123,123

LDO啟動浪涌的反饋網(wǎng)絡(luò)優(yōu)化抑制方法研究[電源技術(shù)][航空航天]

低壓差線性穩(wěn)壓器（LDO）作為現(xiàn)代電子系統(tǒng)的核心電源管理器件，其啟動浪涌電流問題嚴重威脅系統(tǒng)可靠性。以MSK5101型LDO為研究對象，針對使能端加入RC延時電路后輸入浪涌電流尖峰現(xiàn)象，提出一種基于反饋網(wǎng)絡(luò)動態(tài)優(yōu)化的抑制方法。通過建立小信號模型并進行頻域分析，揭示了反饋網(wǎng)絡(luò)參數(shù)對系統(tǒng)響應(yīng)速度與穩(wěn)定性的影響規(guī)律，提出通過增大反饋電阻與調(diào)整補償電容實現(xiàn)等效軟啟動。實驗結(jié)果表明，優(yōu)化后浪涌電流峰值由2.7 A降至0.87 A（降幅67.8%），輸出電壓建立時間由2.9 ms延長至12.3 ms，顯著提升了宇航電源系統(tǒng)的可靠性和魯棒性。

發(fā)表于：2025/10/28

基于SM2的SoC安全芯片雙向身份鑒別技術(shù)研究[模擬設(shè)計][工業(yè)自動化]

片上系統(tǒng) （System on Chip， SoC）芯片會針對產(chǎn)品固件進行SM2簽名和驗簽，以確定產(chǎn)品固件的合法性，但現(xiàn)有技術(shù)中產(chǎn)品固件未對芯片進行身份鑒別，由于無法確定芯片是否合法，產(chǎn)品固件和數(shù)據(jù)的安全性得不到保護?；赟M2算法，針對SoC安全芯片中產(chǎn)品固件導入過程，實現(xiàn)了基于國產(chǎn)密碼SM2算法的芯片鑒別固件、固件鑒別芯片的雙向身份鑒別技術(shù)。方案安全性高、可實現(xiàn)性強，對SoC安全芯片對引導程序、產(chǎn)品固件進行雙向身份鑒別有普遍現(xiàn)實借鑒意義。所設(shè)計的SM2模塊，具有芯片面積小、電路設(shè)計難度小、CPU操作簡單、適用于嵌入式SoC安全芯片等優(yōu)點。

發(fā)表于：2025/10/28

一種基于電流比較的LDO折返式限流保護電路[電源技術(shù)][工業(yè)自動化]

針對低壓差線性穩(wěn)壓器（LDO）可能出現(xiàn)的過載、短路問題，基于180 nm BCD工藝，設(shè)計了一種基于電流比較的折返式限流保護電路。通過添加監(jiān)測信號，有效避免了折返式限流電路中容易出現(xiàn)的“閂鎖”問題。仿真結(jié)果表明，在達到過流限時，輸出電流減小至200 mA，輸出電壓減小約400 mV后開始折返，LDO的輸出電流和輸出電壓均下降。結(jié)果表明，該電路在完成限流保護功能的同時大大降低了系統(tǒng)過流狀態(tài)下的系統(tǒng)功耗。

發(fā)表于：2025/10/28

一種寬輸入低紋波電荷泵負壓電源芯片設(shè)計[電源技術(shù)][工業(yè)自動化]

為解決電感型電源芯片電磁干擾嚴重和電容型電源芯片輸出紋波過大的問題，設(shè)計了一種電容型電源芯片。該芯片采用無電感結(jié)構(gòu)，在高頻條件下輸出紋波低于1 mV，接近電感型電源芯片。芯片輸出電壓可在-16 V至-3 V范圍內(nèi)調(diào)節(jié)，工作頻率可在90 kHz到1 MHz間改變。該電路基于250 nm工藝設(shè)計實現(xiàn)。仿真結(jié)果表明，在輸入電壓為16 V、輸出電流為100 mA、工作頻率為1 MHz的條件下，輸出紋波為0.6 mV，輸出電壓為-14.84 V，效率達到87.1%；當工作頻率降至90 kHz時，輸出紋波為10 mV，輸出電壓為-14.83 V，效率提升至91.9%。仿真數(shù)據(jù)表明，該芯片具有良好的適應(yīng)性，可滿足多種應(yīng)用場景的需求。

發(fā)表于：2025/10/28

強化學習評估指標的系統(tǒng)性分析與優(yōu)化研究[人工智能][其他]

