好男人在线手机视频免费观看,久久青草伊人

基于擠壓激勵網(wǎng)絡(luò)的惡意代碼家族檢測方法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

惡意代碼已經(jīng)成為威脅網(wǎng)絡(luò)安全的重要因素?；跈C(jī)器學(xué)習(xí)的惡意代碼檢測方法已經(jīng)取得較好的效果，但面對相似的惡意代碼家族，往往效果不佳。對此，提出了一種基于擠壓激勵網(wǎng)絡(luò)的檢測算法，由卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network，CNN)與擠壓和激勵(Squeeze-and-Excitation，SE)模塊構(gòu)成。CNN先快速提取惡意代碼的圖像特征，SE模塊對多通道特征圖進(jìn)行全局平均池化，將全局信息壓縮，然后通過全連接層自適應(yīng)學(xué)習(xí)，并將每個通道特征圖賦予不同的權(quán)重來表示不同的重要程度，指導(dǎo)激勵或抑制特征信息。實驗結(jié)果表明，該方法相對于傳統(tǒng)機(jī)器學(xué)習(xí)方法有更好的檢測效果，與深度學(xué)習(xí)算法相比檢測效果也有一定的提升且參數(shù)量大大減少。

發(fā)表于：7/5/2022

破解SiC、GaN柵極動態(tài)測試難題的魔法棒 — 光隔離探頭[測試測量][工業(yè)自動化]

發(fā)表于：7/2/2022

在設(shè)計條形音箱時，確保您的無線技術(shù)能夠提供最高質(zhì)量的、可靠的音頻[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

隨著高清晰度電視機(jī)（HDTV）變得越來越薄，能夠在其中打造高質(zhì)量內(nèi)部揚聲器也變得極具挑戰(zhàn)性。結(jié)果是什么？視頻和音頻體驗的質(zhì)量之間出現(xiàn)了巨大的差距。條形音箱已經(jīng)進(jìn)入市場，為消費者提供了一種便捷的方式來提高音頻體驗的質(zhì)量，但對于音頻質(zhì)量和可靠性而言，不同的技術(shù)提供了截然不同的體驗。

發(fā)表于：7/2/2022

自主軟硬件生態(tài)的建設(shè)模式研究[其他][其他]

近年來中國自主軟硬件聯(lián)合生態(tài)發(fā)展迅速。軟硬件生態(tài)的建立包括底層硬件和操作系統(tǒng)構(gòu)成的基礎(chǔ)設(shè)施，豐富的通用工具軟件，大量的中間件、應(yīng)用，以及眾多的開發(fā)者。為了解決自主軟硬件生態(tài)的健康發(fā)展問題，了解生態(tài)的發(fā)展情況并研究其建設(shè)模式很有必要。創(chuàng)新地將我國當(dāng)前自主軟硬件生態(tài)的建設(shè)情況歸納出三種模式，即產(chǎn)品模式、集團(tuán)攻關(guān)模式和服務(wù)模式。通過結(jié)合自主軟硬件生態(tài)中的適配產(chǎn)品數(shù)據(jù)和開發(fā)者行為數(shù)據(jù)，闡述了三種建設(shè)模式的特點和差異，為我國IT產(chǎn)業(yè)成功建設(shè)自主軟硬件生態(tài)提供經(jīng)驗參考與決策支持。

發(fā)表于：7/1/2022

空基下視多角度紅外目標(biāo)識別[其他][其他]

為實現(xiàn)空基下視紅外目標(biāo)的快速高精度識別，提出了一種單階段的空基下視多角度紅外目標(biāo)識別算法。首先使用Darknet-53結(jié)合SPP模塊對紅外目標(biāo)進(jìn)行特征提取，使局部特征與全局特征融合，提高特征圖表達(dá)能力，最后借鑒RetinaNet中的Focal loss鎖定目標(biāo)的檢測框，同時得出目標(biāo)類型及檢測精度。針對現(xiàn)有數(shù)據(jù)集多為平視，且視角單一的缺陷，使用復(fù)合翼無人機(jī)分別從不同高度和角度采集紅外圖像，構(gòu)建多尺度下視紅外目標(biāo)數(shù)據(jù)集，在PyTorch架構(gòu)上實現(xiàn)并進(jìn)行性能驗證實驗，所提算法對分辨率為640×512的下視紅外圖像中目標(biāo)識別的mAP達(dá)到91.74%，識別速度為33 f/s，滿足空基平臺前端的在線識別需求，且在公開紅外船舶數(shù)據(jù)集上也具有較好的識別結(jié)果。實驗表明該算法在保證精度的基礎(chǔ)上滿足實時性的要求，為后續(xù)用于復(fù)合翼無人機(jī)上的多尺度目標(biāo)實時識別提供了理論技術(shù)。

發(fā)表于：7/1/2022

基于LC補(bǔ)償?shù)膯伍_關(guān)ECPT系統(tǒng)研究[其他][其他]

