国产第二页无限好源,亚洲AV一二三又爽又色又色

考慮數(shù)字控制延時的UPS逆變系統(tǒng)控制器設計[電源技術][其他]

為了對不間斷電源(UPS)逆變控制系統(tǒng)進行精確設計，分析了數(shù)字控制延時對逆變控制系統(tǒng)性能的影響，并提出考慮延時環(huán)節(jié)的逆變系統(tǒng)控制器設計方法。首先，基于狀態(tài)空間平均法建立逆變系統(tǒng)的數(shù)學模型，分析了控制延時環(huán)節(jié)對系統(tǒng)穩(wěn)定性的影響；然后，針對單相220 V/50 Hz的逆變系統(tǒng)將數(shù)字化PID雙環(huán)控制技術應用其中，得到一種參數(shù)易于整定的單相UPS逆變控制算法，采用廣義Z變換理論來描述數(shù)字控制延時環(huán)節(jié)，改進控制系統(tǒng)的模型，給出了考慮延時環(huán)節(jié)的數(shù)字PID控制器參數(shù)的修正設計方法；最后，通過MATLAB/Simulink仿真和實驗進行了驗證。結果表明，在考慮控制延時下，采用數(shù)字PID雙環(huán)控制的單相UPS逆變控制系統(tǒng)的輸出電壓穩(wěn)壓精度小于1%，THD(諧波失真)小于2%，負載端突變時系統(tǒng)恢復常態(tài)的時間約為1.2 ms，可以有效提升逆變系統(tǒng)輸出的穩(wěn)態(tài)性能和動態(tài)響應性能。

發(fā)表于：2022/11/9 14:44:00

基于視覺顯著性的毫米波隱匿物品檢測算法[微波|射頻][其他]

針對毫米波圖像中隱匿物品與人體灰度差異小、形狀多變的問題，提出了一種基于視覺顯著性的隱匿物品檢測算法。該算法在雙邊濾波后，結合OTSU和形態(tài)學運算完成預處理以獲得人體區(qū)域，再根據(jù)頻域顯著性計算定位前景，經(jīng)背景抑制后生成顯著圖完成檢測。實驗數(shù)據(jù)表明，所提算法與典型的主動式毫米波成像檢測算法相比，檢出率分別提高5.87%和9.08%，有更好的檢測性能。

發(fā)表于：2022/11/9 14:40:00

TTE網(wǎng)絡通信鏈路自動規(guī)劃方法研究[通信與網(wǎng)絡][通信網(wǎng)絡]

針對TTE網(wǎng)絡中存在的消息調(diào)度以及鏈路規(guī)劃依賴于手工配置、難以負擔龐大的網(wǎng)絡結構等問題，對TTE網(wǎng)絡的通信鏈路規(guī)劃方法進行了仿真研究，構建了鏈路規(guī)劃模型，通過頭腦風暴算法這種新型的啟發(fā)式算法來尋找問題的解。通過實驗仿真對比，驗證了頭腦風暴優(yōu)化算法的有效性以及在規(guī)劃后期有比遺傳算法更加穩(wěn)定的執(zhí)行效果，提升了網(wǎng)絡傳輸效率，有很廣泛的應用前景。

發(fā)表于：2022/11/9 14:36:00

基于數(shù)值特征與圖像特征融合的調(diào)制識別方法[其他][其他]

為解決低信噪比條件下相移鍵控和正交幅度調(diào)制類信號利用時頻圖像分類時識別率低的問題，提出一種信號特征融合的方法。首先對接收信號數(shù)據(jù)進行高階累積量計算，獲取一維數(shù)值特征向量；其次采用時頻分析方法預處理得到信號時頻圖，利用卷積神經(jīng)網(wǎng)絡提取其一維圖像特征向量；將兩類特征向量級聯(lián)得到一維融合特征向量，基于融合后的特征向量經(jīng)過全連接網(wǎng)絡進一步運算后得出分類識別結果。仿真結果顯示，在1 dB條件下，相比于單一圖像特征，采用特征融合的方法可將調(diào)制信號的識別準確率提高10%～30%。

發(fā)表于：2022/11/9 14:31:00

基于SDNSR-Net深度網(wǎng)絡的大規(guī)模MIMO信號檢測算法[其他][其他]

大規(guī)模多輸入多輸出(MIMO)系統(tǒng)能有效地提高頻譜效率，當天線規(guī)模漸進趨向于無窮時，最小均方誤差(MMSE)檢測算法能達到接近最優(yōu)的檢測性能。然而由于算法中存在矩陣求逆的步驟，帶來極高的計算復雜度，在大規(guī)模MIMO系統(tǒng)中難以實現(xiàn)。理查森(Richardson)算法能夠在不對矩陣求逆的情況下，以迭代的形式達到MMSE算法的檢測性能，但該算法受其松弛參數(shù)影響較大。在結合最陡梯度下降算法的Richardson算法(SDNSR)中，松弛參數(shù)的誤差可由梯度下降算法彌補，卻提高了計算復雜度。首先通過深度展開的思想，將SDNSR的迭代過程映射為深度檢測網(wǎng)絡(SDNSR-Net)；然后，通過修改網(wǎng)絡結構及添加可訓練參數(shù)來降低計算復雜度并提高檢測精度。實驗結果表明，在上行鏈路大規(guī)模MIMO系統(tǒng)中不同信噪比和天線配置的情況下，SDNSR-Net都優(yōu)于其他典型的檢測算法，可作為實際中有效的待選檢測方案。

