av王无码中文字幕,公车上猛烈的进入的a片视频

面向車聯(lián)網(wǎng)多播業(yè)務(wù)中斷概率約束的資源優(yōu)化研究[通信與網(wǎng)絡(luò)][汽車電子]

隨著汽車工業(yè)和通信技術(shù)的迅速發(fā)展，獲取高質(zhì)量的交通信息在車輛緊急情況中至關(guān)重要。在車聯(lián)網(wǎng)中車輛的高速移動性會導(dǎo)致信息傳輸面臨中斷的風(fēng)險，同時隨著車輛數(shù)目的增加，有限的頻譜資源為車聯(lián)網(wǎng)的功率分配帶來了挑戰(zhàn)。為了解決這一難題，采用單頻網(wǎng)絡(luò)技術(shù)，通過資源分配策略來降低信干噪比的中斷概率，最小化單頻網(wǎng)絡(luò)中每個路邊單元的傳輸功率。該優(yōu)化問題被建模為馬爾可夫決策過程，并采用基于好奇心驅(qū)動的DQN（C-DQN）資源優(yōu)化算法來求解。大量仿真結(jié)果表明，該方案在滿足較低中斷概率的前提下最小化傳輸功率，所采用的算法與基準(zhǔn)算法相比，在學(xué)習(xí)速度和穩(wěn)定性方面具有良好的性能。

發(fā)表于：10/23/2023

一種高效的衛(wèi)星通信多模式身份認(rèn)證協(xié)議方案的設(shè)計方法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對現(xiàn)有星地協(xié)同認(rèn)證模式認(rèn)證時延高、地面認(rèn)證服務(wù)器受到攻擊易導(dǎo)致故障等問題，創(chuàng)新性地提出一種可切換的高效多模式身份認(rèn)證方案。該方案采用星上主用、地面?zhèn)溆玫恼J(rèn)證模式，星上認(rèn)證模式下，可有效降低傳統(tǒng)星地認(rèn)證傳輸過程帶來的通信高時延，實現(xiàn)在不依賴地面歸屬網(wǎng)絡(luò)的情況下快速認(rèn)證；當(dāng)星上認(rèn)證模式不可使用時，可迅速切換地面認(rèn)證模式，保證認(rèn)證過程穩(wěn)定可靠，提高系統(tǒng)穩(wěn)定性和抗毀壞性。同時，該方案采用哈希算法和對稱加密算法完成認(rèn)證核心運算，有效減少認(rèn)證過程計算開銷，在提高衛(wèi)星通信設(shè)備接入效率和安全性方面具有較高的應(yīng)用價值。

發(fā)表于：10/23/2023

基于改進(jìn)OS-ELM的電子鼻在線氣體濃度檢測*[測試測量][消費電子]

電子鼻是一種仿生傳感系統(tǒng)，該設(shè)備能夠同時對多種氣體進(jìn)行識別，因此應(yīng)用在許多領(lǐng)域當(dāng)中。氣體濃度算法是電子鼻對氣體定量分析時的核心部分，為了提高電子鼻濃度檢測算法精度，提出一種基于在線序列極限學(xué)習(xí)機(jī)（Online Sequential-Extreme Learning Machine， OS-ELM）的預(yù)測模型。該模型通過一維卷積神經(jīng)網(wǎng)絡(luò)（One Dimensional Convolutional Neural Network， 1DCNN）提取特征，使用OS-ELM對氣體濃度進(jìn)行預(yù)測，并提出了一種改進(jìn)的粒子群（Particle Swarm Optimization， PSO）算法以克服OS-ELM需人工調(diào)整模型參數(shù)的問題。由理論分析，改進(jìn)的算法比傳統(tǒng)PSO算法有更強(qiáng)的搜索能力。實驗結(jié)果表明，所提模型對氣體的預(yù)測精度上較傳統(tǒng)的預(yù)測模型具有更高的預(yù)測精度和泛化能力。

發(fā)表于：10/23/2023

基于國產(chǎn)化云平臺的航天數(shù)據(jù)混合組播應(yīng)用技術(shù)[測試測量][航空航天]

