123,123,123

基于改進(jìn)MobileNetV3-SSD的數(shù)據(jù)可視化區(qū)域?qū)崟r(shí)檢測方法[模擬設(shè)計(jì)][其他]

數(shù)據(jù)可視化在氣象大數(shù)據(jù)中扮演重要角色，用戶通過數(shù)據(jù)“看板”，從視覺上可以便捷地了解復(fù)雜數(shù)據(jù)的基本情況，而由于“看板”中不同數(shù)據(jù)版塊的位置和大小具有可變性，用戶難以快速尋找到自己所需的數(shù)據(jù)版塊位置?；诖?，提出一種基于改進(jìn)MobileNetV3-SSD的數(shù)據(jù)可視化區(qū)域?qū)崟r(shí)檢測方法，在標(biāo)準(zhǔn)SSD的基礎(chǔ)上結(jié)合MobileNetV3的注意力機(jī)制，并利用改進(jìn)FPN模塊對特征信息融合，可以快速精準(zhǔn)地找到目標(biāo)數(shù)據(jù)板塊的“Title”位置，從而展示出所需的數(shù)據(jù)版塊。該改進(jìn)模型在大幅削減參數(shù)量的同時(shí)，Precision、Recall、mAP分別達(dá)到了83.05%、85.02%、74.35%，CPU每次推理時(shí)間降低至244 ms。

發(fā)表于：2025/12/17

YOLO-PDS：基于改進(jìn)的YOLOv11的無人機(jī)小目標(biāo)檢測算法[模擬設(shè)計(jì)][航空航天]

目標(biāo)檢測在遙感領(lǐng)域中具有廣泛的應(yīng)用前景。盡管目標(biāo)檢測算法在自然圖像中取得了明顯的進(jìn)展，但這些方法直接應(yīng)用于遙感圖像時(shí)仍然面臨諸多挑戰(zhàn)。遙感圖像的背景往往比較復(fù)雜且物體較小，導(dǎo)致前景與背景信息的分布極為不平衡。針對無人機(jī)圖像小目標(biāo)和物體遮擋的問題，提出了一種基于風(fēng)車狀卷積（PinwheelConv）改進(jìn)的無人機(jī)小目標(biāo)檢測算法。為了改進(jìn)模型對小目標(biāo)的檢測效果，在骨干網(wǎng)絡(luò)中使用風(fēng)車狀卷積替換普通卷積來更好地適應(yīng)小目標(biāo)提取特征，同時(shí)基于風(fēng)車狀卷積的思想設(shè)計(jì)了C2f-PC模塊來替換骨干中的C3k2模塊。為解決無人機(jī)圖像中目標(biāo)遮擋嚴(yán)重的問題，創(chuàng)新性地提出了C2f-PDWR模塊來替換頸部網(wǎng)絡(luò)中的C3k2模塊，來增強(qiáng)模型的特征融合能力，同時(shí)引入了SEAM（Spatially Enhanced Attention Module）來改善模型對被遮擋物體的檢測效果。最后，基于YOLOv11提出對小目標(biāo)檢測更加高效的YOLO-PDS模型。其在VisDrone2019數(shù)據(jù)集上所提方法較基準(zhǔn)模型YOLOv11檢測方法mAP50提高3.7%以上，召回率提高2.2%以上。

發(fā)表于：2025/12/17

基于專利分析的6G天地一體化網(wǎng)絡(luò)編碼技術(shù)發(fā)展研究[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

