久久婷婷国产综合,青青草国产成人久久,国产高清无码性爱大片

需要備用電源？保持電源連續(xù)性[電源技術][工業(yè)自動化]

發(fā)表于：6/8/2021

Vicor 發(fā)布針對汽車、高性能計算及機器人在疫情下的發(fā)展預測[電源技術][汽車電子]

因疫情原因改變了大家的習慣、優(yōu)先次序被重新定義，這些推動了創(chuàng)新加速。Vicor 的專家列舉了一些示例，表明現(xiàn)有趨勢將大幅加快并重點關注高效、緊湊、模塊化供電網(wǎng)絡 (PDN) 的使用與發(fā)展。

發(fā)表于：6/8/2021

40年ALD積淀助力超越摩爾，思銳智能完成第一階段發(fā)展布局[EDA與制造][工業(yè)自動化]

業(yè)界主流的薄膜沉積工藝主要有原子層沉積(ALD)、物理式真空鍍膜(PVD)和化學式真空鍍膜(CVD)等。其中ALD屬于CVD的一種，是當下最先進的薄膜沉積技術。

發(fā)表于：6/7/2021

安富利：激光雷達進入量產(chǎn)元年，將加快自動駕駛的商用進程[MEMS|傳感技術][汽車電子]

　　跨界“造車”年年有，尤其今年特別多！繼小米高調(diào)官宣投資百億造車之后僅半個月，華為也與合作伙伴北汽聯(lián)合發(fā)布了采用自家技術平臺的新款車型——極狐阿爾法S華為HI版智能純電動轎車。

發(fā)表于：6/7/2021

如何采用人工智能規(guī)劃試點項目[模擬設計][智能電網(wǎng)]

　　人工智能（AI）為各行業(yè)領域的企業(yè)提供了發(fā)展和改善業(yè)務運營的機會。根據(jù)《財富商業(yè)見解》的調(diào)查，2019年全球人工智能市場規(guī)模為270億美元，這一數(shù)字預計到2027年將達到2670億美元。這表明很多企業(yè)致力于采用當今時代這個最具生產(chǎn)力的技術。　　但是，實施人工智能戰(zhàn)略面臨著挑戰(zhàn)，特別是對于那些根本不知道從

發(fā)表于：6/3/2021

亞皮秒級激光回波半實物仿真系統(tǒng)關鍵技術研究[模擬設計][工業(yè)自動化]

激光回波仿真系統(tǒng)能夠根據(jù)所模擬的目標生成高頻高精度模擬回波信號。提出一種激光回波仿真系統(tǒng)設計方案，系統(tǒng)中采用FPGA生成延時信號，可以對回波信號實現(xiàn)亞皮秒級的延時精度；對光纖通信協(xié)議進行了優(yōu)化，用FPGA實現(xiàn)基于該協(xié)議的回波信號傳輸系統(tǒng)，擺脫了現(xiàn)有方案中對反射內(nèi)存卡的依賴性，提升了數(shù)據(jù)的刷新頻率。仿真結(jié)果表明，所設計的仿真系統(tǒng)數(shù)據(jù)傳輸速度達到1.6 Gb/s，回波精度達到125 ps，距離分辨率達到0.05 m。為基于激光陣列的高精度激光制導半實物仿真系統(tǒng)的研制奠定了基礎。

發(fā)表于：6/2/2021

一種G比特可變編碼調(diào)制的解調(diào)方法設計與實現(xiàn)[微波|射頻][通信網(wǎng)絡]

隨著衛(wèi)星通信技術的發(fā)展，寬帶頻譜越來越少，提高頻譜利用率就愈來愈重要，可變編碼調(diào)制技術(VCM)就是一種解決方案。根據(jù)DVB-S2標準中對調(diào)制信號的格式的定義，當調(diào)制方式在QPSK、8PSK、16APSK、32APSK中切換時，幀頭和導頻仍然采用π/2BPSK進行調(diào)制，基于此提出了對導頻和幀頭部分進行高碼率可變編碼的載波同步和均衡處理，實現(xiàn)結(jié)果表明，能正常對不同調(diào)制方式進行解調(diào)，同時保證在不同調(diào)制方式進行切換時仍能穩(wěn)定完成解調(diào)，測試結(jié)果表明解調(diào)性能偏離理論值小于3 dB，由于只采用了一種載波同步方法和均衡方法，實現(xiàn)方法簡單，節(jié)省了FPGA資源。

