91香蕉直播APP,免费人成精品无码精品 ,国产精品永久免费

改進LCR儀表測量穩(wěn)定性的相位裕度優(yōu)化方法及硬件實現(xiàn)[測試測量][工業(yè)自動化]

為解決LCR表在測量容性阻抗時的自激問題，設計了一種增強測量穩(wěn)定性的LCR儀表。通過分析測量前端自平衡電橋電路的相位裕度，采用相位補償電路解決因相位滯后造成的自激問題。應用直接數(shù)字頻率合成技術結合相位校準電路設計，產生相位準確的正交測量信號。使用開關鑒相式鎖相放大器處理微弱信號，經16位模數(shù)轉換器采集后輸入到微處理器進行矢量信號合成與輸出顯示。相比專業(yè)儀器，所設計樣機對電阻測量相對誤差可達0.5%，對大電容測量相對誤差可達1%。

發(fā)表于：12/16/2024

速度型水聲傳感器的頻率響應特性[MEMS|傳感技術][通信網絡]

聲納技術是人類探索海洋的主要手段，而水聲傳感器是聲納裝置的重要組成部分。水聲傳感器分為標量和矢量水聲傳感器。矢量傳感器可以彌補標量傳感器獲取聲場信息不完整的不足，可以實現(xiàn)對水中聲壓和介質振速的精確測量從而確定目標方位等。主要對速度型矢量水聲傳感器的頻率響應特性進行了研究，討論高保真和高增益下速度型水聲振幅模型、響應比及頻率響應特性，提出頻響設計原則，最后概括速度型水聲傳感器的應用。水聲傳感器是水下探測、定位和通信的重要手段。研究有助于開發(fā)高靈敏度和更好低頻特性的速度型水聲傳感器，從而極大提升傳統(tǒng)水聲傳感器的作用距離。遠聲場傳感器的研制，提升諸如潛艇、UUV等水下目標的探測距離，將有利于從根本改變目前我國水聲探測網絡的格局，具有重要軍事意義。

發(fā)表于：12/16/2024

基于多頭注意力的社交網絡用戶身份鏈接方法[人工智能][消費電子]

隨著社交網絡的快速發(fā)展，人們在社交網絡中擁有越來越多的虛擬身份，識別同一自然人不同網絡虛擬身份的網絡用戶身份鏈接問題變得越來越重要。用戶身份鏈接有助于挖掘網絡用戶的隱信息，構建全面的網絡用戶畫像，進而促進跨網絡的推薦、鏈接預測、信息傳播等多個研究領域發(fā)展?，F(xiàn)有的基于用戶屬性和基于網絡結構的用戶身份鏈接方法，沒有考慮不同用戶之間影響力差異因素，收斂速度較慢。基于深度游走的用戶身份鏈接方法，融入多頭注意力機制，對用戶間影響力進行建模，實驗結果表明，該方法可以很好地改進算法有效性，提高訓練效率。

發(fā)表于：12/16/2024

基于改進YOLOv5n的腐敗水果檢測模型[人工智能][消費電子]

為了實現(xiàn)多種水果在采摘后自動化篩選和分揀中腐敗水果識別的問題，提出了改進的YOLOv5n模型，命名為mobile-YOLO。首先將YOLOv5n的主干網絡替換為MobileNetV3并引入深度可分離卷積，相較于原模型，這種改進在計算效率和速度上都有所提升，并且準確率也得到了提高。為了進一步提升速度，將C3模塊替換為C2f模塊，實現(xiàn)輕量化的同時獲得了更豐富的梯度流信息。最后將原有的CIoU替換為α-CIoU，以加快收斂速度并保證圖像框位置的準確性。mobile-YOLO相較于原始的YOLOv5n，mAP@.5（mean Average Precision）達到了98.1%，mAP@.5：.95達到了94.2%，同時在P（Precision）值為97.1%和R（Recall）值為96.8%的情況下，參數(shù)量幾乎與YOLOv5n保持一致。

發(fā)表于：12/16/2024

一種基于狀態(tài)預測的多線程數(shù)據過濾算法[人工智能][其他]