隨著第六代移動通信技術(shù)（6th Generation，6G）通信技術(shù)的快速發(fā)展，天地一體化網(wǎng)絡(luò)因其全球無縫覆蓋能力成為研究熱點(diǎn)?；趯＠治龇椒?，系統(tǒng)研究了6G天地一體化網(wǎng)絡(luò)中的編碼技術(shù)發(fā)展態(tài)勢，聚焦Turbo碼、低密度奇偶校驗(yàn)碼（Low-Density Parity-Check Code，LDPC碼）、Polar碼和人工智能編碼（Artificial Intelligence coding，AI coding）四大技術(shù)分支。通過對2016~2025年全球?qū)＠麛?shù)據(jù)的分析，揭示了技術(shù)演進(jìn)趨勢、區(qū)域競爭格局和創(chuàng)新主體分布。研究發(fā)現(xiàn)：韓國在專利數(shù)量上領(lǐng)先，中國在Polar碼領(lǐng)域具有優(yōu)勢，AI編碼技術(shù)占比超過50%但標(biāo)準(zhǔn)化仍處早期階段。該研究還識別了高動態(tài)信道適配、星地協(xié)同優(yōu)化等關(guān)鍵技術(shù)空白，為6G編碼技術(shù)研發(fā)和標(biāo)準(zhǔn)制定提供了戰(zhàn)略參考。

發(fā)表于：2025/12/17

基于多諧振單元的雙波束微帶反射陣列天線設(shè)計(jì)[微波|射頻][通信網(wǎng)絡(luò)]

提出了一種基于阿基米德螺旋線和正弦波混合結(jié)構(gòu)的反射單元，結(jié)合編碼超表面原理，采用“0110…”編碼序列設(shè)計(jì)了一款16×12規(guī)模的雙波束微帶反射陣列天線。天線工作于10 GHz，采用Vivaldi天線饋電，實(shí)現(xiàn)了穩(wěn)定的雙波束輻射。實(shí)測結(jié)果表明，天線-10 dB阻抗帶寬為7.5%（9.56~10.31 GHz），E面雙波束偏轉(zhuǎn)角達(dá)13.5°，3-dB波束寬度為9.7°，峰值增益13.0 dBi。通過混合諧振單元設(shè)計(jì)，解決了傳統(tǒng)反射陣列相位非線性導(dǎo)致的帶寬受限問題，編碼超表面的應(yīng)用進(jìn)一步簡化了波束控制復(fù)雜度。

發(fā)表于：2025/12/17

基于GAN和集成學(xué)習(xí)的電力系統(tǒng)網(wǎng)絡(luò)入侵檢測方法[通信與網(wǎng)絡(luò)][智能電網(wǎng)]

針對現(xiàn)有入侵檢測方法在面臨高維數(shù)據(jù)非線性關(guān)聯(lián)和樣本分布不均衡的網(wǎng)絡(luò)監(jiān)測數(shù)據(jù)時(shí)存在檢測準(zhǔn)確率低和對少數(shù)類攻擊漏檢率高的問題，提出一種基于生成對抗網(wǎng)絡(luò)（GAN）與集成學(xué)習(xí)的電力系統(tǒng)網(wǎng)絡(luò)入侵檢測方法。首先，利用GAN生成與真實(shí)分布一致的合成攻擊樣本，有效緩解數(shù)據(jù)不均衡問題；其次，通過稀疏自編碼器（SAE）對高維特征進(jìn)行非線性降維，提取低維判別性特征以克服維度災(zāi)難；最后，構(gòu)建Bagging集成學(xué)習(xí)框架，融合K-means、層次聚類和高斯混合模型（GMM）的異構(gòu)基學(xué)習(xí)器，并采用DBSCAN元學(xué)習(xí)器對聚類結(jié)果進(jìn)行二次分析，提升檢測魯棒性?；贙DD CUP99數(shù)據(jù)集的實(shí)驗(yàn)表明，所提方法在數(shù)據(jù)增強(qiáng)后使少數(shù)類樣本占比從2.6%提升至17.7%，檢測準(zhǔn)確率達(dá)96.4%，誤檢率低至7.3%，尤其少數(shù)類關(guān)鍵攻擊的召回率超過97.6%。相較于傳統(tǒng)方法顯著提升了復(fù)雜攻擊場景下的檢測性能，為電力系統(tǒng)網(wǎng)絡(luò)安全防護(hù)提供了新思路。

發(fā)表于：2025/12/17

應(yīng)用于JESD204B/C的高速寬頻帶可編程分頻器[可編程邏輯][通信網(wǎng)絡(luò)]