發(fā)表于：6/2/2021

基于ZYNQ的PTP授時精度測量方法與實現(xiàn)[其他][航空航天]

針對PTP授時精度測量存在的困難，提出在ZYNQ SOC上用μCOS操作系統(tǒng)和LWIP協(xié)議棧，來實現(xiàn)PTP授時精度測量。該方法通過接收衛(wèi)星導航系統(tǒng)信號，得到準確的系統(tǒng)時間和時鐘源差，利用硬件將系統(tǒng)時間同步至ZYNQ的納秒計數(shù)器。利用ZYNQ EMAC接口獲取PTP收發(fā)幀的觀測時間，并利用源差值實現(xiàn)對測量時間的補償，最終得到準確的時間戳，進而實現(xiàn)對待測PTP主時鐘授時精度測量。經(jīng)實際測試，利用該方法對PTP時鐘進行測量，能夠獲得優(yōu)于10 ns的測量精度。

發(fā)表于：6/2/2021

基于FPGA的PIE編碼與UVM驗證平臺的設計[可編程邏輯][其他]

國際標準ISO/IEC18000-6規(guī)定脈沖間隔編碼(PIE)作為RFID數(shù)字基帶系統(tǒng)中閱讀器發(fā)送鏈路的編碼方式。采用Verilog語言對該模塊進行設計，用QuartusⅡ軟件綜合并下載到FPGA開發(fā)板上，并使用SignalTapⅡ邏輯分析儀對信號進行采集和分析。此外，在設計的基礎上添加了UART收發(fā)模塊，實現(xiàn)PC和FPGA板的通信。為了對PIE編碼進行充分驗證，基于UVM驗證方法學和直接編程接口C(DPI-C)，設計并實現(xiàn)了一種高效且可復用的驗證平臺，驅(qū)動器和監(jiān)測器分別實現(xiàn)向DUT發(fā)送激勵及收集輸出結(jié)果的功能。參考模型與DUT的輸出結(jié)果在記分板中對比一致，功能覆蓋率達到了100%，提高了驗證效率及完備性。

發(fā)表于：6/2/2021

多通道SAR型數(shù)字變換器的設計與實現(xiàn)[其他][其他]

針對某項目多通道數(shù)字變換器的設計，提出了一種高可靠性、高精度的模數(shù)轉(zhuǎn)換方案。為完成12路傳感器信號的采集、4路電壓電流的采集，對硬件電路進行了詳細的分析與優(yōu)化。待采集信號先后通過信號調(diào)理、模擬開關、分壓跟隨以及抗混疊濾波對其進行處理，并對鏈路的建立時間進行分析，最后采用逐次逼近型AD芯片進行轉(zhuǎn)換，通過與上位機配合驗證數(shù)據(jù)的采集精度。經(jīng)過大量實驗數(shù)據(jù)驗證，采集精度均能優(yōu)于0.5%，達到任務要求。

發(fā)表于：6/2/2021

高速電力線載波信道分析模塊的設計與實現(xiàn)[其他][其他]

高速電力線載波信道噪聲環(huán)境復雜，而現(xiàn)有設備難以對載波信道噪聲采集和測量分析。為此，提出了一種高速電力線載波信道分析模塊，可實現(xiàn)現(xiàn)場噪聲高精度樣本采集、信道衰減特性測試等功能，并且可在實驗室測試環(huán)境中進行噪聲回放，實現(xiàn)現(xiàn)場環(huán)境的真實模擬。首先介紹了分析模塊的硬件架構(gòu)組成，描述了FPGA邏輯電路的狀態(tài)機設計及嵌入式軟件設計方案，最后對研制的樣機進行了測試，結(jié)果表明信道分析模塊能夠滿足設計要求的所有功能，解決了高速電力線載波通信芯片對抗噪聲技術研究和現(xiàn)場運維測試的難題。