構(gòu)建了一種基于云架構(gòu)的一體化計算機(jī)系統(tǒng)，系統(tǒng)國產(chǎn)化率100%。提出了基于國產(chǎn)化云平臺航天數(shù)據(jù)混合組播應(yīng)用技術(shù)，實現(xiàn)了操作系統(tǒng)、云平臺、虛擬機(jī)CPU資源三個層面技術(shù)優(yōu)化，解決了國產(chǎn)操作系統(tǒng)及云平臺網(wǎng)絡(luò)資源虛擬化對數(shù)據(jù)組播的性能瓶頸問題，提升了云平臺數(shù)據(jù)組播的性能。經(jīng)過實際測試，提升后性能可滿足了航天任務(wù)中心業(yè)務(wù)使用需求。

發(fā)表于：10/23/2023

H.265/HEVC熵解碼的分組并行流水線實現(xiàn)[模擬設(shè)計][工業(yè)自動化]

針對高效視頻編碼（H.265/HEVC）中CABAC熵解碼模塊的高資源消耗和數(shù)據(jù)依賴性，設(shè)計了一種多路并行的高效FPGA實現(xiàn)結(jié)構(gòu)。根據(jù)不同類型語法元素特性，采用分組并行數(shù)據(jù)調(diào)度方法，減少數(shù)據(jù)處理等待時間和內(nèi)部存儲器訪問次數(shù)，同時利用流水線技術(shù)實現(xiàn)運算加速。評估驗證結(jié)果表明，熵解碼模塊吞吐量可以達(dá)到1.64位元/時鐘周期，滿足當(dāng)下超高清視頻實時解碼的要求。

發(fā)表于：10/23/2023

一種應(yīng)用分段式電容陣列的20 MS/s 10-bit SAR ADC*[電子元件][工業(yè)自動化]

設(shè)計了一個10位分辨率，20 MS/s采樣率的逐次逼近型模擬數(shù)字轉(zhuǎn)換器（SAR ADC）。該電路通過采用分段式電容陣列設(shè)計，縮短了量化過程中高位電容翻轉(zhuǎn)后所需要的穩(wěn)定時間，從而提高了量化速度。此外，還提出了一種新穎、高效的比較器校準(zhǔn)方法，以較低的成本實現(xiàn)了比較器失調(diào)電壓的抑制。該ADC芯片基于180 nm CMOS工藝設(shè)計制造，核心面積為0.213 5 mm2。實際測試結(jié)果表明，在1.8 V電源電壓、20 MS/s采樣頻率下，該ADC的信號噪聲失真比（SNDR）達(dá)到了58.24 dB。

發(fā)表于：10/23/2023

一種基于深度學(xué)習(xí)模型的無人機(jī)巡檢輸電線路山火檢測方法[人工智能][智能電網(wǎng)]

輸電巡檢圖像的背景復(fù)雜，目標(biāo)檢測易受干擾，基于YOLOX神經(jīng)網(wǎng)絡(luò)模型，提出一種輸電線路山火檢測方法。首先采用YOLOX的主干特征提取網(wǎng)絡(luò)框架，并將其中多尺度特征提取模塊的常規(guī)卷積替換為可變形卷積；其次在加強(qiáng)特征提取階段增加了通道注意力和空間注意力模塊的融合，能夠自適應(yīng)火焰的外形多變特點，更加有效地提取到山火特征，從而提高目標(biāo)檢測的準(zhǔn)確率。經(jīng)實驗驗證，所提方法能夠較為準(zhǔn)確地檢測到山火，滿足日常巡檢的需求。

發(fā)表于：10/23/2023

結(jié)合不確定性估計的輕量級人體關(guān)鍵點檢測算法[人工智能][醫(yī)療電子]

人體關(guān)鍵點檢測在智能視頻監(jiān)控、人機(jī)交互等領(lǐng)域有重要應(yīng)用。針對基于熱圖的人體關(guān)鍵點檢測算法依賴高分辨率熱圖、計算資源消耗大的問題，提出一種結(jié)合不確定性估計的輕量級算法。使用低分辨率熱圖，結(jié)合不確定性估計預(yù)測誤差分布的尺度參數(shù)，提高了預(yù)測結(jié)果的可信度；利用尺度參數(shù)監(jiān)督和約束熱圖，緩解梯度消失，增強(qiáng)了網(wǎng)絡(luò)的魯棒性。COCO數(shù)據(jù)集上實驗結(jié)果表明，與積分姿態(tài)回歸算法相比，改進(jìn)后算法的平均精度提高了3.3%，降低了資源占用。

