国产精品网站在线观看,亚洲国产欧美在线人成

集成電阻分壓器如何提高電動汽車的電池系統(tǒng)性能[電源技術(shù)][汽車電子]

在現(xiàn)代電動汽車 (EV) 和混合動力汽車 (HEV) 中，電池管理系統(tǒng) (BMS) 是電池包的大腦，負責確保電池的性能、安全性和壽命。BMS 可監(jiān)控多個參數(shù)，如充電狀態(tài)和健康狀態(tài)，充電狀態(tài)能提供可用的剩余能量，健康狀態(tài)能評估電池電芯的整體狀況和老化程度。這些指標有助于維持高效能源使用并延遲電池的過早老化。

發(fā)表于：12/20/2024

華邦安全閃存滿足歐盟無線電設(shè)備指令（RED）信息安全標準[嵌入式技術(shù)][消費電子]

華邦電子前沿的W77Q和W77T安全閃存存儲解決方案，正是為滿足上述嚴格標準而設(shè)計，為那些致力于滿足無線電設(shè)備指令信息安全要求的制造商提供了強大且易于集成的解決方案。EN 18031標準概述了其關(guān)鍵要求，而華邦電子安全閃存產(chǎn)品具備安全存儲、加密軟件更新以及恢復(fù)力機制等核心功能，專為支持EN 18031標準要求而特別打造。

發(fā)表于：12/20/2024

Matter對AIoT的意義：連接AIoT設(shè)備開發(fā)人員指南[人工智能][物聯(lián)網(wǎng)]

人工智能(AI)與物聯(lián)網(wǎng)(IoT)不斷融合，形成了人工智能物聯(lián)網(wǎng)(AIoT)，為各個細分市場的開發(fā)人員帶來了諸多機遇。隨著連接的互操作性日益提高，物聯(lián)網(wǎng)將收集大量的原始數(shù)據(jù)。能夠分析、學習數(shù)據(jù)并做出適當反應(yīng)的設(shè)備有助于理解這些數(shù)據(jù)，并將其轉(zhuǎn)化為更有價值的體驗。AI還可以使物聯(lián)網(wǎng)系統(tǒng)提高自主性，能夠在無人工干預(yù)的情況下實時響應(yīng)數(shù)據(jù)。

發(fā)表于：12/20/2024

帶硬件同步功能的以太網(wǎng) PHY 擴大了汽車雷達的覆蓋范圍[嵌入式技術(shù)][汽車電子]

為了支持高級駕駛輔助系統(tǒng) (ADAS)，汽車上安裝的雷達傳感器數(shù)量越來越多，其中包括多個中距離和遠距離雷達，用于支持汽車工程師學會定義的 L2 級自動駕駛。雖然這種雷達組合可以實現(xiàn)安全運行所需的前向掃描范圍，并且到目前為止已經(jīng)足夠，但在成本敏感型市場中

發(fā)表于：12/20/2024

不穩(wěn)定氣流影響下多衛(wèi)星抗干擾混合定位方法的研究[通信與網(wǎng)絡(luò)][航空航天]

不穩(wěn)定的氣流會導(dǎo)致信號傳播路徑的扭曲和延遲變化，從而導(dǎo)致接收到的衛(wèi)星信號的延遲和失真。這將導(dǎo)致定位系統(tǒng)的測距和尋向誤差增大，影響定位結(jié)果的精度和準確性。因此，提出了一種新型的在不穩(wěn)定氣流影響下的多衛(wèi)星抗干擾混合定位方法。對高空不穩(wěn)定湍流數(shù)據(jù)進行預(yù)處理，快速驗證湍流數(shù)據(jù)的真實性?；趧恿渴睾愣蓸?gòu)建流場描述方程。通過運用載波相位觀測和衛(wèi)星天線相位中心坐標建立多衛(wèi)星運動方程，并構(gòu)建抗干擾混合定位模型。引入全球?qū)Ш叫l(wèi)星系統(tǒng)（GNSS）技術(shù)，利用多顆衛(wèi)星的信號來計算接收器的位置、速度和時間，從而解決多衛(wèi)星混合抗干擾模型。實驗結(jié)果表明，對于靜態(tài)目標，該研究方法在目標方向N（北）、S（南）和E（東）的定位偏差較??；采用近地衛(wèi)星、中等高度衛(wèi)星和地球同步衛(wèi)星混合定位時，定位誤差的均方值始終低于0.002 cm。對于動態(tài)目標，該方法不受雜波干擾，能夠穩(wěn)定地定位目標。此外，所提出的方法具有更低的定位延遲和更高的定位效率。

