午夜A级理论片在线播放一级,亚洲欧美一区二区天天躁

一種Ku頻段高密度集成的陶瓷SiP封裝R組件的設(shè)計(jì)[微波|射頻][航空航天]

針對機(jī)載衛(wèi)星通信天線尺寸小、重量輕、可靠性強(qiáng)的需求，結(jié)合多層陶瓷轉(zhuǎn)接板布線靈活、重量輕的特點(diǎn)，BGA封裝I/O口多、體積小的優(yōu)勢，提出了一種基于HTCC工藝SiP-BGA封裝架構(gòu)的2×4通道Ku頻段雙極化R組件的設(shè)計(jì)方法。利用電磁仿真軟件對組件中高密度射頻垂直過渡互聯(lián)結(jié)構(gòu)進(jìn)行了仿真設(shè)計(jì)，同時(shí)設(shè)計(jì)了一款小型化薄膜功分器，以實(shí)現(xiàn)4通道接收信號的合成；此外，為確保組件的射頻性能及工程可實(shí)現(xiàn)性，對整個(gè)組件的通道隔離度、散熱性進(jìn)行了仿真計(jì)算；最后研制出小型化、高集成度的2×4通道Ku頻段R組件，其體積為13 mm×12.5 mm×2.5 mm，重量小于4 g。組件電性能測試結(jié)果與仿真設(shè)計(jì)結(jié)果吻合良好，測試結(jié)果表明，該組件在10~12.8 GHz頻段內(nèi)合成增益大于23 dB，輸入P-1dB不小于-5 dBm。

發(fā)表于：9/4/2024

一種高效的神經(jīng)肌肉電刺激系統(tǒng)設(shè)計(jì)[模擬設(shè)計(jì)][醫(yī)療電子]

設(shè)計(jì)了一種高效的神經(jīng)肌肉電刺激（Neuromuscular Electrical Stimulation，NMES）系統(tǒng)。NMES的工作原理是利用神經(jīng)細(xì)胞的電興奮性，通過脈沖電流刺激支配肌肉的神經(jīng)，從而使肌肉收縮。系統(tǒng)由干電池供電，降壓和升壓電路采用高效的方案從而來降低功耗，以STM32F4單片機(jī)為主控芯片，產(chǎn)生用于控制刺激強(qiáng)度的DAC信號，以及復(fù)用開關(guān)的控制信號，經(jīng)過由復(fù)用開關(guān)、恒流源、H橋組成的復(fù)用恒流源電路，產(chǎn)生分時(shí)的電流刺激，從而有效降低系統(tǒng)功耗和設(shè)備體積。

發(fā)表于：9/4/2024

基于動態(tài)補(bǔ)償下垂法的并聯(lián)逆變器控制研究[模擬設(shè)計(jì)][汽車電子]

提出了一種基于動態(tài)補(bǔ)償下垂法的新型逆變器并聯(lián)策略，解決了傳統(tǒng)并聯(lián)逆變器下垂控制策略中頻率跌落，無功功率不均分，有功、無功計(jì)算結(jié)果不準(zhǔn)確等問題。該策略包括在功率環(huán)中采用CSOGI-QSG模塊濾除直流干擾；在傳統(tǒng)有功控制環(huán)中引入自適應(yīng)頻率反饋策略補(bǔ)償頻率跌落；在無功控制環(huán)中引入虛擬電感改善無功功率的分配，并采用自適應(yīng)電壓補(bǔ)償策略改善母線電壓跌落。通過搭建MATLAB仿真和實(shí)驗(yàn)平臺驗(yàn)證，證明了該控制策略可以顯著改善并聯(lián)逆變器中的功率均分效果。

發(fā)表于：9/4/2024

加載SIW腔的毫米波高相位一致性天線陣研究[微波|射頻][通信網(wǎng)絡(luò)]

波達(dá)方向估計(jì)中，其測向精度依賴于陣列中陣元間的相位一致性，因此設(shè)計(jì)了一款高相位一致性的毫米波四元直線陣。天線印刷在單層介質(zhì)板上，采用同軸探針對頂層貼片進(jìn)行差分饋電。首先采用耦合饋電方式，減小同軸饋電端口之間的耦合，從而減小每個(gè)陣元在遠(yuǎn)場的相位波動；其次，利用基片集成波導(dǎo)技術(shù)減小陣元間的相互影響，以提高陣列的相位一致性。仿真結(jié)果顯示，陣列的 |Sdd11|<-10 dB 帶寬為 22.9~25.1 GHz，每個(gè)陣元在工作頻帶內(nèi)的最大增益與隔離度分別大于 6.5 dBi和 16.2 dB，陣列在23 GHz、24 GHz處的 E 面、H 面和 ±45° 面上的相位一致性均保持在 ±10° 內(nèi)。對天線進(jìn)行了加工和測試，實(shí)驗(yàn)與仿真結(jié)果較為吻合。