強化學習評估指標作為衡量智能體性能與指導算法優(yōu)化的核心工具，在實際應(yīng)用中面臨指標單一性、環(huán)境依賴性及可解釋性缺失等關(guān)鍵挑戰(zhàn)。系統(tǒng)性分析了現(xiàn)有評估指標的分類框架，提出基于性能、學習過程、策略、魯棒性和效率的多維度指標體系，并探討其在不同任務(wù)場景（如稀疏獎勵、高維狀態(tài)空間）下的適用性與局限性。研究指出，傳統(tǒng)指標在復雜環(huán)境中易忽略安全性、效率及人類偏好對齊等需求，需結(jié)合任務(wù)特性設(shè)計融合多目標的評估方法。針對未來研究，提出需聚焦多目標帕累托優(yōu)化、基于人類反饋的獎勵建模、稀疏獎勵環(huán)境下的探索效率量化等方向，以提升評估的全面性、可解釋性。通過理論與實際案例結(jié)合，為強化學習評估體系的規(guī)范化與跨領(lǐng)域適配提供了方法論支持，推動其在復雜場景中的高效落地。

發(fā)表于：2025/10/28

基于Pearson與FBRCSP的運動想象腦電分類研究[人工智能][醫(yī)療電子]

腦機接口（BCI）為用戶提供了一種無需依賴外周神經(jīng)和肌肉的控制通道，廣泛應(yīng)用于神經(jīng)肌肉疾病患者的康復治療?；谶\動想象（MI）的BCI利用大腦在運動任務(wù)想象過程中的信號，實現(xiàn)無需肢體運動的控制。為提高MI-BCI的分類性能，提出了一種結(jié)合皮爾遜相關(guān)系數(shù)通道選擇（PCCS）和濾波器組正則化共空間模式（FBRCSP）的方法。首先，通過PCCS對EEG信號進行通道選擇，保留關(guān)鍵信號并去除冗余信息；然后，采用FBRCSP優(yōu)化空間模式提取判別性特征。在BCI Competition III IVa和IV Dataset I數(shù)據(jù)集上進行了驗證。實驗結(jié)果表明，PCCS-FBRCSP方法在分類準確率和穩(wěn)定性方面優(yōu)于傳統(tǒng)方法，尤其在跨個體實驗中展現(xiàn)出更強的魯棒性。同時，該方法有效降低了計算復雜度，具有較好的應(yīng)用潛力。

發(fā)表于：2025/10/28

基于混合專家模型的云原生教育培訓平臺動態(tài)安全防御體系研究[人工智能][信息安全]

針對云原生教育培訓平臺面臨的復雜動態(tài)安全威脅，以及傳統(tǒng)防御機制存在的環(huán)境感知薄弱、智能決策缺失、泛化能力不足和隱私合規(guī)沖突等缺陷，提出基于混合專家模型的動態(tài)安全防御體系。該體系構(gòu)建四層協(xié)同防護框架：時空圖神經(jīng)網(wǎng)絡(luò)建模流量時空特征；多模態(tài)卷積神經(jīng)網(wǎng)絡(luò)融合容器化異構(gòu)數(shù)據(jù)；聯(lián)邦學習組件實現(xiàn)隱私保護下的知識共享；大語言模型生成可執(zhí)行防御策略。核心創(chuàng)新包括設(shè)計可微分門控網(wǎng)絡(luò)（Top-2稀疏激活）實現(xiàn)攻擊特征到最優(yōu)專家模型的動態(tài)路由，并建立威脅強度指數(shù)驅(qū)動的Kubernetes資源彈性調(diào)度機制。該研究為云原生教育平臺提供了可彈性擴展的安全防護范式，其方法論對構(gòu)建自適應(yīng)安全體系具有理論價值與實踐意義，為智能主動防御體系發(fā)展奠定基礎(chǔ)。

發(fā)表于：2025/10/28

基于I3C分布式總線架構(gòu)的人形機器人靈巧手方案[嵌入式技術(shù)][工業(yè)自動化]

近年來人形機器人技術(shù)迎來爆發(fā)式增長，全球科技巨頭和中國本土企業(yè)不斷升級迭代人形機器人產(chǎn)品和相關(guān)技術(shù)，推動機器人在工業(yè)、物流、醫(yī)療、教育和家庭等領(lǐng)域的廣泛應(yīng)用。而在人形機器人系統(tǒng)中，靈巧手被認為是最復雜、最精密和最關(guān)鍵的執(zhí)行器，成為人形機器人發(fā)展的核心方向之一，它不僅需要具備高自由度的運動能力，還要實現(xiàn)對力和位置的精準控制，以模擬人手的操作行為。

發(fā)表于：2025/10/22

商業(yè)數(shù)據(jù)反不正當競爭保護的實踐困境與規(guī)則優(yōu)化[其他][其他]

