久久精品站,一级a片在线免费播放

基于FPGA的高精度信號(hào)發(fā)生器[模擬設(shè)計(jì)][其他]

在當(dāng)代許多電子信息系統(tǒng)中，信號(hào)源的性能參數(shù)往往對(duì)系統(tǒng)的功能起著決定性作用。采用直接數(shù)字頻率合成技術(shù)（Direct Digital Synthesize，DDS），基于現(xiàn)場(chǎng)可編程門陣列（FieldProgrammable Gate Array，F(xiàn)PGA）設(shè)計(jì)了能同時(shí)輸出4路信號(hào)的高精度信號(hào)發(fā)生器。同時(shí)依靠串口通信的方式，通過(guò)PC端的控制界面實(shí)時(shí)調(diào)節(jié)系統(tǒng)輸出信號(hào)的頻率、相位和死區(qū)時(shí)間。

發(fā)表于：12/15/2020

基于交點(diǎn)的新層次聚類算法[人工智能][其他]

介紹了一種新的分層聚類算法，該聚類算法的主要目的是利用交點(diǎn)提供更好的聚類質(zhì)量和更高的準(zhǔn)確性。為了驗(yàn)證該聚類算法，對(duì)基準(zhǔn)數(shù)據(jù)集進(jìn)行了幾次實(shí)驗(yàn)，并與其他五種廣泛使用的聚類算法進(jìn)行對(duì)比。使用純度作為外部標(biāo)準(zhǔn)來(lái)評(píng)估聚類算法的性能，并計(jì)算了由聚類算法得出的每個(gè)聚類的緊密度，以評(píng)估聚類算法的有效性。實(shí)驗(yàn)結(jié)果表明，在大多數(shù)情況下，該算法的錯(cuò)誤率低于研究中使用的其他聚類算法。

發(fā)表于：12/15/2020

16線POTS ONT硬件設(shè)計(jì)[模擬設(shè)計(jì)][其他]

光網(wǎng)絡(luò)設(shè)備（Optical Network Terminal,ONT）是XPON網(wǎng)絡(luò)接入方案中的產(chǎn)品，是一種應(yīng)用在用戶端的光網(wǎng)絡(luò)終端，有GPON和EPON。介紹以PON ONU SOC為主控芯片的16線POTS ONT的硬件設(shè)計(jì)及遇到的問(wèn)題以及如何解決這些問(wèn)題。此設(shè)計(jì)是一款基于GPON（ITU-T G.984）標(biāo)準(zhǔn)并支持以太網(wǎng)和語(yǔ)音接口的ONT，適用于北美市場(chǎng)，滿足NEBS1標(biāo)準(zhǔn)。本設(shè)計(jì)的特點(diǎn)是有16線的語(yǔ)音用戶接口和1個(gè)GE的接口，上聯(lián)是GPON，支持Dying Gasp且功耗低。

發(fā)表于：12/15/2020

基于圖卷積網(wǎng)格自編碼器的網(wǎng)格參數(shù)化[人工智能][通信網(wǎng)絡(luò)]

網(wǎng)格參數(shù)化作為數(shù)字幾何處理的基本工具，在游戲娛樂(lè)、工程設(shè)計(jì)、仿真模擬等多種領(lǐng)域有著廣泛的應(yīng)用背景。傳統(tǒng)的網(wǎng)格參數(shù)化方法大多通過(guò)求解線性系統(tǒng)或者非線性系統(tǒng)獲得結(jié)果，存在著求解速度慢、不夠魯棒的問(wèn)題。提出了一個(gè)基于圖卷積網(wǎng)格自編碼器的網(wǎng)格參數(shù)化模型，采用了圖卷積網(wǎng)格自編碼器的編碼部分與自行構(gòu)建的參數(shù)化解碼部分結(jié)合的方式生成網(wǎng)絡(luò)，使用一類人臉網(wǎng)格數(shù)據(jù)集作為網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)，并與傳統(tǒng)優(yōu)化算法進(jìn)行對(duì)比。結(jié)果表明，使用建立的網(wǎng)格參數(shù)化模型，在保證參數(shù)化效果的同時(shí)，獲得參數(shù)化結(jié)果的速度比SLIM(Scalable Locally Injective Mappings，SLIM)算法快68%，比PP(Progressive Parameterizations)算法快約4倍。

發(fā)表于：12/15/2020

微型仿生撲翼飛行器研究綜述[人工智能][航空航天]

