久久精品国产再热青青青,国产丰满老肥熟女HD,h全肉学校公共厕所

基于能量均衡高效的LEACH改進算法[可編程邏輯][通信網(wǎng)絡(luò)]

LEACH路由協(xié)議是無線傳感器網(wǎng)絡(luò)一個經(jīng)典的分簇路由方法，但在限能嚴(yán)重的無線網(wǎng)絡(luò)中，節(jié)點功耗高、生存時間短等問題嚴(yán)重影響網(wǎng)絡(luò)性能，為此提出了改進的基于能量均衡高效的LEACH-X協(xié)議。通過加入最優(yōu)簇首數(shù)，提出修正的剩余能量因子，考慮節(jié)點的剩余能量、周期內(nèi)當(dāng)選過簇首的次數(shù)以及密度因子，并對部署區(qū)域分區(qū)，針對區(qū)域調(diào)整距離因子增益參數(shù)的權(quán)重來修正簇首選舉閾值函數(shù)；接著進行二次競爭并最終選舉簇首，從而減小節(jié)點能耗，使WSN存活時間得到一定的延長。仿真結(jié)果表明，與傳統(tǒng)LEACH協(xié)議進行對比，LEACH-X協(xié)議降低了網(wǎng)絡(luò)能耗，延長了網(wǎng)絡(luò)生存時間。

發(fā)表于：1/13/2023 1:44:00 PM

基于時差法的雙聲道超聲波水流量計[其他][其他]

針對中小管徑單聲道超聲波流量計由于聲道少而易受流場分布不均勻的影響，提出了一種基于時差法的雙聲道超聲波水流量計。流量計的硬件系統(tǒng)由STM32L431低功耗模塊、高精度計時模塊TDC-GP22等組成。根據(jù)雙聲道管段結(jié)構(gòu)，提出了基于卡爾曼濾波算法的數(shù)據(jù)融合方法，將兩個聲道的測量數(shù)據(jù)融合并完成濾波處理，提高了流量計的測量精度。實驗測試表明，流量計測量誤差在2.5%以內(nèi)，卡爾曼融合濾波算法可以有效提高流量計測量精度。

發(fā)表于：1/13/2023 1:35:00 PM

基于ZYNQ的陣列渦流無損檢測系統(tǒng)[其他][其他]

圓柱形金屬試件的陣列渦流檢測可以通過幾個圍繞試件布局的陣列線圈組成的探頭來完成，陣列渦流探頭由完全相同的8個線圈組成并在一定的空間結(jié)構(gòu)下完成對金屬試件的探測。設(shè)計1個基于Zynq-7020的陣列渦流檢測系統(tǒng)，該系統(tǒng)借助激勵通道的8個模擬開關(guān)可以對一個或多個線圈進行激勵，借助一個8選1模擬開關(guān)可以對8個陣列線圈進行分時采集，通過數(shù)字相敏檢波算法完成對信號的提取。試驗結(jié)果表明，此系統(tǒng)可以保存、傳輸、處理陣列探頭的激勵信號和感應(yīng)信號，并完成測量陣列探頭靈敏度的試驗任務(wù)。

發(fā)表于：1/13/2023 1:27:00 PM

基于ESN的鋰電池SOC評估方法與仿真研究[電源技術(shù)][其他]

以新能源車載鋰電池為研究對象，建立基于回聲狀態(tài)網(wǎng)絡(luò)（ESN）預(yù)測鋰電池的荷電狀態(tài)（SOC）評估模型。采用交叉驗證方法優(yōu)選回聲狀態(tài)網(wǎng)絡(luò)參數(shù)，以此解決網(wǎng)絡(luò)模型的參數(shù)選擇困難。通過帶遺忘因子的遞歸最小二乘法訓(xùn)練建立的回聲狀態(tài)網(wǎng)絡(luò)模型，實時更新輸出權(quán)值矩陣以此提高網(wǎng)絡(luò)的適應(yīng)性和精度。通過模型仿真分析驗證了預(yù)測算法的可行性，進一步對比分析了所建立的ESN預(yù)測模型與BP神經(jīng)網(wǎng)絡(luò)算法、徑向基（RBF）網(wǎng)絡(luò)算法在UDDS、US06和NYCC工況條件下的鋰電池SOC評估預(yù)測效果，結(jié)果表明所建立的回聲狀態(tài)網(wǎng)絡(luò)模型方法用于鋰電池SOC評估預(yù)測的性能和效果優(yōu)于BP算法和RBF算法，具有較好的應(yīng)用前景，可以為鋰電池SOC長期長效預(yù)測評估提供參考。

發(fā)表于：1/13/2023 1:19:00 PM

一種基于Hierarchy LUT的可重構(gòu)S-box實現(xiàn)方法[其他][其他]

基于查找表方法構(gòu)建的Substitution box （S-box）在可重構(gòu)分組密碼實現(xiàn)中廣泛使用，然而因消耗的資源過大，其面積利用效率低。為提高可重構(gòu)S-box面積利用效率，提出一種基于4R/1W存儲結(jié)構(gòu)的分層查找表（Hierarchy LUT），構(gòu)建可重構(gòu)S-box。所提出的4R/1W存儲結(jié)構(gòu)能減少存儲單元的例化數(shù)量，提高存儲密度。在40nm CMOS工藝下，實現(xiàn)基于Hierarchy LUT的可重構(gòu)S-box，其面積利用效率得到改善，對比Table Lookup Unit （TLU）和Memory Sharing的可重構(gòu)S-box方案，效率分別提高了51.76%和6.88%。

