影音先锋av成人资源站在线播放 ,最近中文字幕国语免费高清6

等離子體鞘套局部電磁傳輸通道法[其他][其他]

根據(jù)RAM-C高超音速飛行試驗(yàn)數(shù)據(jù)，給出一種鞘套反演建模法，能夠以一維實(shí)驗(yàn)數(shù)據(jù)，構(gòu)建三維局部電磁傳輸通道。在此基礎(chǔ)上，采用非均勻介質(zhì)射線跟蹤法，研究鞘套對(duì)L和S波段部分頻點(diǎn)的能量傳輸干擾。研究發(fā)現(xiàn)，在所關(guān)注頻段，鞘套顯示出一些新的影響特征，例如傳輸匯集效應(yīng)，電磁能量在局域具有沿特定方向傳輸?shù)默F(xiàn)象。該研究結(jié)果可進(jìn)一步促進(jìn)對(duì)電波在鞘套中傳播行為的理解，也為相關(guān)問題研究提供了一種更貼近實(shí)際物理背景的建模方法。

發(fā)表于：7/28/2021

高增益圓極化星載相控陣天線設(shè)計(jì)[其他][其他]

針對(duì)衛(wèi)星X波段通信系統(tǒng)大范圍數(shù)據(jù)傳輸?shù)男枨螅O(shè)計(jì)具備高增益圓極化可寬角度電掃的星載相控陣天線。此天線陣元采用底饋的饋電方式，利用切角技術(shù)實(shí)現(xiàn)圓極化，利用開槽技術(shù)實(shí)現(xiàn)小型化。天線陣列錯(cuò)層排布，使其整體的輻射性能最優(yōu)化。通過(guò)發(fā)射組件模塊、波束控制模塊和電源模塊的合理布局和設(shè)計(jì)優(yōu)化，使其電掃波束可在離軸角0～60°、方位角0～360°內(nèi)變化。此單機(jī)經(jīng)加工后測(cè)試結(jié)果良好，對(duì)X波段通信系統(tǒng)尤其是相控陣天線的設(shè)計(jì)有一定的指導(dǎo)意義。

發(fā)表于：7/28/2021

流式細(xì)胞分析儀硬件設(shè)計(jì)方案[模擬設(shè)計(jì)][醫(yī)療電子]

生命科學(xué)，醫(yī)療儀器，分析儀器，硬件推薦

發(fā)表于：7/28/2021

Smart Eye與豪威科技發(fā)布端到端車內(nèi)傳感解決方案[人工智能][汽車電子]

　　Smart Eye和豪威科技攜手合作，為汽車行業(yè)提供開拓性的端到端車內(nèi)傳感解決方案。這一解決方案結(jié)合兩項(xiàng)行業(yè)領(lǐng)先技術(shù)，可實(shí)現(xiàn)完整的艙內(nèi)監(jiān)控，其創(chuàng)新功能幫助下一代汽車實(shí)現(xiàn)了更高的自動(dòng)化水平。

發(fā)表于：7/26/2021

硅晶體管創(chuàng)新還有可能嗎？[電子元件][工業(yè)自動(dòng)化]

在本世紀(jì)初出現(xiàn)的超結(jié)MOSFET是一場(chǎng)高壓（即200V以上）硅基功率晶體管的技術(shù)革命。直到20世紀(jì)90年代末，芯片設(shè)計(jì)者還不得不接受這樣一個(gè)“公理”，即平面晶體管的品質(zhì)因數(shù)（導(dǎo)通電阻與芯片面積的乘積）與擊穿電壓BV成正比，比例最高到2.5。這個(gè)公理意味著，在給定的電壓下，要達(dá)到較低的導(dǎo)通電阻值，唯一的解決辦法就是增加芯片面積，而這一結(jié)果是小封裝應(yīng)用變得越來(lái)越難。通過(guò)使上述關(guān)系接近線性，超結(jié)技術(shù)拯救了高壓MOSFET。意法半導(dǎo)體將該技術(shù)命名為MDmesh，并將其列入STPOWER的子品牌。