發(fā)表于：9/4/2024

一種V頻段毫米波射頻收發(fā)前端設(shè)計(jì)與實(shí)現(xiàn)[微波|射頻][通信網(wǎng)絡(luò)]

針對毫米波射頻收發(fā)前端工作頻率越來越高的應(yīng)用需求，設(shè)計(jì)了一種工作在V頻段的毫米波射頻收發(fā)前端，用于V頻段射頻信號的接收及發(fā)射功能。該射頻收發(fā)前端電路復(fù)雜，內(nèi)部包含接收電路、發(fā)射電路、頻率源電路、電源處理電路及控制電路，具有多功能、高鏡像抑制度、低噪聲系數(shù)、高發(fā)射功率的優(yōu)點(diǎn)。為了實(shí)現(xiàn)良好的電性能，該收發(fā)前端設(shè)計(jì)并使用了V頻段微帶濾波器、V頻段微帶功分器，V頻段四分之一波長短路線等微帶電路。收發(fā)前端采用了V頻段MMIC混合多功能集成技術(shù)，可應(yīng)用于導(dǎo)引頭雷達(dá)及通信場景，具有廣闊的應(yīng)用前景。

發(fā)表于：9/4/2024

基于一種集控站監(jiān)控信息預(yù)測和優(yōu)化模型研究與分析[模擬設(shè)計(jì)][智能電網(wǎng)]

集控站作為電網(wǎng)運(yùn)行的重要部分，連接著調(diào)度系統(tǒng)和變電站，其監(jiān)控信息準(zhǔn)確性和效能性的發(fā)揮尤為關(guān)鍵。為了更進(jìn)一步提升集控站監(jiān)控信息的審核效率，采用“專家?guī)?改進(jìn)蟻群算法”的方式，實(shí)現(xiàn)集控站監(jiān)控信息表內(nèi)容的預(yù)測和優(yōu)化。通過構(gòu)建集控站監(jiān)控信息預(yù)測和優(yōu)化模型，一方面面向信息行業(yè)屬性，采用MapReduce分析機(jī)制，構(gòu)建專家?guī)?，?shí)現(xiàn)監(jiān)控信息預(yù)測功能；另一方面依托蟻群算法建模，構(gòu)建改進(jìn)型信息全局優(yōu)化模型。通過實(shí)驗(yàn)分析，該模型不僅提升了冗繁的監(jiān)控信息分析預(yù)測能力，而且增強(qiáng)了電網(wǎng)集控場景下的監(jiān)控信息優(yōu)化效能。

發(fā)表于：9/4/2024

指控中心任務(wù)軟件集中管控系統(tǒng)研究與關(guān)鍵技術(shù)[模擬設(shè)計(jì)][航空航天]

隨著武器航天試驗(yàn)任務(wù)的增多，指控中心對任務(wù)軟件快速部署、多任務(wù)并行的需求愈發(fā)迫切。設(shè)計(jì)了基于B/S架構(gòu)的指控中心任務(wù)軟件集中管控系統(tǒng)，實(shí)現(xiàn)了任務(wù)軟件配置與監(jiān)控的一體化管理；通過基于DBus與Kafka結(jié)合的數(shù)據(jù)傳輸機(jī)制，打通了任務(wù)軟件與系統(tǒng)前后端數(shù)據(jù)高效交互鏈路；最后，重點(diǎn)分析了任務(wù)軟件自動化部署技術(shù)、多任務(wù)并行技術(shù)、高速數(shù)據(jù)分級處理技術(shù)以及任務(wù)數(shù)據(jù)高效存儲技術(shù)。

發(fā)表于：9/4/2024

信能同傳網(wǎng)絡(luò)中基于能量的中繼選擇方法研究[微波|射頻][通信網(wǎng)絡(luò)]

針對中繼節(jié)點(diǎn)能量受限的無線信能同傳中繼網(wǎng)絡(luò)，中繼節(jié)點(diǎn)可以從源節(jié)點(diǎn)的射頻信號補(bǔ)充能量，并采用中繼選擇的方法，來延長中繼網(wǎng)絡(luò)的生命時(shí)間。首先，構(gòu)建了中繼網(wǎng)絡(luò)性能約束條件下的能量受限中繼節(jié)點(diǎn)處最小額外能量的優(yōu)化目標(biāo)，并將優(yōu)化目標(biāo)分為三個(gè)子問題進(jìn)行求解，提出了通過動態(tài)調(diào)整功率分離因子來最優(yōu)化中繼節(jié)點(diǎn)處所需最小額外能量的方法；其次，通過仿真驗(yàn)證了所求出最優(yōu)功率分離因子的有效性；然后，基于中繼節(jié)點(diǎn)需要消耗的電池能量以及電池剩余能量，提出了兩種能量意識的中繼選擇方法，分別是最小損失能量策略和最小損失能量比率策略；最后，通過仿真表明，最小損失能量比率策略優(yōu)于最小損失能量策略，延長了網(wǎng)絡(luò)生存周期，并提升了系統(tǒng)性能。