基于仿生學(xué)原理的撲翼飛行器因質(zhì)量輕、體積小、靈活性好、隱蔽性高等優(yōu)點(diǎn)在軍事和民用領(lǐng)域應(yīng)用廣泛，實(shí)現(xiàn)撲翼飛行器的微型化是未來(lái)發(fā)展方向。首先介紹了微型仿生撲翼飛行器的概念和特點(diǎn)，分析了研究背景和國(guó)內(nèi)外研究現(xiàn)狀及成果，在此基礎(chǔ)上，就實(shí)現(xiàn)微型仿生撲翼飛行器需要解決的關(guān)鍵技術(shù)和難題進(jìn)行了討論，最后對(duì)我國(guó)微型仿生撲翼飛行器的應(yīng)用前景作出展望。

發(fā)表于：12/15/2020

用戶行為仿真的部署與調(diào)度問(wèn)題研究[其他][其他]

近年來(lái)，網(wǎng)絡(luò)空間對(duì)抗形勢(shì)日趨嚴(yán)峻，網(wǎng)絡(luò)攻擊技術(shù)更是日益復(fù)雜。但對(duì)網(wǎng)絡(luò)攻擊技術(shù)的測(cè)試不能在現(xiàn)實(shí)的網(wǎng)絡(luò)環(huán)境中進(jìn)行，對(duì)此，網(wǎng)絡(luò)靶場(chǎng)技術(shù)成為近年來(lái)關(guān)注的一個(gè)熱點(diǎn)。為在網(wǎng)絡(luò)靶場(chǎng)中高逼真地模擬現(xiàn)實(shí)網(wǎng)絡(luò)，大規(guī)模用戶行為仿真技術(shù)至關(guān)重要。研究了如何在有限的資源條件下，通過(guò)虛擬化容器技術(shù)，實(shí)現(xiàn)大規(guī)模的用戶行為仿真，并實(shí)現(xiàn)其部署和調(diào)度問(wèn)題。

發(fā)表于：12/15/2020

Raw格式巖心圖像超分辨率重建[人工智能][其他]

在巖心面陣相機(jī)開(kāi)發(fā)中，可以使用基于學(xué)習(xí)的超分辨率技術(shù)來(lái)提升巖心圖像的分辨率。針對(duì)現(xiàn)有超分辨率技術(shù)在重建巖心圖像時(shí)存在的細(xì)節(jié)模糊或色彩偏差等問(wèn)題，提出了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的Raw格式巖心圖像超分辨率重建算法。首先，模擬相機(jī)圖像處理器的線性處理部分合成線性圖像數(shù)據(jù)集；然后，通過(guò)一個(gè)雙層卷積神經(jīng)網(wǎng)絡(luò)，分別訓(xùn)練高低分辨率圖像之間的紋理、色彩映射關(guān)系；最后，用重建出的線性高分辨率圖像模擬相機(jī)圖像處理器的非線性處理部分，獲得紋理清晰且色彩逼真的巖心重建圖像。實(shí)驗(yàn)結(jié)果表明，本文提出的重建算法提升了巖心圖像的重建效果。

發(fā)表于：12/15/2020

基于AWK和Shell的計(jì)費(fèi)賬務(wù)內(nèi)控監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[模擬設(shè)計(jì)][信創(chuàng)產(chǎn)業(yè)]

為了適應(yīng)日趨激烈的電信市場(chǎng)競(jìng)爭(zhēng)，電信企業(yè)內(nèi)部在不斷進(jìn)行改革。建立電信運(yùn)營(yíng)企業(yè)內(nèi)部控制體系是公司健康持續(xù)發(fā)展的重要一環(huán)，而計(jì)費(fèi)賬務(wù)系統(tǒng)數(shù)據(jù)涉及公司財(cái)務(wù)收入，對(duì)它的管控到位能反映出一個(gè)公司內(nèi)控管理水平。基于AWK和Shell編程語(yǔ)言，設(shè)計(jì)了計(jì)費(fèi)賬務(wù)內(nèi)控監(jiān)測(cè)系統(tǒng)，并重點(diǎn)闡述其軟件設(shè)計(jì)。系統(tǒng)采用C/S和B/S混合編程的方法，在采集交換機(jī)話單文件列表流程中使用封裝腳本體的方法，實(shí)現(xiàn)交換機(jī)登錄、采集文件、標(biāo)準(zhǔn)化、入庫(kù)一次性自動(dòng)執(zhí)行，在采集核對(duì)功能展示上采用B/S架構(gòu)進(jìn)行前臺(tái)告警展現(xiàn)。該設(shè)計(jì)提高了省級(jí)中心和地市運(yùn)維兩級(jí)對(duì)計(jì)費(fèi)賬務(wù)流程監(jiān)控效率，為后期內(nèi)控審計(jì)工作提供了有效的憑據(jù)。