發(fā)表于：7/26/2021

普發(fā)真空虛擬展示廳上線：全面展示制藥行業(yè)的泄漏檢測(cè)解決方案[其他][其他]

2021 年 7月22日，上?！瞻l(fā)真空正式上線全新虛擬展示廳，通過(guò)圖文和視頻等多元化表現(xiàn)形式，全方位展示不同類型的藥品包裝泄漏檢測(cè)方法（容器密封完整性測(cè)試，簡(jiǎn)稱 CCIT）。參觀者只需一鍵訪問，便可在線了解醫(yī)藥行業(yè)在對(duì)無(wú)孔初級(jí)包裝（包括輸液袋、注射器、泡罩、塑料瓶和小瓶等）進(jìn)行泄漏檢測(cè)工作時(shí)所面臨的種種挑戰(zhàn)。另外，參觀者還能通過(guò)網(wǎng)頁(yè)上的虛擬展臺(tái)，獲悉普發(fā)真空專業(yè)的檢漏儀產(chǎn)品組合，并通過(guò)視頻演示直觀洞察其使用到的技術(shù)手段。

發(fā)表于：7/22/2021

揭秘半導(dǎo)體制造全流程（上篇）[EDA與制造][工業(yè)自動(dòng)化]

每個(gè)半導(dǎo)體產(chǎn)品的制造都需要數(shù)百個(gè)工藝，泛林集團(tuán)將整個(gè)制造過(guò)程分為八個(gè)步驟：晶圓加工-氧化-光刻-刻蝕-薄膜沉積-互連-測(cè)試-封裝。為幫助大家了解和認(rèn)識(shí)半導(dǎo)體及相關(guān)工藝，我們將以三期微信推送，為大家逐一介紹上述每個(gè)步驟。

發(fā)表于：7/21/2021

基于邊緣智能的心電信號(hào)處理方法及監(jiān)測(cè)系統(tǒng)[其他][其他]

邊緣智能是邊緣計(jì)算和人工智能相結(jié)合的產(chǎn)物，它的特性使其特別適合用于進(jìn)行實(shí)時(shí)心電信號(hào)分析。心電圖中體現(xiàn)的心電信號(hào)能夠反映人體的心率等生理信息，通過(guò)對(duì)心電信號(hào)的分析及狀態(tài)類型的分類可以檢測(cè)人體是否患有心率失常等疾病。然而傳統(tǒng)的心電信號(hào)分類研究是針對(duì)大量樣本進(jìn)行的單純分類研究，并不適用于實(shí)時(shí)小樣本分析的邊緣智能場(chǎng)景。提出了一種可行的心電信號(hào)處理方法，并設(shè)計(jì)了一個(gè)基于邊緣智能的心電監(jiān)測(cè)系統(tǒng)。實(shí)驗(yàn)結(jié)果表明，該心電信號(hào)處理方法具有一定的實(shí)用性，能夠在一定程度上滿足邊緣智能場(chǎng)景的要求。

發(fā)表于：7/20/2021

慣性測(cè)量單元姿態(tài)融合的動(dòng)態(tài)分析[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對(duì)慣性測(cè)量單元背景噪聲和器件漂移等問題，提出了一種基于梯度下降法、互補(bǔ)濾波和卡爾曼濾波的融合算法。首先，利用加速度計(jì)和磁力計(jì)的數(shù)據(jù)通過(guò)幾何計(jì)算得出姿態(tài)角。其次，利用梯度下降法，將加速度計(jì)和陀螺儀的數(shù)據(jù)進(jìn)行基于四元數(shù)法的數(shù)據(jù)融合，得出姿態(tài)角。接著，利用互補(bǔ)濾波法將姿態(tài)數(shù)據(jù)再次結(jié)合。最后，利用卡爾曼算法對(duì)結(jié)合后的數(shù)據(jù)進(jìn)行濾波處理。通過(guò)動(dòng)態(tài)實(shí)驗(yàn)表明，經(jīng)過(guò)此融合算法的慣性測(cè)量單元與傳統(tǒng)算法相比，數(shù)據(jù)輸出更加準(zhǔn)確，連續(xù)性提高，并擁有很好的平穩(wěn)特性。