發(fā)表于：10/23/2023

集成電路產(chǎn)業(yè)的多源數(shù)據(jù)融合前沿識別研究[電子元件][數(shù)據(jù)中心]

大數(shù)據(jù)時代，能夠精準(zhǔn)及時地識別研究前沿對于科技戰(zhàn)略的定位和科研方向的部署尤為重要，可提供更加全面的決策參考和依據(jù)。利用自開發(fā)的多源數(shù)據(jù)融合分析方法，從全球期刊論文、會議論文、專利文獻(xiàn)、科技新聞、研究報告、科技政策、標(biāo)準(zhǔn)等數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘和去噪，有效識別出集成電路領(lǐng)域當(dāng)前的研究前沿和技術(shù)清單。當(dāng)前全球集成電路領(lǐng)域的研究熱點和重點發(fā)展方向集中在半導(dǎo)體制造設(shè)備、高制程制造技術(shù)上，重點產(chǎn)品集中在高端芯片、功率器件、傳感器、存儲器以及第三代半導(dǎo)體的相關(guān)產(chǎn)品上。中國半導(dǎo)體產(chǎn)業(yè)國產(chǎn)化迫在眉睫，前沿識別結(jié)果為政府與企業(yè)提供有價值的決策支持和參考。

發(fā)表于：10/23/2023

考慮多主體利益電力-交通耦合網(wǎng)絡(luò)定價策略*[電源技術(shù)][智能電網(wǎng)]

隨著電動汽車滲透率的增加，電力網(wǎng)絡(luò)和交通網(wǎng)絡(luò)在時空上的耦合更加密切。為降低電動汽車無序并入給電網(wǎng)安全穩(wěn)定運行帶來的挑戰(zhàn)，充分考慮電力負(fù)荷需求和交通路況不確定性的影響，建立電動汽車用戶-充電站聚合商-電網(wǎng)運營商多主體利益分層博弈模型，在滿足約束條件的前提下基于改進(jìn)型蝙蝠算法對多主體利益分層優(yōu)化問題進(jìn)行求解。由仿真算例可知，電網(wǎng)運營商針對不同電動汽車滲透率積極調(diào)整定價策略可以獲得更高的運行效益。所提方法能有效改善電網(wǎng)電壓質(zhì)量以確保系統(tǒng)安全穩(wěn)定運行，為完善電力產(chǎn)業(yè)價值鏈體系提供理論支撐。

發(fā)表于：10/23/2023

基于圖像識別的用電安全檢查子系統(tǒng)設(shè)計與實現(xiàn)*[電源技術(shù)][智能電網(wǎng)]

用電安全檢查是保障電網(wǎng)正常運行的重要途徑，傳統(tǒng)的用電安全檢查主要依賴人工的形式對存在安全隱患的場所、設(shè)備進(jìn)行逐一排查。隨著人工智能技術(shù)的發(fā)展，基于圖像數(shù)據(jù)的智能分析可協(xié)助及時排查相關(guān)安全隱患，也可減少對于檢查人員的經(jīng)驗要求，在提升效率的同時，保障安全檢查準(zhǔn)確性。為了更好地提升用電安全檢查的準(zhǔn)確性，提出了基于YOLO神經(jīng)網(wǎng)絡(luò)的用電隱患識別算法，該算法可對用電設(shè)備的指示燈進(jìn)行識別，并與正常狀態(tài)進(jìn)行比對，發(fā)現(xiàn)異常狀態(tài)及時發(fā)出告警信息。基于該算法，還設(shè)計并實現(xiàn)了基于圖像識別的用電安全檢查子系統(tǒng)。通過實際數(shù)據(jù)驗證，系統(tǒng)對設(shè)備指示燈狀態(tài)不一致性檢測等可達(dá)到較高水平，滿足對用電安全檢查的需求。

發(fā)表于：10/23/2023

計及MCMC方法的電網(wǎng)概率檢修計劃指標(biāo)優(yōu)化模型*[電源技術(shù)][智能電網(wǎng)]