發(fā)表于：6/2/2021

卷積編碼及Viterbi譯碼的低時延FPGA設計實現(xiàn)[通信與網(wǎng)絡][通信網(wǎng)絡]

針對毫米波通信的高速率和低時延設計要求，設計實現(xiàn)1/2碼率(2，1，7)卷積碼的低時延譯碼。采用高度并行優(yōu)化實現(xiàn)框架、低延時的最小值選擇方式，獲得Viterbi硬判決譯碼算法的輸出。利用基于Xilinx公司的Artix7-xc7a200t芯片綜合后，譯碼器的數(shù)據(jù)輸出延時約89個時鐘周期，最高工作頻率可達203.92 MHz。結(jié)果表明，該譯碼器可支持吉比特級的數(shù)據(jù)傳輸速率，實現(xiàn)了低延時、高速率的編譯碼器。

發(fā)表于：6/2/2021

一種面向SRAM型FPGA的三模冗余分區(qū)自修復方法研究[其他][其他]

SRAM型FPGA的低成本及其現(xiàn)場可編程性使其在航空航天工業(yè)中很受歡迎。為解決FPGA受宇宙輻射引起的單粒子效應(Single Event Effect，SEE)，常使用三模冗余(Triple Modular Redundancy，TMR)這一緩解技術。該技術通常與配置刷新技術一起用來加固基于SRAM的FPGA。傳統(tǒng)的TMR只能針對單個故障提供一次保護，而將三模冗余結(jié)構(gòu)進行分區(qū)可以增強其環(huán)境適應性。研究了一種將配置刷新和分區(qū)三模冗余結(jié)合的方法，并采用PRISM工具進行模型驗證，結(jié)果表明該方法可以增強系統(tǒng)的可用性。

發(fā)表于：6/2/2021

基于深度學習的桿塔三維姿態(tài)實時估計[其他][其他]

針對目前無人機航拍影像桿塔識別算法中，普遍是無人機通過傾斜攝影技術獲取到桿塔的原始遙觀影像數(shù)據(jù)，經(jīng)過機器學習訓練，識別其余圖片數(shù)據(jù)中的桿塔。其中存在獲取機器訓練所需的圖片數(shù)據(jù)來源緩慢、只能二維識別圖片中桿塔等問題。提出了基于深度學習的桿塔三維姿態(tài)實時估計的算法。首先，通過三維平臺合成影像數(shù)據(jù)；其次，通過Deep-Object-Pose訓練及其處理；然后測試真實的圖片數(shù)據(jù)或者實時視頻，達到智能識別桿塔的三維空間姿態(tài)信息。該算法為無人機自動尋找桿塔目標和智能精細化巡檢提供新的思路。

發(fā)表于：6/2/2021

基于對比實驗的水下圖像質(zhì)量提升方法研究[其他][其他]

受水介質(zhì)對光線的散折射及吸收作用、光照條件變化和成像距離等因素影響，水下圖像中往往存在對比度低、模糊嚴重等問題。針對上述問題，結(jié)合學者們在水下圖像質(zhì)量提升方面的研究，以3個水下圖像集為對象，選取了9種不同的圖像質(zhì)量提升方法(包括增強和復原方法)進行水下圖像對比實驗,并從耗時、峰值信噪比、結(jié)構(gòu)相似度、平均梯度、熵值和標準差6方面對實驗結(jié)果進行分析，得到不同方法之間的優(yōu)劣情況。其中直方圖均衡化和引導濾波的實驗結(jié)果圖像效果最佳，且獲得了整體較好的數(shù)據(jù)結(jié)果，這為后續(xù)研究提供了方向。

發(fā)表于：6/2/2021