發(fā)表于：7/20/2021

一種基于NB-IoT的物聯(lián)網(wǎng)燃?xì)獗硌芯吭O(shè)計(jì)[其他][物聯(lián)網(wǎng)]

針對(duì)物聯(lián)網(wǎng)技術(shù)的發(fā)展現(xiàn)狀和智能燃?xì)獗韺?duì)低功耗與強(qiáng)連接的需求，提出了一種基于NB-IoT技術(shù)的物聯(lián)網(wǎng)智能燃?xì)獗淼脑O(shè)計(jì)方案。該方案采用瑞薩R7F0C004芯片作為MCU采集燃?xì)庥?jì)量數(shù)據(jù)，以N700-58為通信模組實(shí)現(xiàn)網(wǎng)絡(luò)連接，業(yè)務(wù)數(shù)據(jù)經(jīng)由CoAP協(xié)議封裝后發(fā)送到電信AEP平臺(tái)，再由AEP平臺(tái)推送到燃?xì)獗順I(yè)務(wù)管理平臺(tái)系統(tǒng)實(shí)現(xiàn)數(shù)據(jù)通信。測(cè)試結(jié)果表明，所設(shè)計(jì)的燃?xì)獗斫K端無(wú)論是在連網(wǎng)收發(fā)數(shù)據(jù)，還是在低能耗方面都達(dá)到了預(yù)期的設(shè)計(jì)目標(biāo)，能夠很好地滿足應(yīng)用需求。

發(fā)表于：7/20/2021

空天地一體化網(wǎng)絡(luò)系統(tǒng)架構(gòu)設(shè)計(jì)與智能管理[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

為了克服空天地一體化網(wǎng)絡(luò)系統(tǒng)(Space-Air-Ground Integrated Network，SAGIN)由于結(jié)構(gòu)復(fù)雜和業(yè)務(wù)多樣而導(dǎo)致的不同網(wǎng)絡(luò)間的協(xié)同困難，提出了基于移動(dòng)邊緣計(jì)算(Mobile Edge Computing，MEC)的SAGIN多維管理架構(gòu)。通過(guò)將網(wǎng)絡(luò)系統(tǒng)劃分為數(shù)據(jù)層、控制層和管理層，網(wǎng)絡(luò)狀態(tài)信息由各網(wǎng)絡(luò)層逐層匯總和分層處理，網(wǎng)絡(luò)管理策略由MEC統(tǒng)一制定，并逐層轉(zhuǎn)發(fā)，實(shí)現(xiàn)不同網(wǎng)絡(luò)間的協(xié)同管理?；谒峒軜?gòu)搭建網(wǎng)絡(luò)仿真平臺(tái)，并通過(guò)強(qiáng)化學(xué)習(xí)方法制定網(wǎng)絡(luò)協(xié)同策略，仿真結(jié)果證明了該架構(gòu)的可行性。

發(fā)表于：7/20/2021

基于深度學(xué)習(xí)的抽油機(jī)井工況診斷方法[其他][其他]

基于示功圖對(duì)抽油機(jī)井下工況進(jìn)行自動(dòng)診斷是數(shù)字油田不可或缺的環(huán)節(jié)。通常通過(guò)人工提取示功圖的特征向量，然后輸入機(jī)器學(xué)習(xí)算法分類器識(shí)別井下工況。然而，特征的選擇需要借助經(jīng)驗(yàn)和先驗(yàn)知識(shí)，并且直接影響后續(xù)分類器的最終性能。而人工提取特征易受知識(shí)干擾，且在特征提取的過(guò)程中存在信息丟失，這決定了識(shí)別結(jié)果的上限。為此，受深度神經(jīng)網(wǎng)絡(luò)自動(dòng)特征提取的啟發(fā)，提出基于卷積神經(jīng)網(wǎng)絡(luò)的示功圖的離線訓(xùn)練與在線診斷的方法。首先將挑選后的信號(hào)數(shù)據(jù)轉(zhuǎn)換為圖像數(shù)據(jù)，然后將圖像二值化降低計(jì)算復(fù)雜度，最后基于改進(jìn)的LeNet-5網(wǎng)絡(luò)探究最適合模型的網(wǎng)絡(luò)結(jié)構(gòu)。最終通過(guò)實(shí)驗(yàn)與目前先進(jìn)的算法進(jìn)行對(duì)比，驗(yàn)證了本方法的有效性和可行性。