發(fā)表于：12/15/2020

一種OFDM電力線通信系統(tǒng)的自動(dòng)增益控制方法[電源技術(shù)][智能電網(wǎng)]

低壓電力線信道中普遍存在較大的脈沖噪聲，這對(duì)OFDM電力線通信系統(tǒng)的自動(dòng)增益控制（AGC）帶來(lái)了極大的挑戰(zhàn)。在分析電力線通信系統(tǒng)架構(gòu)及脈沖噪聲特點(diǎn)的基礎(chǔ)上，提出了一種抗脈沖噪聲能力強(qiáng)的自動(dòng)增益控制新方法。該方法通過(guò)在自動(dòng)增益控制中嵌入脈沖檢測(cè)電路，在檢測(cè)到脈沖噪聲或系統(tǒng)幀同步時(shí)，停止增益調(diào)整，可有效防止脈沖噪聲引起AGC誤動(dòng)作，降低接收過(guò)程中脈沖噪聲對(duì)AGC的干擾。仿真結(jié)果表明，所提出的自動(dòng)增益控制方法能有效提高電力線通信接收機(jī)的性能。

發(fā)表于：12/15/2020

基于BIM與GIS數(shù)據(jù)融合的智慧地鐵運(yùn)維系統(tǒng)研究[其他][工業(yè)自動(dòng)化]

建筑信息模型(BIM)和地理信息系統(tǒng)(GIS)的融合為智慧地鐵運(yùn)維系統(tǒng)的實(shí)現(xiàn)提供了強(qiáng)有力的技術(shù)支持。論證了將BIM+GIS運(yùn)用到地鐵設(shè)備運(yùn)維系統(tǒng)中的優(yōu)勢(shì)和可行性，從BIM和GIS模型的數(shù)據(jù)規(guī)范入手，提出了一種有效的BIM和GIS數(shù)據(jù)融合方案。通過(guò)運(yùn)用BIM和GIS，實(shí)現(xiàn)了設(shè)備智慧巡檢、設(shè)備故障預(yù)警與智能維修和應(yīng)急智能處置等智慧功能。BIM和GIS數(shù)據(jù)的成功融合，為智慧地鐵運(yùn)維系統(tǒng)的建成提供了一種強(qiáng)有力的技術(shù)手段。

發(fā)表于：12/15/2020

融合位置信息的卷積門控網(wǎng)絡(luò)實(shí)現(xiàn)與應(yīng)用[其他][其他]

基于方面的情感分析（AspectBased Sentiment Analysis）通常使用長(zhǎng)短期記憶網(wǎng)絡(luò)和注意力機(jī)制方法，這兩種模型結(jié)構(gòu)復(fù)雜，運(yùn)行時(shí)間長(zhǎng)?，F(xiàn)有的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單，具有代表性的是GCAE（Gated Convolutional Networks with Aspect Embedding）模型。但其由于未充分地利用詞語(yǔ)的順序信息，不能準(zhǔn)確快速地關(guān)注到關(guān)鍵詞。因此提出了一種融合位置信息的卷積門控網(wǎng)絡(luò)方法。采用SemEval數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，并與采用GCAE模型的實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比，結(jié)果表明，所提模型迭代一次約用時(shí)5.96 s，優(yōu)于長(zhǎng)短期記憶模型的81 s。該模型對(duì)句子中有多個(gè)方面的情感極性判斷準(zhǔn)確度為55.00%，高于GCAE模型的53.00%。該研究對(duì)于提高基于方面的情感分析的迭代時(shí)間和準(zhǔn)確度有一定的參考意義。

發(fā)表于：12/15/2020

橡膠-金屬緩沖彈簧在飛機(jī)舵機(jī)電液伺服系統(tǒng)中的應(yīng)用[其他][工業(yè)自動(dòng)化]

針對(duì)飛機(jī)舵機(jī)電液伺服系統(tǒng)在抑制多余力干擾時(shí)，緩沖裝置無(wú)法實(shí)現(xiàn)變剛度連續(xù)加載的問(wèn)題，采用在系統(tǒng)結(jié)構(gòu)中設(shè)置橡膠金屬緩沖彈簧的結(jié)構(gòu)補(bǔ)償方法。首先，設(shè)計(jì)橡膠金屬緩沖彈簧結(jié)構(gòu)，利用ANSYS仿真軟件構(gòu)建有限元模型并對(duì)其進(jìn)行性能分析。通過(guò)構(gòu)建飛機(jī)舵機(jī)電液伺服系統(tǒng)各元件數(shù)學(xué)模型，從而得到系統(tǒng)整體數(shù)學(xué)模型。最后，利用MATLAB仿真軟件驗(yàn)證該方法的可行性和有效性。研究結(jié)果表明，橡膠金屬緩沖彈簧能夠達(dá)到技術(shù)指標(biāo)要求，改善系統(tǒng)穩(wěn)定特性，具有較高的工程實(shí)踐價(jià)值。