發(fā)表于：1/13/2023 12:28:00 PM

基于EMIF總線接口的橋芯片設(shè)計[模擬設(shè)計][消費電子]

EMIF是DSP（數(shù)字信號處理器）器件上的外部存儲接口，基于TMS320VC5510電路的EMIF接口，提出了一種橋芯片的設(shè)計方法。該橋芯片包含了多個低速外設(shè)如I2C、UART以及SDIO接口，同時集成了IDO、ADC模擬IP，設(shè)計進行了充分的EDA仿真和FPGA驗證，并進行了流片驗證，實裝測試結(jié)果表明EMIF接口可與橋芯片通信無誤，實現(xiàn)了TMS320VC5510電路的外設(shè)擴展功能。該橋芯片的設(shè)計方法大大增加了市場上SoC設(shè)計的靈活度，有效地降低了設(shè)計周期，節(jié)約了設(shè)計成本。

發(fā)表于：1/13/2023 12:19:00 PM

基于CMOS閾值電壓設(shè)計的電壓基準(zhǔn)源[電源技術(shù)][其他]

基于TSMC 0.18 µm標(biāo)準(zhǔn)CMOS工藝，提出了一種新型無電阻低溫漂電壓基準(zhǔn)源。通過采用CMOS閾值電壓（Vth）和與溫度成正比的電壓（VPTAT）作為基礎(chǔ)線性溫度單元加權(quán)求和的方式，消除了電壓基準(zhǔn)源輸出中殘留的非線性溫度分量，最終得到高精度的電壓基準(zhǔn)輸出。其中CMOS閾值電壓由無電阻結(jié)構(gòu)產(chǎn)生，VPTAT的產(chǎn)生和與CMOS閾值電壓的加權(quán)求和由非對稱差分運放完成。實測結(jié)果證明，在-55 ℃~125 ℃溫度范圍內(nèi)，電壓基準(zhǔn)源輸出為1.23 V，溫度系數(shù)為4.5 ppm/℃。在無濾波電容的情況下，基準(zhǔn)電源抑制比可達(dá)-93 dB。

發(fā)表于：1/13/2023 12:10:00 PM

eFuse失效分析與可靠性電路設(shè)計[模擬設(shè)計][其他]

電編程熔絲（eFuse）基于電子遷移原理，通過熔斷熔絲使其電阻特性發(fā)生不可逆改變來實現(xiàn)編程操作。提高可靠性是eFuse系統(tǒng)和電路優(yōu)化設(shè)計的核心目標(biāo)。從eFuse工作原理以及失效模式分析入手，重點介紹了影響其可靠性的系統(tǒng)原因和主要機理及過程，并在綜合常規(guī)電路設(shè)計基礎(chǔ)上，結(jié)合考慮各種工作模式下和具體模塊中存在的影響可靠性的因素，最后提出了具有針對性的電路設(shè)計解決方案。

發(fā)表于：1/13/2023 12:03:00 PM

自適應(yīng)跨平臺PSS中間件架構(gòu)及開發(fā)[可編程邏輯][消費電子]

芯片工藝、規(guī)模不斷在提升，所包含的功能越來越復(fù)雜。多核、多線程中央處理器（Central Processing Unit，CPU），多維度片上網(wǎng)絡(luò)（Network on Chip，NoC），高速、高密度接口，各類外設(shè)等IP（Intellectual Property）集成在芯片上系統(tǒng)（System on Chip，SoC），使芯片開發(fā)階段的仿真驗證場景極其復(fù)雜，對芯片特別是SoC開發(fā)和驗證完備性帶來巨大挑戰(zhàn)。當(dāng)前在芯片開發(fā)領(lǐng)域，便攜式測試和激勵標(biāo)準(zhǔn)（Portable Test and Stimulus， PSS）是在UVM（Universal Verification Methodology）驗證方法學(xué)基礎(chǔ)上進一步解決隨機化和跨平臺的復(fù)雜組合場景定義和代碼生成難題。

發(fā)表于：1/13/2023 11:00:00 AM

基于Darknet23和特征融合的交通標(biāo)志檢測方法[測試測量][智能交通]

道路交通標(biāo)志檢測是智能交通的重要環(huán)節(jié)之一，針對交通標(biāo)志檢測存在背景復(fù)雜、目標(biāo)較小、檢測速度慢等問題，選取工業(yè)界青睞的YOLOv3模型提出一種改進的檢測方法。利用雙向特征金字塔結(jié)構(gòu)實現(xiàn)圖像低、中、高層特征語意信息的雙向融合，提升低層預(yù)測目標(biāo)的分類和高層預(yù)測目標(biāo)的定位能力；將原模型的主干特征提取網(wǎng)絡(luò)進行改進，提出Darknet23網(wǎng)絡(luò)，以提高網(wǎng)絡(luò)的提取能力和減少計算量；根據(jù)目標(biāo)形狀的特點，使用K-means聚類算法得到用于訓(xùn)練合適的錨點框，并在邊框回歸中引入靈活性更強的L_(α-CIOU)損失函數(shù)，使網(wǎng)絡(luò)朝著預(yù)測框與真實框重疊度較高的方向去優(yōu)化。實驗結(jié)果表明，該方法在CCTSDB數(shù)據(jù)集上mAP@0.75達(dá)到86.10%、mAP@0.5：0.05：0.95達(dá)到70.017%，相比原網(wǎng)絡(luò)分別提升10.17％和5.656％，參數(shù)量減少3 622 091，速度提升8.27 f/s，且優(yōu)于SSD和Faster RCNN等主流的檢測網(wǎng)絡(luò)。

發(fā)表于：1/13/2023 10:44:00 AM