商業(yè)數(shù)據(jù)是數(shù)字經(jīng)濟下經(jīng)營者參與市場競爭的的重要資源。目前，針對商業(yè)數(shù)據(jù)不正當競爭行為的裁判依據(jù)主要是《反不正當競爭法》第2條和第12條，該援引條款具有高度抽象性，致使出現(xiàn)司法實踐中原則性條款的過度使用、不正當競爭行為的認定標準不明等問題。對商業(yè)數(shù)據(jù)不正當競爭行為的規(guī)制應(yīng)當跳出賦權(quán)保護模式的桎梏而選擇更具競爭法特征的行為規(guī)制路徑。結(jié)合商業(yè)數(shù)據(jù)的特性，在總結(jié)當前司法實踐不足，并充分借鑒域外經(jīng)驗的基礎(chǔ)上，通過在反不正當競爭法中設(shè)置商業(yè)數(shù)據(jù)專條，立足弱權(quán)利保護。如此既增強了數(shù)據(jù)權(quán)益保護的有效性，又激勵了數(shù)據(jù)的流通與利用。

發(fā)表于：2025/10/15

世界主要國家個人數(shù)據(jù)開發(fā)利用模式對比研究[其他][其他]

個人數(shù)據(jù)是數(shù)據(jù)要素的重要組成部分，能夠支撐豐富的場景應(yīng)用，具有極高的應(yīng)用價值。同時個人數(shù)據(jù)涉及個人隱私，對其開發(fā)利用必須首先落實安全和隱私保護要求。世界主要國家圍繞個人數(shù)據(jù)開發(fā)利用進行了諸多探索并形成了一系列經(jīng)驗，聚焦美國、歐盟、韓國、日本和新加坡等國家和地區(qū)的個人數(shù)據(jù)開發(fā)實踐，總結(jié)各國的主要制度安排和實踐模式，在此基礎(chǔ)上對個人數(shù)據(jù)管理模式、數(shù)據(jù)經(jīng)紀模式、數(shù)據(jù)信托模式進行對比分析，剖析政府和市場主體所發(fā)揮的作用，以期為我國開展相關(guān)實踐提供參考。

發(fā)表于：2025/10/15

網(wǎng)絡(luò)輿情中個人信息傳播的成因、風險透視及治理[其他][其他]

網(wǎng)絡(luò)輿情中個人信息傳播的現(xiàn)象已較為普遍，對個人和社會秩序產(chǎn)生一定的影響。在數(shù)字化進程日益加深的現(xiàn)代社會，實現(xiàn)該現(xiàn)象的有效治理具有重要意義。網(wǎng)絡(luò)輿情中的個人信息之所以被廣泛傳播，原因在于社會公眾對于個人信息的好奇，通過曝光個人信息可引領(lǐng)輿論導向，以及算法技術(shù)的不當使用。網(wǎng)絡(luò)輿情中的個人信息傳播會導致個人信息安全及人格尊嚴難以得到有效維護，擾亂網(wǎng)絡(luò)公共秩序并模糊輿論焦點，同時使得技術(shù)使用無序狀態(tài)呈現(xiàn)加速化趨勢。網(wǎng)絡(luò)輿情中個人信息傳播的治理，需重塑網(wǎng)絡(luò)輿情中個人信息保護的價值取向，在事前完善風險防范措施，事中敦促平臺為個人信息安全保駕護航，事后實現(xiàn)法律措施兜底，以此達到多方位協(xié)同治理。

發(fā)表于：2025/10/15

正當程序框架下的算法行政：挑戰(zhàn)紓解與規(guī)制重構(gòu)[其他][其他]

算法自動化決策的融入為行政治理活動開辟了一種新興的權(quán)力運作與治理模式，即“算法行政”范式。該范式標志著大數(shù)據(jù)時代背景下，政府采納算法自動化決策手段，以實現(xiàn)高級別的自動化行政治理。算法行政帶來精準、高效等優(yōu)勢的同時，也因其自身的特性為正當程序原則帶來了風險與挑戰(zhàn)。算法行政所依賴的治理工具——算法自動化決策，因其自學性、黑箱性及極速性特征，在形式合法、民主過程等關(guān)鍵環(huán)節(jié)存在缺陷，易引發(fā)公眾對算法行政治理模式正當性的質(zhì)疑。故而，將算法行政置于正當程序的審視框架之中顯得尤為重要。為此，亟需構(gòu)建一套集事前預防、事中監(jiān)督及事后救濟于一體的程序性規(guī)制體系，以紓解算法行政活動面臨的挑戰(zhàn)并實現(xiàn)規(guī)制重構(gòu)。