發(fā)表于：9/4/2024

一種數(shù)字集群系統(tǒng)中GMSK信號的相偏跟蹤算法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對國內(nèi)某集群系統(tǒng)采用準(zhǔn)相干解調(diào)時(shí)遇到的頻率同步問題，進(jìn)行研究討論并提出解決方案。由于準(zhǔn)相干解調(diào)對系統(tǒng)收發(fā)的頻率同步精度要求非常高，采用常規(guī)的頻偏估計(jì)補(bǔ)償思路難以滿足要求，從而使得準(zhǔn)相干解調(diào)的性能優(yōu)勢無法體現(xiàn)。針對此問題，提出了一種分段相位跟蹤算法：通過對頻偏補(bǔ)償后殘留頻偏引起的大相位誤差進(jìn)行分段相位跟蹤并補(bǔ)償?shù)姆绞?，來降低殘留頻偏對系統(tǒng)解調(diào)性能的影響，所得解調(diào)性能與理想頻率同步下的性能基本一致。所提算法尤其適用于頻偏估計(jì)誤差較大的系統(tǒng)。

發(fā)表于：9/4/2024

無線供電MEC中基于S-PSO的任務(wù)卸載策略研究[通信與網(wǎng)絡(luò)][物聯(lián)網(wǎng)]

隨著5G技術(shù)和物聯(lián)網(wǎng)的快速發(fā)展，大量的物聯(lián)網(wǎng)設(shè)備接入到無線通信網(wǎng)絡(luò)中，由于物聯(lián)網(wǎng)設(shè)備計(jì)算和能量資源有限，將移動邊緣計(jì)算（MEC）和無線供電技術(shù)（WPT）集成，可以給移動設(shè)備（MD）提供能量和計(jì)算任務(wù)處理服務(wù)。首先構(gòu)建了多用戶設(shè)備多服務(wù)器的任務(wù)卸載模型，然后在粒子群優(yōu)化算法的基礎(chǔ)上，加入Levy飛行策略和改進(jìn)的權(quán)重更新方法，提出了S-PSO算法來優(yōu)化系統(tǒng)的時(shí)延與能耗，最后仿真結(jié)果表明，S-PSO算法與其他基準(zhǔn)方案相比較，有效降低了系統(tǒng)的時(shí)延與能耗，提高了計(jì)算網(wǎng)絡(luò)的性能。

發(fā)表于：9/4/2024

面向臺區(qū)智能終端的高強(qiáng)度商用密碼安全管理方法研究[測試測量][智能電網(wǎng)]

低壓配電臺區(qū)智能融合終端安全業(yè)務(wù)的處理集中在安全芯片中，包括密鑰的存儲與使用、與云側(cè)端側(cè)的身份認(rèn)證、數(shù)據(jù)的加解密等。針對智能融合終端安全業(yè)務(wù)集中轉(zhuǎn)發(fā)方案硬件成本過高、密鑰管理復(fù)雜的問題，通過協(xié)議結(jié)構(gòu)化設(shè)計(jì)和狀態(tài)機(jī)輪詢，提出了數(shù)據(jù)中斷方式緩存與業(yè)務(wù)排隊(duì)分發(fā)處理的方法，實(shí)現(xiàn)在一顆安全模塊上多種安全業(yè)務(wù)的融合，融合方案充分利用了安全模塊的空閑時(shí)間片，統(tǒng)一了不同業(yè)務(wù)的密鑰管理，并通過功能和壓力測試驗(yàn)證該方法的可行性和可靠性。達(dá)到了降本增效的目的，證明了配電臺區(qū)智能融合終端安全業(yè)務(wù)融合技術(shù)上可行，經(jīng)濟(jì)上節(jié)約，業(yè)務(wù)上必要。

發(fā)表于：9/4/2024

雙模態(tài)穩(wěn)態(tài)誘發(fā)腦電刺激系統(tǒng)設(shè)計(jì)[測試測量][醫(yī)療電子]