為了滿足高速多通道場景下JESD204B/C系統(tǒng)的應(yīng)用需求，采用電流模邏輯（Current Mode Logic，CML）設(shè)計(jì)了一款高速、寬工作頻率的可編程分頻器?；?.18 μm SiGe BiCMOS工藝，經(jīng)流片測試結(jié)果顯示，在300 MHz~16 GHz輸入頻率范圍內(nèi)，可實(shí)現(xiàn)2~16 380次分頻，且有信號發(fā)生器、脈沖發(fā)生器及中繼器三種不同模式輸出。

發(fā)表于：2025/12/17

一款緊湊型超寬帶5~18 GHz多功能芯片設(shè)計(jì)與實(shí)現(xiàn)[微波|射頻][通信網(wǎng)絡(luò)]

采用砷化鎵工藝研制了一款緊湊型超寬帶5~18 GHz多功能芯片。該多功能芯片集成3個(gè)單刀雙擲開關(guān)、3個(gè)驅(qū)動放大器、6位數(shù)控衰減器和6位數(shù)控移相器。數(shù)控移相器采用全通-高低通濾波拓?fù)浣Y(jié)構(gòu)設(shè)計(jì)來改善移相移相精度和減小芯片尺寸。測試表明該多功能芯片有著優(yōu)異的射頻性能，非常適合應(yīng)用于相位陣列雷達(dá)。芯片尺寸為5.3 mm×3.5 mm×0.1 mm。在+5 V供電下的電流消耗是70 mA，-5 V供電下的電流消耗是5 mA。

發(fā)表于：2025/12/17

1.75 GHz多功能時(shí)鐘扇出緩沖器設(shè)計(jì)[模擬設(shè)計(jì)][通信網(wǎng)絡(luò)]

基于CMOS工藝設(shè)計(jì)了一款多功能時(shí)鐘扇出緩沖器。該緩沖器內(nèi)置可編程分頻器和延時(shí)調(diào)整器，可4通道獨(dú)立輸出差分時(shí)鐘，每個(gè)通道均可進(jìn)行分頻和延時(shí)調(diào)整，且都支持LVDS（最高1.75 GHz）、HSTL（最高1.75 GHz）和1.8 V CMOS（最高350 MHz）三種邏輯電平類型。經(jīng)測試驗(yàn)證：1.75 GHz差分時(shí)鐘輸入/輸出；每路輸出均可以旁路該路分頻器或者設(shè)置最高2048的整數(shù)分頻比；每通道均可進(jìn)行數(shù)字和模擬延時(shí)調(diào)整；寬帶隨機(jī)抖動<110 fs RMS；附加隨機(jī)抖動39 fs RMS（典型值，12 kHz~20 MHz）。該時(shí)鐘扇出緩沖器可滿足數(shù)據(jù)轉(zhuǎn)換器、時(shí)鐘樹等應(yīng)用所需的低抖動要求，可廣泛應(yīng)用于無線電收發(fā)機(jī)和通信系統(tǒng)中。

發(fā)表于：2025/12/17

基于時(shí)差累積優(yōu)化的海上落水飛機(jī)雙流融合灰度值判別方法研究[模擬設(shè)計(jì)][航空航天]

針對海上落水飛機(jī)目標(biāo)存在背景噪聲抑制不足、目標(biāo)輪廓不完整、目標(biāo)特征弱化、小目標(biāo)像素點(diǎn)識別困難等問題，提出一種基于時(shí)差累積優(yōu)化的雙流融合灰度值判別算法，通過構(gòu)建“雙目標(biāo)特征增強(qiáng)-噪聲抑制-時(shí)空配準(zhǔn)”三維優(yōu)化，實(shí)現(xiàn)五級遞進(jìn)式圖像處理。搭建了典型場景下的機(jī)載平臺圖像采集-評估系統(tǒng)，開展了“白天-夜間”階梯式實(shí)驗(yàn)，得到白天實(shí)驗(yàn)下雙目標(biāo)信比最高可達(dá)1.739，夜晚環(huán)境下信背比可達(dá)25。