發(fā)表于：2025/10/15

HF和波動參數(shù)輔助的優(yōu)化XGBoost室內(nèi)定位方法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對復雜室內(nèi)環(huán)境下接收信號強度測量數(shù)據(jù)中包含噪聲使其呈現(xiàn)波動性導致定位精度低的問題，提出一種基于混合濾波(HF)、波動參數(shù)輔助的優(yōu)化極限梯度提升(XGBoost)室內(nèi)定位方法。首先采用HF的方法對數(shù)據(jù)子集進行優(yōu)化，降低噪聲的影響，得到初始數(shù)據(jù)庫；另外，考慮到波動不能完全消除，引入能夠反映數(shù)據(jù)變化程度的波動參數(shù)；其次，針對XGBoost算法性能易受初始參數(shù)的影響，采用粒子群(PSO)算法對其進行尋優(yōu)，并將波動參數(shù)與優(yōu)化后的數(shù)據(jù)作為算法輸入訓練生成定位模型；最后，將目標點處信息輸入到模型中完成位置估計，同時將該點數(shù)據(jù)保存到數(shù)據(jù)庫中完成更新。實驗結(jié)果表明，與傳統(tǒng)算法相比，所提算法具有良好的定位效果，在1 m、2 m和3 m范圍內(nèi)，定位準確率分別提升9.2%、14.1%和18.45%。

發(fā)表于：2025/10/15

可解釋的深度網(wǎng)絡(luò)抗噪音干擾性逐層評估方法[其他][其他]

在復雜應(yīng)用場景中，深度神經(jīng)網(wǎng)絡(luò)易受噪音數(shù)據(jù)干擾，如何客觀、有效、可靠地評估深度網(wǎng)絡(luò)的抗噪音干擾性已成為智能化技術(shù)開發(fā)的關(guān)鍵問題之一。然而，現(xiàn)有的評估方法只能對網(wǎng)絡(luò)抗噪音干擾性進行整體評估，且不具備可解釋的理論依據(jù)。為了解決上述問題，基于閔可夫斯基差線性可分性度量，提出一種深度神經(jīng)網(wǎng)絡(luò)逐層抗噪音干擾性評估方法，實現(xiàn)了神經(jīng)網(wǎng)絡(luò)抗噪音干擾性的可解釋性評估。該方法可以對深度網(wǎng)絡(luò)各隱層數(shù)據(jù)映射行為進行定量分析，解析噪音干擾對網(wǎng)絡(luò)各隱層的影響機理，進而建立面向網(wǎng)絡(luò)隱層的可解釋抗噪音干擾性評估方法。

發(fā)表于：2025/10/15

大規(guī)模異構(gòu)數(shù)據(jù)遷移的自適應(yīng)清洗與智能轉(zhuǎn)換框架[其他][其他]

在數(shù)字化轉(zhuǎn)型背景下，傳統(tǒng)集中式數(shù)據(jù)庫向分布式架構(gòu)遷移面臨異構(gòu)數(shù)據(jù)模型語義沖突、業(yè)務(wù)連續(xù)性要求、人工轉(zhuǎn)換低效等核心挑戰(zhàn)。提出智能轉(zhuǎn)換框架AUTOMIG，其核心創(chuàng)新在于深度挖掘數(shù)據(jù)內(nèi)在關(guān)聯(lián)的智能決策機制與適應(yīng)大規(guī)模異構(gòu)環(huán)境的高效執(zhí)行引擎。AUTOMIG創(chuàng)新性地利用圖神經(jīng)網(wǎng)絡(luò)自動發(fā)現(xiàn)隱含于數(shù)據(jù)庫模式中的復雜表間關(guān)聯(lián)，并結(jié)合多目標優(yōu)化模型智能決策最優(yōu)存儲方案，提升跨模型轉(zhuǎn)換的自動化程度。同時，框架設(shè)計獨特的雙模式日志捕獲與流批協(xié)同清洗管道，實現(xiàn)對海量歷史數(shù)據(jù)與高頻實時變更數(shù)據(jù)的低延遲、高可靠同步與清洗。該框架成功實現(xiàn)了在容器化平臺上的部署并以大規(guī)模教育培訓系統(tǒng)數(shù)據(jù)遷移為典型應(yīng)用案例實踐驗證。結(jié)果表明其圖神經(jīng)網(wǎng)絡(luò)驅(qū)動的關(guān)聯(lián)發(fā)現(xiàn)顯著提升了復雜查詢性能，而雙模式協(xié)同執(zhí)行引擎則大幅縮短了遷移總耗時并優(yōu)化了資源利用效率，為企業(yè)數(shù)字化轉(zhuǎn)型提供了可靠的技術(shù)支撐和實踐路徑。

發(fā)表于：2025/10/15