數(shù)據過濾算法在大數(shù)據處理領域有著重要的作用?；谡齽t表達式匹配技術的數(shù)據過濾算法憑借強大的特征表達能力適合于處理大規(guī)模復雜數(shù)據。然而，傳統(tǒng)的正則表達式匹配過程為串行匹配，造成性能低，無法滿足現(xiàn)代數(shù)據處理的需求。針對傳統(tǒng)正則表達式匹配性能低的問題，提出一種基于多線程和狀態(tài)預測的正則表達式加速匹配算法，稱之為μFA：基于向量指令執(zhí)行字符值比較，獲取可直接跳過的信任字符數(shù)。同時，基于多線程加速和狀態(tài)猜測技術，實現(xiàn)字符串的分段匹配處理，通過圈定字符危險區(qū)域，研判各分段最終匹配結果的正確性。實驗結果表明，μFA算法的吞吐率是原始DFA算法的10.12~91.36倍、ßFA算法的1.08~2.97倍。

發(fā)表于：12/16/2024

融合圖文預訓練的漢越多模態(tài)神經機器翻譯[人工智能][消費電子]

由于漢語和越南語之間存在顯著的語法差異及語料稀缺，漢越神經機器翻譯任務面臨名詞翻譯不準確的挑戰(zhàn)。提出了一種新穎的多模態(tài)神經機器翻譯方法，該方法融合了文本預訓練模型和視覺語言聯(lián)合預訓練模型。通過文本預訓練模型，能夠捕獲深層的語言結構和語義；而視覺語言聯(lián)合訓練模型則提供了與文本相關聯(lián)的視覺上下文，這有助于模型更準確地理解和翻譯名詞。兩種模型通過一個簡潔高效的映射網絡結合，并通過Gumbel門控模塊動態(tài)地整合多模態(tài)信息，以優(yōu)化翻譯輸出。在漢越及越漢翻譯任務中，該方法相比傳統(tǒng)Transformer模型分別提升了7.13和4.27的BLEU值。

發(fā)表于：12/16/2024

高速以太網均衡技術的綜述與思考[通信與網絡][通信網絡]

由于云計算、以太網、物聯(lián)網的廣泛運用產生的數(shù)據爆炸式增長，大型數(shù)據中心網絡的有線輸入輸出（I/O）帶寬需求迅速增長，高速以太網的發(fā)展順應了網絡流量的快速增長趨勢。而隨著以太網數(shù)據傳輸速率的提升，對串行鏈路的信號完整性挑戰(zhàn)性進一步增大。針對高速傳輸下以太網均衡技術面臨的挑戰(zhàn)，聚焦于各類均衡技術，對各類均衡技術進行深入分析，探討各類均衡器的工作原理和特性以及闡述了這些均衡器在高速傳輸環(huán)境中的適用場景，為未來高速以太網均衡器的發(fā)展和優(yōu)化提供了參考，以更好地滿足通信中不斷增長的對更高的傳輸效率和更低的誤碼率的需求。

發(fā)表于：12/16/2024

基于UVM的時間敏感網絡交換芯片的驗證架構設計[模擬設計][通信網絡]

基于UVM驗證方法學、自動化比對和覆蓋率驅動的驗證思想，構建了一個用于時間敏感網絡（TSN）交換芯片的系統(tǒng)驗證架構。該架構采用分類和流水處理數(shù)據報文方法，結合流量檢測、時間槽檢測和數(shù)據報文自動化比對方案，成功支撐TSN業(yè)務系統(tǒng)驗證方法落地，保證了系統(tǒng)驗證完備性。芯片回片經測試滿足商用需求，再次論證了驗證架構的完備性。

發(fā)表于：12/16/2024

基于自適應優(yōu)化的高速交叉矩陣設計[通信與網絡][通信網絡]

提出了一種基于自適應優(yōu)化的交叉矩陣傳輸設計，采用AHB協(xié)議并引入自適應突發(fā)傳輸調整和自適應優(yōu)先級調整的創(chuàng)新機制。通過動態(tài)調整突發(fā)傳輸?shù)拈L度和優(yōu)先級分配，實現(xiàn)了對數(shù)據流的有效管理，提升了系統(tǒng)的帶寬利用率和傳輸效率。對該設計進行前端仿真和后端布局布線，仿真驗證了該方法在不同負載環(huán)境下的優(yōu)越性，能夠優(yōu)化總線資源分配，提升傳輸速度，降低總體功耗。

發(fā)表于：12/16/2024

DRAM研究現(xiàn)狀與發(fā)展方向[模擬設計][通信網絡]