發(fā)表于：2025/12/17

基于紫外特性的無人機(jī)著艦服務(wù)保障研究[模擬設(shè)計(jì)][航空航天]

基于無人機(jī)售后服務(wù)中著艦保障的實(shí)際需求，開展利用日盲波段紫外探測器支持無人機(jī)售后維護(hù)保障的技術(shù)研究。通過紫外波段大氣傳輸特性分析、紫外探測系統(tǒng)設(shè)計(jì)、紫外合作信標(biāo)點(diǎn)設(shè)計(jì)及 P4P 攝影測量算法試驗(yàn)驗(yàn)證，為無人機(jī)售后保障中著艦性能評估、故障排查及維護(hù)效果驗(yàn)證提供技術(shù)支撐，驗(yàn)證了該技術(shù)在無人機(jī)售后服務(wù)中保障著艦可靠性的可行性和合理性。

發(fā)表于：2025/12/17

基于YOLOv11改進(jìn)的海上小目標(biāo)多光譜特征檢測方法[模擬設(shè)計(jì)][航空航天]

針對海上環(huán)境復(fù)雜多變，霧霾、強(qiáng)光反射、夜間低照度條件以及海上小目標(biāo)成像特征信息非常有限等問題，提出一種基于YOLOv11改進(jìn)的海上多光譜特征小目標(biāo)檢測方法。通過雙分支YOLOv11模型的設(shè)計(jì)處理跨模態(tài)數(shù)據(jù)特征融合，并引入全局注意力機(jī)制模塊訓(xùn)練，使改進(jìn)的多光譜圖像小目標(biāo)檢測模型可以充分利用多光譜特征，實(shí)現(xiàn)了對多光譜圖像中的小目標(biāo)物體正確檢測和定位，尤其在無人機(jī)航空拍攝視角下表現(xiàn)優(yōu)異，這種跨模態(tài)融合的方法可顯著提升海上小目標(biāo)檢測的魯棒性和準(zhǔn)確性。實(shí)驗(yàn)表明，改進(jìn)模型在VTSaR 數(shù)據(jù)集上mAP@50指標(biāo)能夠達(dá)到 96.5%，較 YOLOv11n 提升 0.4%，可為海上航空無人搜救小目標(biāo)檢測提供新的解決思路。

發(fā)表于：2025/12/17

一款電力物聯(lián)雙模模塊智能產(chǎn)測平臺的設(shè)計(jì)與實(shí)現(xiàn)[模擬設(shè)計(jì)][物聯(lián)網(wǎng)]

根據(jù)國家對企業(yè)新質(zhì)生產(chǎn)力的戰(zhàn)略要求，同時(shí)隨著電網(wǎng)智能化的日益發(fā)展，搭載微功率無線通信通路和載波通信通路的雙模模塊的需求量逐漸增大。傳統(tǒng)生產(chǎn)工具存在良率不高及智能化程度較低等問題，導(dǎo)致雙模模塊的生產(chǎn)和測試存在產(chǎn)能低、成本高、工序繁瑣、返工率高等問題。結(jié)合實(shí)際研發(fā)項(xiàng)目，闡述了一款電力物聯(lián)雙模模塊智能產(chǎn)測系統(tǒng)平臺的設(shè)計(jì)與實(shí)現(xiàn)。該產(chǎn)測平臺的目的是通過運(yùn)行產(chǎn)測平臺軟件，驅(qū)動硬件設(shè)備，加載預(yù)先配置的參數(shù)和測試項(xiàng)列表，對安裝在電網(wǎng)臺區(qū)和物聯(lián)網(wǎng)場景的雙模模塊進(jìn)行生產(chǎn)和測試驗(yàn)證，旨在發(fā)現(xiàn)焊接故障、無線和載波功能異常等問題，同時(shí)驗(yàn)證模塊的程序版本以及寫入出廠參數(shù)。產(chǎn)測平臺在硬件構(gòu)造上由多個(gè)硬件組件構(gòu)成，包括工裝箱體、被測模塊、陪測模塊、屏蔽箱、PCB表面缺陷檢測裝置、指示燈及氣動裝置、針板及托盤、工控機(jī)、服務(wù)器電腦等。產(chǎn)測平臺軟件是整個(gè)平臺功能的核心體現(xiàn)。……