穩(wěn)態(tài)誘發(fā)腦電具有頻率標(biāo)簽特性，在大腦的感知和認(rèn)知研究中具有廣泛應(yīng)用。利用雙模態(tài)刺激可以探索兩類感知功能之間的相互影響。為此，設(shè)計(jì)一個(gè)集成視覺和聽覺模態(tài)的周期性感覺刺激系統(tǒng)。系統(tǒng)以STM32F103RC為核心，控制AD9959輸出兩路正弦信號，輸出信號經(jīng)過七階低通濾波電路和十倍放大電路處理，再控制LED燈和蜂鳴器產(chǎn)生視覺和聽覺刺激。系統(tǒng)輸出的正弦信號參數(shù)的平均誤差分別為0.03%（頻率）、1.10%（幅度）、0%（相位）。進(jìn)一步，開展腦電采集實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明系統(tǒng)輸出的視覺和聽覺刺激能產(chǎn)生穩(wěn)態(tài)誘發(fā)腦電。該系統(tǒng)在視聽感知功能研究方面具有應(yīng)用價(jià)值。

發(fā)表于：9/4/2024

Optimality在多個(gè)場景的時(shí)域仿真中高效性的深度研究[模擬設(shè)計(jì)][工業(yè)自動化]

隨著產(chǎn)品的速率及復(fù)雜性越來越高，針對仿真而言，除了要求仿真本身具有非常高的精度外，還對仿真的效率提出了很高的要求。具體到不同的信號模塊，如DDR系統(tǒng)或者高速串行信號上，基于速率越來越高，越來越希望仿真給能出“最優(yōu)解”的配置，例如DDR5顆粒的ODT的最優(yōu)配置，高速信號芯片的加重均衡的最優(yōu)配置等參數(shù)。那么如何在成百上千種組合的參數(shù)中選擇相對最優(yōu)的參數(shù)呢？傳統(tǒng)的軟件只能通過大量的掃描來進(jìn)行篩選，在仿真時(shí)間和工程師的精力兩方面都有比較大的耗費(fèi)。使用Optimality軟件，通過分享一些具體的仿真案例，展現(xiàn)軟件的智能性，幫助使用者更快速挑選出最優(yōu)的參數(shù)，使DDR及高速串行的仿真工作變得更加輕松，充分體現(xiàn)出Optimality軟件的高效性。

發(fā)表于：9/4/2024

基于AI加速的可復(fù)用FPV平臺庫[人工智能][汽車電子]

形式驗(yàn)證FPV可將DUT抽象為狀態(tài)空間進(jìn)行遍歷，針對動態(tài)仿真難以隨機(jī)到的邊界場景、異常場景和復(fù)雜組合場景可提高收斂速度，增強(qiáng)驗(yàn)證質(zhì)量。但高質(zhì)量Property開發(fā)對驗(yàn)證人員能力有較高的要求。面對該挑戰(zhàn)，基于Cadence公司Jaspergold ABVIP提出了一種可復(fù)用FPV平臺庫解決方案，可在不同模塊之間重用，降低FPV驗(yàn)證平臺搭建時(shí)間，提升Property質(zhì)量，同時(shí)借助其AI工具Proof Master生成加速Proven效率的database。FPV平臺庫+AI Database已在中興微電子某車規(guī)項(xiàng)目落地并復(fù)用，發(fā)現(xiàn)動態(tài)仿真遺漏的4個(gè)故障。Proof Master可應(yīng)用于項(xiàng)目全周期內(nèi)，回歸效率平均提升80.17%，F(xiàn)PV平臺庫+AI database可提升FPV 初次Proven效率44.96%。與此同時(shí)對生成式大模型提升Property編寫效率做了一定探討。

發(fā)表于：9/4/2024

使用Cadence AI技術(shù)加速驗(yàn)證效率提升[EDA與制造][消費(fèi)電子]

隨著硬件設(shè)計(jì)規(guī)模和復(fù)雜程度的不斷增加，驗(yàn)證收斂的挑戰(zhàn)難度不斷增大，單純依靠增加 CPU 核數(shù)量并行測試的方法治標(biāo)不治本。如何在投片前做到驗(yàn)證關(guān)鍵指標(biāo)收斂，是驗(yàn)證工程師面對的難題。為解決這一難題，提出了采用人工智能驅(qū)動的驗(yàn)證EDA工具和生成式大模型兩種提效方案，其中EDA工具有Cadence利用人工智能驅(qū)動的Verisium apps和采用機(jī)器學(xué)習(xí)技術(shù)Xcelium ML，前者用來提升驗(yàn)證故障定位效率，包括Verisium AutoTriage、Verisium SemanticDiff、Verisium WaveMiner等，后者可用來提升驗(yàn)證覆蓋率收斂效率。生成式大模型可輔助智能debug和自動生成驗(yàn)證用例，主要介紹各實(shí)現(xiàn)方案，并給出了項(xiàng)目實(shí)驗(yàn)提升結(jié)果。

發(fā)表于：9/4/2024