動態(tài)隨機存取存儲器（DRAM）因其高存儲密度和成本效益，在現(xiàn)代大規(guī)模計算機和超高速通信系統(tǒng)中得到廣泛應用。主要介紹動態(tài)DRAM的發(fā)展歷程、關鍵技術、國內外研究進展以及未來發(fā)展方向。首先，介紹了DRAM的分類、基本單元結構、工作原理。其次，詳細介紹了DDR SDRAM的關鍵性能指標以及專用DRAM的發(fā)展。然后，介紹了提高DRAM訪問速度、容量與密度的創(chuàng)新DRAM架構和技術，以及無電容存儲單元結構、3D堆疊DRAM技術以及Rowhammer安全問題及其防御機制。最后，展望了DRAM技術的未來發(fā)展方向，闡述了為了應對日益增長的高速、低功耗和高可靠性的存儲需求，對現(xiàn)有DRAM技術的進行深入研究和創(chuàng)新的重要性。

發(fā)表于：12/16/2024

高速車載數(shù)據傳輸物理層接口芯片標準綜述[通信與網絡][通信網絡]

作為實現(xiàn)汽車智能化的關鍵技術之一，高速、高可靠性、低時延的車載數(shù)據傳輸技術正獲得越來越多的關注；同時，對于打破私有協(xié)議壟斷、增強設備間互聯(lián)互通的需求日益增長，推動著車載數(shù)據傳輸公有標準的制定成為了國內外標準組織的研究熱點。首先介紹了車載數(shù)據傳輸鏈路的特點，接著聚焦于高速車載數(shù)據傳輸物理層接口芯片標準，對主要標準組織及其標準的制定情況進行了綜述，并對各標準的主要性能指標與物理層技術進行了分析與對比。

發(fā)表于：12/16/2024

基于深度學習的神經歸一化最小和LDPC長碼譯碼[通信與網絡][通信網絡]

LDPC碼是一種應用廣泛的高性能糾錯碼，近年來基于深度學習和神經網絡的LDPC譯碼成為研究熱點?；贑CSDS標準的（512，256）LDPC碼，首先研究了傳統(tǒng)的SP、MS、NMS、OMS的譯碼算法，為神經網絡的構建奠定基礎。然后研究基于數(shù)據驅動（DD）的譯碼方法，即采用大量信息及其經編碼、調制、加噪的LDPC碼作為訓練數(shù)據在多層感知層（MLP）神經網絡中進行訓練。為解決數(shù)據驅動方法誤碼率高的問題，又提出了將NMS算法映射到神經網絡結構的神經歸一化最小和（NNMS）譯碼，取得了比NMS更優(yōu)秀的誤碼性能，信道信噪比為3.5 dB時誤碼率下降85.19%。最后研究了提升NNMS網絡的SNR泛化能力的改進訓練方法。

發(fā)表于：12/16/2024

10G以太網的信號處理關鍵技術[通信與網絡][通信網絡]

隨著AI PC、Wi-Fi路由器、GPON等產品的快速升級，高速有線網絡作為網絡基礎設施的重要組成部分，以太網物理層芯片需要提供更高的傳輸速率，更好地滿足大數(shù)據時代下日益增長的帶寬需求。10G以太網技術將成為下一代以太網技術的重點發(fā)展方向。10G以太網芯片的研發(fā)需要攻克高速信號完整性、低功耗設計等一系列技術難題。圍繞10G以太網PHY芯片的信號處理關鍵問題，首先介紹10G以太網的相關國際標準背景，然后討論10G以太網的網絡需求，接著重點闡述10G以太網物理層信號處理的關鍵技術。最后對全文進行總結并探討未來高速以太網的進一步發(fā)展。

發(fā)表于：12/16/2024

慶祝顯示技術30年創(chuàng)新歷程[顯示光電][工業(yè)自動化]

2024年10月，應用材料公司慶祝顯示器制造設備創(chuàng)新30周年！我們在推動關鍵顯示技術變革方面有悠久的傳統(tǒng)，并且有能力在下一次重大技術變革中也處于領先地位——即將高端智能手機中先進的OLED顯示技術應用于成千上百萬的設備，從AR/VR頭顯到平板電腦、個人電腦和電視。

發(fā)表于：12/16/2024

RCL完整測試所需儀器介紹[電子元件][工業(yè)自動化]

RCL完整測試所需儀器

發(fā)表于：12/13/2024