發(fā)表于：12/17/2024

應(yīng)用于無人監(jiān)控的雷達發(fā)射機的設(shè)計與實現(xiàn)[微波|射頻][通信網(wǎng)絡(luò)]

設(shè)計了一種用于無人監(jiān)控雷達的發(fā)射機系統(tǒng)，旨在實現(xiàn)對監(jiān)控區(qū)域的高效探測和精準監(jiān)測。該發(fā)射機系統(tǒng)采用了FMCW（調(diào)頻連續(xù)波）雷達技術(shù)，其核心是一種線性連續(xù)信號。針對無人監(jiān)控領(lǐng)域的特定需求和特點，對發(fā)射模塊進行了方案確定和指標分析，并仿真設(shè)計了功率放大器和天線。在此基礎(chǔ)上，對功放和天線的結(jié)構(gòu)進行了有效改進。最后進行了系統(tǒng)的實物測試，結(jié)果達到了預(yù)期的7 W發(fā)射功率，證明提出的設(shè)計方案滿足實際的設(shè)計應(yīng)用需求，驗證了其在該領(lǐng)域的可行性。

發(fā)表于：12/17/2024

基于系統(tǒng)級封裝技術(shù)的X頻段變頻模塊研制[EDA與制造][工業(yè)自動化]

研制了一款利用系統(tǒng)級封裝技術(shù)（SIP）的小體積X頻段雙通道收發(fā)變頻模塊，在其內(nèi)部集成了采用不同工藝制成的器件。模塊把發(fā)射通道和接收通道集成到一個腔體中，并實現(xiàn)收發(fā)分時控制。模塊采用上下雙腔結(jié)構(gòu)，不同腔體之間采用BGA球柵陣列進行垂直連接，顯著減小模塊體積，模塊體積為21 mm×16 mm×3.8 mm。模塊主要指標測試結(jié)果為：接收通道輸入P-1dB ≤-10 dBm，接收信號增益30～35 dB，接收通道隔離度大于等于55 dB，接收噪聲系數(shù)小于等于8 dB；發(fā)射通道增益10～12 dB，發(fā)射通道最大輸出功率大于等于12 dBm，二次三次諧波抑制大于等于60 dBc，雜波抑制大于等于55 dBc，模塊可在-55～+85 ℃正常工作。實測結(jié)果與仿真結(jié)果基本一致。

發(fā)表于：12/17/2024

基于鎖相放大器的電渦流金屬分類系統(tǒng)設(shè)計[測試測量][工業(yè)自動化]

電渦流檢測是一種通過檢測金屬導(dǎo)體感應(yīng)出的微小渦流信號來識別被測材料性質(zhì)的方法。在利用電渦流檢測技術(shù)進行金屬分類時，微弱信號甚至會被噪聲信號完全淹沒，這使提取有效信號變得非常困難。針對這種實際問題，根據(jù)相關(guān)檢測法設(shè)計了基于鎖相放大器的金屬分類系統(tǒng)。在設(shè)計中，微弱待測信號經(jīng)過低噪聲放大后與兩路正交參考信號進行互相關(guān)，再經(jīng)過低通濾波電路后被采集，對被采集的信號進行計算即可實現(xiàn)對微弱信號的檢測。實驗結(jié)果表明，系統(tǒng)具有較高的精度和靈敏度，能夠極大地提高信號的信噪比，實現(xiàn)對金屬材料的快速分類，分類準確率可達93%。

發(fā)表于：12/17/2024

基于編程組態(tài)軟件的二總線圖形建模及調(diào)試研究[通信與網(wǎng)絡(luò)][工業(yè)自動化]