單開關(guān)DC-DC變流器的電場耦合式無線電能傳輸系統(tǒng)可以提高系統(tǒng)的工作頻率，但開關(guān)管承受的截止電壓很高。提出了一種使用LC補(bǔ)償網(wǎng)絡(luò)的單開關(guān)Buck-Boost電場耦合的無線電能傳輸系統(tǒng)，引入的LC補(bǔ)償網(wǎng)絡(luò)可以降低開關(guān)管的電壓應(yīng)力。另一方面，一定程度上減小了輸出受負(fù)載變化的影響。同時，變流器等效工作在電流源模式，耦合電容較小時可以有效地傳輸功率。且電路能夠?qū)崿F(xiàn)軟開關(guān)，電路的控制更加容易和安全。仿真和實驗結(jié)果表明了理論分析的有效性。

發(fā)表于：7/1/2022

基于時間交替采樣技術(shù)的1 GS/s、16 bit數(shù)據(jù)采集系統(tǒng)研究[其他][其他]

為了實現(xiàn)對大動態(tài)范圍信號的高精度幅度信息獲取，基于時間交替采樣技術(shù)，研制1 GS/s、16 bit高速高分辨率數(shù)據(jù)采集系統(tǒng)，功能測試發(fā)現(xiàn)：當(dāng)輸入模擬信號中含有較大直流分量時，輸出采樣數(shù)據(jù)波形會發(fā)生振蕩問題。研究時間交替采樣技術(shù)，確認(rèn)偏置誤差是導(dǎo)致振蕩問題發(fā)生的原因。設(shè)置ADC工作在實時校正誤差模式，結(jié)合離線校正算法，解決采樣數(shù)據(jù)的振蕩問題，對比偏置誤差校正前后的時域波形和頻譜，驗證校正算法的有效性。測試結(jié)果表明，研制的數(shù)據(jù)采集系統(tǒng)實現(xiàn)了對大動態(tài)范圍信號的單信道高精度測量功能。

發(fā)表于：7/1/2022

一種低雜散低相噪頻率源的設(shè)計與實現(xiàn)[模擬設(shè)計][其他]

為了降低頻率綜合器的相噪和復(fù)雜度，提出了一種新的低相噪頻率綜合器的設(shè)計方法。它利用諧波發(fā)生器產(chǎn)生低相噪的高頻信號，同時采用集成壓控振蕩器的頻率合成器芯片LMX2820來直接產(chǎn)生輸出信號和反饋信號，反饋信號和低相噪高頻混頻后產(chǎn)生低頻的反饋信號，通過這種內(nèi)置混頻來降低分頻值的方式來實現(xiàn)低相噪。采用該方法實現(xiàn)的13.75 GHz~16.25 GHz(不包含15 GHz)頻率合成器，其相噪指標(biāo)優(yōu)于-102 dBc/Hz@1kHz。

發(fā)表于：7/1/2022

一種新型的高抑制度波導(dǎo)濾波器設(shè)計[其他][其他]

針對目前頻譜資源擁擠所提出的頻帶間高隔離度需求，提出了一種新型的小型化高抑制度波導(dǎo)濾波器。在傳統(tǒng)波導(dǎo)濾波器的非相鄰諧振腔間引入新型的波導(dǎo)CT型感性交叉耦合結(jié)構(gòu)，使其在阻帶產(chǎn)生有限的傳輸零點，進(jìn)一步提高帶外抑制，縮小了濾波器的體積，且降低了因腔體個數(shù)而引入的損耗。同時，根據(jù)其結(jié)構(gòu)的不連續(xù)性，采用模式匹配法進(jìn)行優(yōu)化設(shè)計，設(shè)計周期短，性能很好。

發(fā)表于：7/1/2022

基于開關(guān)多模式的Doherty射頻功率放大器設(shè)計[微波|射頻][其他]

在工作頻率為2.4 GHz的背景下，基于所設(shè)計的Doherty功率放大器，設(shè)計了一種改進(jìn)的多模開關(guān)控制和包絡(luò)跟蹤調(diào)制的Doherty功率放大器。設(shè)計中使用的電子管是Renesas的GaAs晶體管NE6510179A。設(shè)計的Doherty峰值輸出(32.0 dBm)時功率附加效率達(dá)到27.2%，回退6 dB時的功率附加效率為27.0%。在與搭建的包絡(luò)跟蹤模型級聯(lián)改進(jìn)后，新結(jié)構(gòu)對低輸出功率的功率附加效率有一定程度的改善，在中高輸出功率部分的線性度有較大的改善。

發(fā)表于：7/1/2022

基于功放、功分技術(shù)的微波信號源擴(kuò)展方法研究[微波|射頻][工業(yè)自動化]

