。此外，考慮到行人目標的多尺度特性，在模型中引入擴張卷積增加特征的感受野，進而提升檢測性能。大量的對比實驗證明了邊窗濾波和擴張卷積的有效性，模型在礦井數(shù)據(jù)集上獲得94.3 mAP和99.1%檢測率的優(yōu)異性能。

發(fā)表于：2020/10/19 9:12:00

基于權值交互思想的卷積神經網絡量化算法[通信與網絡][通信網絡]

傳統(tǒng)的卷積神經網絡量化算法廣泛使用對稱均勻量化操作對模型權值進行量化，沒有考慮到相鄰權值量化之間的相互關系，即上一個權值的量化操作產生的量化噪聲可以通過調整之后權值的量化方向加以彌補。針對上述問題，提出了一種基于權值交互思想的三值卷積神經網絡量化算法，達到了16倍的模型壓縮比，以ImageNet作為數(shù)據(jù)集，量化后的AlexNet和ResNet-18網絡上模型預測準確率只下降了不到3%。該方法達到了較高的模型壓縮比，具有較高的精度，可以用于將卷積神經網絡移植到計算資源有限的移動端平臺上。

發(fā)表于：2020/10/16 8:59:00

《瓦森納協(xié)定》調整下中國半導體產業(yè)發(fā)展的思考[電子元件][信創(chuàng)產業(yè)]

半導體產業(yè)是高資本、高投入、高風險且進入門檻高的產業(yè)，從產業(yè)現(xiàn)狀分析，中國半導體產業(yè)除封測外，設備及材料、設計、制造等環(huán)節(jié)仍處于低端水平，高端產品嚴重依賴進口。提高中國半導體國產化率水平面臨技術難度高、資金投入巨大且國內缺乏芯片設備、設計與制造領域的高新人才等問題?！锻呱{協(xié)定》于2019年12月被重新修訂，隨之增加了對計算機光刻軟件和大硅片切磨拋技術的出口管制，面對如此變化我國半導體產業(yè)勢必受到影響。從中國半導體產業(yè)發(fā)展現(xiàn)狀入手，分析目前產業(yè)發(fā)展態(tài)勢及問題，并研究《瓦森納協(xié)定》重新修訂后對我國半導體產業(yè)的影響，最后提出相應的解決措施和建議。

發(fā)表于：2020/10/16 8:53:00

從基礎研究淺析人工智能技術發(fā)展趨勢[人工智能][物聯(lián)網]

近六十多年來，人工智能在算法、算力和數(shù)據(jù)的共同驅動下，獲得了飛速發(fā)展，但仍處于弱人工智能階段。重點分析了人工智能算法和算力方面的基礎研究現(xiàn)狀和發(fā)展趨勢，弱人工智能邁向強人工智能亟待基礎研究上的革命性突破。算法層面，深度學習算法模型缺乏可釋性和可泛化性，在基礎理論上遇到瓶頸，亟待基礎理論上的突破；算力層面，因集成電路工藝制程逼近微觀物理極限導致摩爾定律失效和電子芯片算力增長趨緩，通用計算芯片架構受制于馮諾依曼瓶頸，以神經形態(tài)芯片為代表的人工智能芯片方興未艾；數(shù)據(jù)層面，細分領域的高質量數(shù)據(jù)集匱乏制約人工智能技術應用發(fā)展，未來高質量數(shù)據(jù)集將不斷構建?？傊?，人工智能底層技術將在未來相當長時間內緩慢前進，但產業(yè)化應用正在蓬勃發(fā)展。

發(fā)表于：2020/10/14 8:56:00

新冠疫情下的5G床旁會診應用探索與實踐[人工智能][醫(yī)療電子]

2020年初，新型冠狀病毒疫情迅速蔓延，5G智慧醫(yī)療在緩解醫(yī)療資源緊缺方面發(fā)揮重要作用。首先針對疫情對智慧醫(yī)療的全新需求進行分析，然后提出了具有創(chuàng)新性的5G床旁會診方案，并通過實踐案例驗證了方案的可行性和有效性。

發(fā)表于：2020/10/14 8:50:00

5G基站節(jié)能技術性能評估研究[通信與網絡][5G]

相比于已商用的4G技術，5G需要支持更大的帶寬、更多的通道數(shù)以滿足ITU提出的性能需求，但這也導致了5G能耗的顯著增加?；竟?jié)能技術是通過在時和頻域上關閉相應的發(fā)射資源來實現(xiàn)基站能耗的有效降低，為了避免節(jié)能技術對網絡覆蓋和用戶體驗的影響，在網絡運營過程中需要尋找節(jié)能效果和網絡性能間的相互平衡。首先分析了5G基站能耗模型，并結合影響能耗的關鍵因素對5G節(jié)能技術進行了節(jié)能效果評估，同時分析了相關節(jié)能技術對于網絡性能的影響，最后從網絡運營的角度介紹了5G節(jié)能技術的發(fā)展趨勢和面臨的挑戰(zhàn)。

發(fā)表于：2020/10/13 9:12:00

5G URLLC標準及關鍵技術研究[通信與網絡][5G]

5G標準定義了eMBB增強移動寬帶、mMTC海量大連接、URLLC低時延高可靠三大應用場景。隨著5G逐步成熟商用，URLLC業(yè)務作為垂直行業(yè)的重要切入點也在逐漸完善優(yōu)化。首先介紹了URLLC技術標準演進情況，隨后從低時延、高可靠和URLLC與eMBB復用三方面分別分析了實現(xiàn)URLLC的關鍵技術，最后將URLLC與TSN網絡融合做了闡述。

發(fā)表于：2020/10/13 9:03:00

面向5G TSN的網絡架構演進及增強技術研究[通信與網絡][5G]

近年來，時間敏感網絡技術（TSN）的發(fā)展逐步引起工業(yè)界的廣泛關注，其憑借低抖動、低延時、確定性傳輸?shù)葍?yōu)勢，為對傳輸時延有較高要求的應用場景提供了有力支撐，成為下一代工業(yè)網絡承載技術的重要演進方向之一。為了在端到端的層面上滿足某些垂直行業(yè)業(yè)務對低時延、高可靠的需求，5G網絡在R15 URLLC的基礎上對QOS、空口同步、頭壓縮等方面進行了增強，以滿足TSN網絡對于5G設備的嚴苛要求。首先從垂直行業(yè)需求入手，分析了5G網絡與TSN融合的必要性，最后結合3GPP R16標準進展研究了TSN對于5G商用網絡改造需求以及面臨的挑戰(zhàn)。

發(fā)表于：2020/10/12 9:08:00