發(fā)表于：7/20/2021

改進(jìn)的TF-IDF算法在文本分類中的研究[其他][其他]

企業(yè)數(shù)字化建設(shè)過(guò)程中，對(duì)大量日常經(jīng)營(yíng)活動(dòng)文本的數(shù)字化處理通常是多任務(wù)的，需要對(duì)文本數(shù)據(jù)同時(shí)完成信息抽取和文本分類任。在此應(yīng)用場(chǎng)景下，為了實(shí)現(xiàn)更加精準(zhǔn)的分類效果，提出一種改進(jìn)的TF-IDF算法，將文本信息抽取結(jié)果也作為文本重要類別區(qū)分特征。通過(guò)引入信息增益方法得到改進(jìn)的權(quán)重計(jì)算公式，進(jìn)而得到改進(jìn)的文本特征向量空間表示，再構(gòu)建文本分類模型。實(shí)驗(yàn)以石油行業(yè)中文文本為例，選取測(cè)試文本2 006條進(jìn)行文本分類對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明改進(jìn)的TF-IDF算法精確率P達(dá)到99.3%，召回率R達(dá)到98.7%，相比于傳統(tǒng)TF-IDF算法文本分類效果得到顯著提高。

發(fā)表于：7/20/2021

一種應(yīng)用于語(yǔ)義分割的新型親和力監(jiān)督方法[其他][其他]

語(yǔ)義分割是計(jì)算機(jī)視覺領(lǐng)域一項(xiàng)基本且具有挑戰(zhàn)性的任務(wù)，最近的語(yǔ)義分割研究工作，著力于設(shè)計(jì)注意力機(jī)制和全局性模塊，而在注意力機(jī)制中，親和力矩陣是非常重要的部份。傳統(tǒng)的親和力矩陣是以注意力機(jī)制的一部分嵌入在神經(jīng)網(wǎng)絡(luò)中，通常作為特征融合的權(quán)重來(lái)使用。嘗試直接將親和力矩陣應(yīng)用于注意力機(jī)制之外，與語(yǔ)義標(biāo)簽聯(lián)系起來(lái)。首先定義標(biāo)簽親和力矩陣，再在語(yǔ)義分割網(wǎng)絡(luò)輸出層計(jì)算親和力矩陣，將兩個(gè)矩陣結(jié)合起來(lái)，得到一個(gè)輔助的懲罰函數(shù)。標(biāo)簽親和力矩陣可以視為一種結(jié)構(gòu)上的監(jiān)督信息，能輔助訓(xùn)練語(yǔ)義分割網(wǎng)絡(luò)。在NYUv2數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，懲罰函數(shù)有助于提高語(yǔ)義分割網(wǎng)絡(luò)的精度，并且效果顯著。

發(fā)表于：7/20/2021

基于上下文特征重聚合網(wǎng)絡(luò)的人群計(jì)數(shù)[其他][其他]

針對(duì)計(jì)數(shù)問題中人群目標(biāo)尺度的變化問題，提出了一種基于上下文特征重聚合的計(jì)數(shù)算法。將高層網(wǎng)絡(luò)提取的語(yǔ)義信息與底層網(wǎng)絡(luò)提取的人群尺度細(xì)節(jié)信息相結(jié)合，旨在利用淺層網(wǎng)絡(luò)中提取的信息向深層網(wǎng)絡(luò)提取的特征中融入不同尺度的行人目標(biāo)特征，從而融合多種尺度的人群特征回歸出高質(zhì)量的人群密度圖。此外，在ShanghaiTech、UCF_CC_50以及 UCF_QNRF 三個(gè)數(shù)據(jù)集進(jìn)行算法的性能驗(yàn)證，并通過(guò)結(jié)構(gòu)實(shí)驗(yàn)驗(yàn)證本文結(jié)構(gòu)的有效性。

發(fā)表于：7/20/2021