以太網(wǎng)控制自動化技術(shù)（Ethernet Control Automation Technology，EtherCAT）是當前工業(yè)控制領(lǐng)域的一個重要應(yīng)用技術(shù)?；贓therCAT總線的PLC可以集成控制二總線系統(tǒng)，在實施過程中，用戶為PLC編程時會編寫大量代碼，在異步系統(tǒng)間也會存在消息不同步的問題。為解決上述問題，提出了一種基于編程組態(tài)軟件對二總線設(shè)備組態(tài)建模和圖形化調(diào)試技術(shù)，該技術(shù)包括異步系統(tǒng)間消息同步、二總線協(xié)議轉(zhuǎn)換與解析、二總線拓撲構(gòu)建狀態(tài)機、在線實時調(diào)試功能以及可視化交互界面設(shè)計。

發(fā)表于：12/16/2024

通信模塊和計算主機分離場景下安全有效入網(wǎng)認證的研究[通信與網(wǎng)絡(luò)][5G]

隨著5G、移動技術(shù)的不斷發(fā)展，移動終端的形態(tài)越來越多樣，具備移動接入能力的設(shè)備推動了萬物互聯(lián)時代的到來。移動終端從CDMA時代開始就已經(jīng)實現(xiàn)了機卡分離，全網(wǎng)通的出現(xiàn)使得計算主機和通信模塊進一步解耦。人們希望自己的移動終端可以在任何時間、任何地點接入任何網(wǎng)絡(luò)。無線技術(shù)之所以能夠?qū)崿F(xiàn)突飛猛進的發(fā)展，正是因為順應(yīng)了分工合作、各自發(fā)展這一趨勢。物聯(lián)網(wǎng)的時代，終端設(shè)備往往規(guī)格低、數(shù)量大，新技術(shù)、新頻段的不斷涌現(xiàn)，導(dǎo)致主機和通信模塊發(fā)展不同步，終端組合式接入給移動安全提出新挑戰(zhàn)。探討了如何通過數(shù)字證書、安全管控等技術(shù)實現(xiàn)通信模塊和計算主機機分離場景下終端的入網(wǎng)認證。

發(fā)表于：12/16/2024

基于深度殘差神經(jīng)網(wǎng)絡(luò)的5G信號室內(nèi)分布預(yù)測[通信與網(wǎng)絡(luò)][5G]

為解決5G信號室內(nèi)覆蓋的質(zhì)量與穩(wěn)定性問題，提出了一種基于深度殘差神經(jīng)網(wǎng)絡(luò)的5G信號室內(nèi)分布預(yù)測方法。采用基于全連接的深度殘差神經(jīng)網(wǎng)絡(luò)構(gòu)建預(yù)測模型，利用發(fā)射機與接收機的三維空間坐標信息和接收機的參考信號接收功率（Reference Signal Receiving Power， RSRP）數(shù)據(jù)作為輸入特征，而無需收集復(fù)雜的環(huán)境特征信息。實驗結(jié)果表明，該深度殘差神經(jīng)網(wǎng)絡(luò)模型在不依賴詳細環(huán)境參數(shù)的情況下，經(jīng)歸一化訓練，預(yù)測出的RSRP與實際值相比，MAE為0.029 455，RMSE為0.041 495，能有效地預(yù)測室內(nèi)的5G信號分布，驗證了基于深度殘差神經(jīng)網(wǎng)絡(luò)的預(yù)測方法在室內(nèi)5G信號覆蓋預(yù)測問題上的有效性，為優(yōu)化室內(nèi)5G網(wǎng)絡(luò)部署和提升用戶體驗提供了科學依據(jù)和技術(shù)手段，具有重要的實際應(yīng)用價值。

發(fā)表于：12/16/2024

改進LCR儀表測量穩(wěn)定性的相位裕度優(yōu)化方法及硬件實現(xiàn)[測試測量][工業(yè)自動化]