發(fā)表于：12/15/2020

基于NOR Flash的卷積計(jì)算單元的設(shè)計(jì)[其他][信創(chuàng)產(chǎn)業(yè)]

提出一種基于NOR Flash的模擬卷積運(yùn)算單元，與同類模擬卷積運(yùn)算單元相比具有高精度、高能耗比、低噪聲的特點(diǎn)。該單元采用存算一體架構(gòu)，將卷積核的權(quán)重參數(shù)以閾值電壓的方式存儲(chǔ)在Flash中，輸入圖片經(jīng)過(guò)模擬卷積運(yùn)算得到輸出圖片。在SMIC 65 nm浮柵工藝下，使用SOBEL邊緣檢測(cè)算法評(píng)估該單元的性能。仿真結(jié)果表明，在3.3 V電源電壓，100 MHz時(shí)鐘下，實(shí)現(xiàn)一個(gè)3×3卷積核的Flash陣列的能耗比達(dá)到0.18 TOPS/W，卷積計(jì)算結(jié)果的峰值信噪比(PSNR)為39.05 dB。

發(fā)表于：12/15/2020

一種低相位噪聲的正交電感電容壓控振蕩器的設(shè)計(jì)[電子元件][工業(yè)自動(dòng)化]

在相同的功耗下，串聯(lián)耦合正交電感電容壓控振蕩器相位噪聲性能優(yōu)于并聯(lián)耦合電感電容壓控振蕩器。但是在傳統(tǒng)的串聯(lián)耦合正交電感電容壓控振蕩器中，LC諧振腔中存在45°的相位偏移使得其相位噪聲被惡化。因此提出一種交流偏置的串聯(lián)耦合正交電感電容壓控振蕩器。該振蕩器中的LC諧振腔的相移接近0°,并且耦合MOS管的低頻噪聲上變頻的相位噪聲部分受到抑制。所以該交流偏置的串聯(lián)耦合正交電感電容壓控振蕩器可以獲得較好的相位噪聲性能。所提出的正交電感電容壓控振蕩器在TSMC 180 nm CMOS工藝下設(shè)計(jì)完成。其輸出頻率調(diào)諧范圍為2.34 GHz~2.60 GHz，電源電壓為1.8 V，功耗約為11.2 mW。輸出頻率為2.58 GHz時(shí)，3 MHz頻偏處的相位噪聲為-140.1 dBc/Hz，相較于傳統(tǒng)串聯(lián)耦合正交振蕩器優(yōu)化了6.4 dB。該振蕩器的品質(zhì)因子為188.3 dBc/Hz，平均相位誤差為0.05°。

發(fā)表于：12/15/2020

一種26~28 Gb/s高能效低抖動(dòng)Bang-bang CDR設(shè)計(jì)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

一種26~28 Gb/s高能效低抖動(dòng)Bang-bang CDR設(shè)計(jì)蔣姝潔，林福江(中國(guó)科學(xué)技術(shù)大學(xué) 微電子學(xué)院，安徽合肥 230026)設(shè)計(jì)實(shí)現(xiàn)了一款26~28 Gb/s的高能效低抖動(dòng)Bangbang CDR電路，采用改進(jìn)的全速率非線性鑒相器結(jié)構(gòu)，提高了鑒相器電路的輸入靈敏度，改善高數(shù)據(jù)速率下磁滯效應(yīng)的影響，從而提升環(huán)路整體的抖動(dòng)性能；通過(guò)壓控振蕩器和壓控振蕩器緩沖電路協(xié)同調(diào)諧的方式減小為驅(qū)動(dòng)大的鑒相器負(fù)載的時(shí)鐘緩沖電路的功耗。采用TSMC 40 nm CMOS工藝，輸入231-1 300 mVPP的偽隨機(jī)二進(jìn)制序列(PRBS)數(shù)據(jù)，在28 Gb/s下該時(shí)鐘數(shù)據(jù)恢復(fù)電路恢復(fù)出的時(shí)鐘抖動(dòng)為1.66 ps (pp)，數(shù)據(jù)抖動(dòng)為1.81 ps (pp)；在注入4 MHz正弦抖動(dòng)的情況下，抖動(dòng)容限小于0.75 UIpp。在1 V電源電壓下，功耗小于38.5 mW。

發(fā)表于：12/15/2020