發(fā)表于：2025/12/17

Kalman濾波算法在外測數(shù)據(jù)處理中的應(yīng)用研究[微波|射頻][通信網(wǎng)絡(luò)]

在應(yīng)用Kalman濾波算法對測量數(shù)據(jù)進(jìn)行實(shí)時(shí)處理時(shí)，常采用調(diào)整濾波增益矩陣的方法解決濾波發(fā)散問題。在實(shí)時(shí)數(shù)據(jù)處理中，不能通過后驗(yàn)方式確定調(diào)整濾波增益矩陣的增益系數(shù)，需要設(shè)計(jì)一種針對數(shù)據(jù)的自適應(yīng)確定方法。通過檢驗(yàn)數(shù)據(jù)序列的誤差特性，調(diào)整濾波記憶衰減步長，確定濾波記憶衰減系數(shù)，采用tanh函數(shù)計(jì)算增益系數(shù)。仿真結(jié)果表明，采用自適應(yīng)增益系數(shù)的Kalman濾波算法能夠較好地適應(yīng)常見測量數(shù)據(jù)，可以應(yīng)用于測量數(shù)據(jù)的實(shí)時(shí)處理。

發(fā)表于：2025/12/17

基于FPGA高精度磁通門傳感器的設(shè)計(jì)與校準(zhǔn)研究[可編程邏輯][工業(yè)自動化]

針對寬量程電流測量中傳統(tǒng)磁通門傳感器非線性誤差顯著的問題，提出基于現(xiàn)場可編程門陣列（FPGA）高精度時(shí)間差檢測與多項(xiàng)式動態(tài)補(bǔ)償?shù)膮f(xié)同校正方法。通過建立磁芯正負(fù)飽和時(shí)間差與被測電流的映射關(guān)系，構(gòu)建數(shù)字化FPGA處理架構(gòu)實(shí)時(shí)捕獲飽和時(shí)間差，并建立包含非線性效應(yīng)的多項(xiàng)式補(bǔ)償模型。實(shí)驗(yàn)結(jié)果表明：該傳感器能夠精確檢測復(fù)雜微弱漏電流；補(bǔ)償模型決定系數(shù)達(dá)0.999 976，較線性模型提高0.11%；均方根誤差降低85.4%。通過硬件-算法協(xié)同優(yōu)化有效抑制工業(yè)現(xiàn)場環(huán)境下的精度漂移，為智能電網(wǎng)設(shè)備級電流監(jiān)測提供了高精度低成本解決方案。

發(fā)表于：2025/12/17

智能網(wǎng)卡加速Ceph存儲的性能研究[可編程邏輯][航空航天]

聚焦Ceph存儲系統(tǒng)對象存儲設(shè)備（Object Storage Device， OSD）架構(gòu)線程鎖競爭機(jī)制所導(dǎo)致的多核并行擴(kuò)展能力受限問題，針對下一代Crimson-OSD架構(gòu)與智能網(wǎng)卡協(xié)同優(yōu)化技術(shù)開展研究，提出分層協(xié)同優(yōu)化框架。相關(guān)研究表明，采用智能網(wǎng)卡協(xié)同優(yōu)化，RDMA網(wǎng)絡(luò)卸載降低CPU占用率達(dá)到70%，異構(gòu)計(jì)算引擎實(shí)現(xiàn)糾刪碼硬件加速提升數(shù)據(jù)恢復(fù)速度達(dá)到4.84倍。研究成果為分布式存儲系統(tǒng)的硬件加速提供相關(guān)理論依據(jù)與關(guān)鍵技術(shù)參考，對高性能計(jì)算和云邊端融合等數(shù)據(jù)密集型場景的存儲系統(tǒng)優(yōu)化具有指導(dǎo)意義。

發(fā)表于：2025/12/16