為解決LCR表在測量容性阻抗時的自激問題，設(shè)計了一種增強測量穩(wěn)定性的LCR儀表。通過分析測量前端自平衡電橋電路的相位裕度，采用相位補償電路解決因相位滯后造成的自激問題。應(yīng)用直接數(shù)字頻率合成技術(shù)結(jié)合相位校準電路設(shè)計，產(chǎn)生相位準確的正交測量信號。使用開關(guān)鑒相式鎖相放大器處理微弱信號，經(jīng)16位模數(shù)轉(zhuǎn)換器采集后輸入到微處理器進行矢量信號合成與輸出顯示。相比專業(yè)儀器，所設(shè)計樣機對電阻測量相對誤差可達0.5%，對大電容測量相對誤差可達1%。

發(fā)表于：12/16/2024

速度型水聲傳感器的頻率響應(yīng)特性[MEMS|傳感技術(shù)][通信網(wǎng)絡(luò)]

聲納技術(shù)是人類探索海洋的主要手段，而水聲傳感器是聲納裝置的重要組成部分。水聲傳感器分為標量和矢量水聲傳感器。矢量傳感器可以彌補標量傳感器獲取聲場信息不完整的不足，可以實現(xiàn)對水中聲壓和介質(zhì)振速的精確測量從而確定目標方位等。主要對速度型矢量水聲傳感器的頻率響應(yīng)特性進行了研究，討論高保真和高增益下速度型水聲振幅模型、響應(yīng)比及頻率響應(yīng)特性，提出頻響設(shè)計原則，最后概括速度型水聲傳感器的應(yīng)用。水聲傳感器是水下探測、定位和通信的重要手段。研究有助于開發(fā)高靈敏度和更好低頻特性的速度型水聲傳感器，從而極大提升傳統(tǒng)水聲傳感器的作用距離。遠聲場傳感器的研制，提升諸如潛艇、UUV等水下目標的探測距離，將有利于從根本改變目前我國水聲探測網(wǎng)絡(luò)的格局，具有重要軍事意義。

發(fā)表于：12/16/2024

基于多頭注意力的社交網(wǎng)絡(luò)用戶身份鏈接方法[人工智能][消費電子]

隨著社交網(wǎng)絡(luò)的快速發(fā)展，人們在社交網(wǎng)絡(luò)中擁有越來越多的虛擬身份，識別同一自然人不同網(wǎng)絡(luò)虛擬身份的網(wǎng)絡(luò)用戶身份鏈接問題變得越來越重要。用戶身份鏈接有助于挖掘網(wǎng)絡(luò)用戶的隱信息，構(gòu)建全面的網(wǎng)絡(luò)用戶畫像，進而促進跨網(wǎng)絡(luò)的推薦、鏈接預(yù)測、信息傳播等多個研究領(lǐng)域發(fā)展?，F(xiàn)有的基于用戶屬性和基于網(wǎng)絡(luò)結(jié)構(gòu)的用戶身份鏈接方法，沒有考慮不同用戶之間影響力差異因素，收斂速度較慢?；谏疃扔巫叩挠脩羯矸萱溄臃椒?，融入多頭注意力機制，對用戶間影響力進行建模，實驗結(jié)果表明，該方法可以很好地改進算法有效性，提高訓練效率。

發(fā)表于：12/16/2024

基于改進YOLOv5n的腐敗水果檢測模型[人工智能][消費電子]

為了實現(xiàn)多種水果在采摘后自動化篩選和分揀中腐敗水果識別的問題，提出了改進的YOLOv5n模型，命名為mobile-YOLO。首先將YOLOv5n的主干網(wǎng)絡(luò)替換為MobileNetV3并引入深度可分離卷積，相較于原模型，這種改進在計算效率和速度上都有所提升，并且準確率也得到了提高。為了進一步提升速度，將C3模塊替換為C2f模塊，實現(xiàn)輕量化的同時獲得了更豐富的梯度流信息。最后將原有的CIoU替換為α-CIoU，以加快收斂速度并保證圖像框位置的準確性。mobile-YOLO相較于原始的YOLOv5n，mAP@.5（mean Average Precision）達到了98.1%，mAP@.5：.95達到了94.2%，同時在P（Precision）值為97.1%和R（Recall）值為96.8%的情況下，參數(shù)量幾乎與YOLOv5n保持一致。

發(fā)表于：12/16/2024