量子超導(dǎo)計算芯片的測試需要幾十甚至上百路高頻微波信號輸入，普通微波信號源一般只有1～2個通道，遠(yuǎn)遠(yuǎn)不能滿足測試需求；若集成多個信號源以擴(kuò)展信號通道，不但體積龐大，成本昂貴，信號源的同步控制也是一個難題。針對上述問題，基于功放及功分技術(shù)，提出了對微波信號源的一路輸出進(jìn)行等功率擴(kuò)展的方法，設(shè)計了集成了衰減器、功放和功分模塊的信號源等幅擴(kuò)展裝置。利用微波信號源、頻譜儀、網(wǎng)分等測量儀器搭建實驗平臺，對所設(shè)計信號源擴(kuò)展裝置的性能開展實驗研究，同時驗證基于功放、功分技術(shù)的微波信號源擴(kuò)展方法。實驗結(jié)果表明，所提出的方法能保證所擴(kuò)展信號的中心頻率、功率與源信號高度一致，各擴(kuò)展通道的信號相位穩(wěn)定性好，相位長期漂移控制在±1°以內(nèi)，滿足了量子超導(dǎo)計算芯片測試的需求。

發(fā)表于：7/1/2022

面向云計算環(huán)境的后處理服務(wù)[其他][其他]

后處理分析是計算流體力學(xué)仿真分析中的一個重要組成部分。面向云計算環(huán)境設(shè)計了一種后處理服務(wù)模型，基于模型實現(xiàn)了一個后處理服務(wù)原型軟件，用戶可以通過客戶端訪問實現(xiàn)對流場數(shù)據(jù)的后處理分析。這種面向云計算環(huán)境的后處理服務(wù)充分利用了云端服務(wù)器的高性能計算資源，實現(xiàn)了大規(guī)模數(shù)據(jù)的高效后處理計算，實現(xiàn)了“云+端”的靈活后處理分析，具有良好的可擴(kuò)展性。

發(fā)表于：7/1/2022

基于改進(jìn)中值濾波的手機(jī)玻璃瑕疵圖像增強(qiáng)方法[其他][其他]

手機(jī)蓋板玻璃瑕疵檢測主要分為圖像獲取、圖像預(yù)處理、圖像分割和瑕疵分類這幾個步驟。由于高質(zhì)量圖像獲取難度大，接下來的圖像預(yù)處理就會顯得尤其重要。傳統(tǒng)的濾波方法在處理圖像噪聲時，都或多或少對圖片產(chǎn)生一定的模糊，損失部分有效信息，通常噪聲的存在會使得附近鄰域內(nèi)的極值上下差距較大，所以濾波變成不可或缺的步驟。改進(jìn)傳統(tǒng)的中值濾波，通過判斷目標(biāo)像素點是否需要進(jìn)行濾波處理的辦法，增強(qiáng)圖像的同時，使得有用瑕疵信息的損失降低。在濾波處理后用直方圖均衡化對圖像進(jìn)一步處理，起到圖像增強(qiáng)的效果。相比于傳統(tǒng)的中值濾波，該方法不僅會保留瑕疵邊緣信息，同時圖像增強(qiáng)后的效果也更好。

發(fā)表于：7/1/2022

基于AIDC鏈路的多模式串口切換系統(tǒng)的設(shè)計與實現(xiàn)[其他][其他]

目前，民航管制單位在與相鄰管制單位進(jìn)行AIDC移交時，如果采用的是X.25專線方式，則需要在本地2套自動化系統(tǒng)之間共享一條物理鏈路。當(dāng)自動化系統(tǒng)主備狀態(tài)切換時，往往需要人工方式切換線纜連接，切換時間較長且增加了故障風(fēng)險。提出了一種串口切換設(shè)備的設(shè)計方案，使2套自動化系統(tǒng)的X.25處理設(shè)備能夠以切換的方式共享一條專線鏈路，并且支持3種切換模式。目前切換器樣機(jī)已在北京區(qū)管測試平臺上進(jìn)行了功能測試，在主備自動化系統(tǒng)AIDC鏈路切換場景下能夠?qū)崿F(xiàn)物理鏈路的快速切換。

發(fā)表于：7/1/2022

基于YOLO的手機(jī)外觀缺陷視覺檢測算法[其他][其他]

針對在小規(guī)模手機(jī)屏幕缺陷數(shù)據(jù)檢測效率不高的問題，提出了一個基于YOLO v3的手機(jī)外觀缺陷視覺檢測算法，即YOLO-q-v3算法。YOLO-q-v3算法通過改進(jìn)DarkNet-53網(wǎng)絡(luò)結(jié)構(gòu)，減少原網(wǎng)絡(luò)的層數(shù)和相應(yīng)的模型參數(shù)，有效地提高算法的檢測效率。將YOLO v3算法和本文提出的YOLO-q-v3算法對同一數(shù)據(jù)集進(jìn)行對比實驗，實驗結(jié)果表明，YOLO-q-v3算法能夠正確識別手機(jī)屏幕裂痕，YOLO-q-v3在檢測速率上比YOLO v3算法提高了24%。

發(fā)表于：7/1/2022