電力檢修是保證電力系統(tǒng)正常運行的重要環(huán)節(jié)，有效的電力檢修計劃安排將大幅提升電網(wǎng)運行的可靠性。通過設(shè)備狀態(tài)分級、設(shè)備運行年限、設(shè)備運行成本等指標(biāo)構(gòu)建概率檢修模型，實現(xiàn)檢修計劃的優(yōu)化，采用概率檢修計劃優(yōu)化策略提高電網(wǎng)可靠性和經(jīng)濟(jì)性指標(biāo)，并在檢修模型采用馬爾可夫鏈-蒙特卡洛法用于提高模型準(zhǔn)確度。最后通過仿真對概率檢修模型與傳統(tǒng)檢修模型進(jìn)行分析比較，在確定最優(yōu)檢修概率的同時，突顯了概率檢修模型的優(yōu)越性，為電力產(chǎn)業(yè)價值鏈體系中電力檢修環(huán)節(jié)的完善提供理論基礎(chǔ)。

發(fā)表于：10/23/2023

基于狀態(tài)任務(wù)網(wǎng)絡(luò)的水泥生產(chǎn)流程分析*[通信與網(wǎng)絡(luò)][智能電網(wǎng)]

我國當(dāng)前工業(yè)用電價格在一天中存在波峰電價和波谷電價時段，而水泥生產(chǎn)具備耗電高的特點，對水泥生產(chǎn)安排進(jìn)行優(yōu)化，可以提升生產(chǎn)設(shè)備利用率，同時利用優(yōu)化結(jié)果對其生產(chǎn)可調(diào)節(jié)能力進(jìn)行研究，使得生產(chǎn)可以根據(jù)峰谷電價對可調(diào)節(jié)部分進(jìn)行調(diào)節(jié)，達(dá)到節(jié)約成本及降低電網(wǎng)負(fù)載的目的。該研究利用任務(wù)狀態(tài)網(wǎng)絡(luò)，在考慮用電安全約束條件的前提下對帶倉儲過程及不帶倉儲過程的水泥生產(chǎn)流程進(jìn)行建模，通過求解對應(yīng)混合整數(shù)線性規(guī)劃模型得到最優(yōu)化生產(chǎn)安排，從中得出帶倉儲過程的水泥生產(chǎn)流程可以提供更多的生產(chǎn)調(diào)節(jié)能力的結(jié)論。

發(fā)表于：10/23/2023

基于區(qū)塊鏈的價值鏈上下游用電安全協(xié)同系統(tǒng)*[電源技術(shù)][智能電網(wǎng)]

在集團(tuán)型制造企業(yè)價值鏈運行過程中，存在高峰期電力供應(yīng)不足，生產(chǎn)用電需求得不到有效保障的問題。集團(tuán)公司亟需綜合考慮生產(chǎn)基地生產(chǎn)需求和用電安全的協(xié)同關(guān)系，完成精細(xì)化的價值鏈上下游電力調(diào)配，保障價值鏈安全可靠運行。設(shè)計了基于區(qū)塊鏈的價值鏈上下游用電安全協(xié)同系統(tǒng)，采用基于智能合約的方法對價值鏈數(shù)據(jù)使用進(jìn)行合規(guī)性保障，有效解決了集團(tuán)型制造企業(yè)價值鏈數(shù)據(jù)共享風(fēng)險問題和各生產(chǎn)基地價值沖突問題。系統(tǒng)通過完整記錄生產(chǎn)基地的訂單協(xié)同數(shù)據(jù)和生產(chǎn)基地用電負(fù)荷數(shù)據(jù)，為價值鏈上下游用電安全保障提供良好的參考及決策依據(jù)，對維持公司安全穩(wěn)定運行、提升公司經(jīng)濟(jì)效益有著重要意義。

發(fā)表于：10/23/2023

DDR5 時代來臨，新挑戰(zhàn)不可忽視[人工智能][工業(yè)自動化]

DDR5 的新時代已經(jīng)來臨，然而，一些挑戰(zhàn)也阻礙了產(chǎn)業(yè)的進(jìn)一步發(fā)展

發(fā)表于：10/20/2023