發(fā)表于：2022/11/9 14:26:00

基于矩陣式軟件庫的航天系統(tǒng)快速構建[通信與網(wǎng)絡][航空航天]

針對地面航天器數(shù)據(jù)中心多型號軟件系統(tǒng)構建，提出了一種基于多維矩陣式軟件庫的快速定制構建方法。首先，分析了航天數(shù)據(jù)中心系統(tǒng)的整體結構，提出了可以滿足云計算應用的多態(tài)多層兼容復雜結構；其次，介紹了適應航天數(shù)據(jù)中心的硬件系統(tǒng)微模塊機房部署方式，提出了操作使用與操作場地分離、軟件系統(tǒng)與硬件系統(tǒng)解耦的架構設計；最后，提出了一種矩陣式定制化動態(tài)調(diào)度軟件庫，實現(xiàn)按需求靈活定制組建新應用系統(tǒng)、快速加載卸載應用系統(tǒng)的能力，并介紹了按需快速生成和動態(tài)加載卸載的流程。系統(tǒng)滿足了航天數(shù)據(jù)中心多系列多衛(wèi)星地面數(shù)據(jù)處理系統(tǒng)構建的任務要求，有效降低了系統(tǒng)開發(fā)成本，減少了系統(tǒng)運維工作。

發(fā)表于：2022/11/9 14:22:00

邊緣計算在用戶用電信息采集系統(tǒng)中的應用[其他][其他]

隨著當下的電力企業(yè)和電力用戶之間的溝通與交流越來越密切，用戶用電信息采集規(guī)模不斷增大，采集數(shù)據(jù)類型不斷增多，對數(shù)據(jù)采集頻率的要求也越來越高。目前，對用戶用電信息采集系統(tǒng)的研究大多為對系統(tǒng)架構的優(yōu)化，少有對采集方法進行研究。因此，提出一種基于邊緣計算的快速抄表方法，將計算能力和數(shù)據(jù)存儲資源下沉至靠近數(shù)據(jù)源的位置，就近為終端設備提供低時延、高效率的采集存儲服務。并與傳統(tǒng)抄表方法的時間開銷及可靠性進行比較，實驗結果表明，將聚集的數(shù)據(jù)邊緣化處理提高了密集的用戶用電信息的采集效率。

發(fā)表于：2022/11/9 14:16:00

基于信號調(diào)理芯片的運算放大器設計[電子元件][智能電網(wǎng)]

基于國內(nèi)40 V雙極型工藝設計了一種全差分運算放大器，應用于信號調(diào)理芯片的驅動模塊，運放輸出信號的幅值可通過外接電阻調(diào)節(jié)。整體電路結構包含輸入級、中間級、輸出級、反饋電路和基準電路。輸入級電路引入電流并聯(lián)負反饋實現(xiàn)電壓到電流轉換，通過外圍電阻分流信號的一部分來設置主信號幅值。中間級采用共集-共射的電路結構，提高電壓增益；功率輸出級采用全NPN的B類結構，實現(xiàn)大功率輸出，提高電路驅動能力。同時電路引入共模反饋的電阻網(wǎng)絡，使輸出共模電壓集中在正負電源之間。在電源電壓為±15 V條件下測試結果為：輸出電壓有效值幅值范圍為1.488 V~18.57 V，直流失調(diào)電壓為-169 mV，輸出短路電流為65 mA，總諧波失真為-41.2 dB。

發(fā)表于：2022/11/9 14:12:00

一種用于PCIe多通道的De-skew電路設計[模擬設計][其他]

在PCIe多通道數(shù)據(jù)傳輸過程中，當各通道數(shù)據(jù)到達時間不一致時，會引入相位偏移(Skew)問題。為了保證每條通道的接收端能夠同時且正確處理接收到的數(shù)據(jù)，需要對傳輸數(shù)據(jù)進行預處理。提出了一種De-skew邏輯電路，利用同步FIFO實現(xiàn)了多通道的De-skew，完成了相應的邏輯設計。并利用UVM以及VIP技術搭建了驗證平臺，測試結果驗證了設計的正確性和可行性。與其他常用解決方案對比表明，該邏輯設計具有全面性、優(yōu)越性和可復用性。

發(fā)表于：2022/11/9 14:07:00

關聯(lián)動態(tài)特征的目標自適應跟蹤算法[其他][其他]

在復雜的靶場試驗場景中，試驗現(xiàn)場常常涉及揚塵、強光、遮擋等多變的自然環(huán)境。針對這種情況下快速運動的目標物體跟蹤，提出了一種關聯(lián)動態(tài)特征的單目標跟蹤算法。首先使用門控循環(huán)單元(Gated Recurrent Unit，GRU)提取待跟蹤目標的時序動態(tài)特征，獲得候選處理目標框集合；然后利用卷積網(wǎng)絡(Convolutional Neural Network，CNN)提取候選目標框的深度卷積特征并確定目標位置，同時分離出背景卷積特征；在跟蹤過程中，使用分離出的背景卷積特征圖對網(wǎng)絡進行參數(shù)更新，增強網(wǎng)絡的魯棒性與自適應性。實驗結果表明，所提出的算法可以對靶場圖像采集系統(tǒng)中的被試移動目標進行自適應跟蹤，并且在復雜環(huán)境背景下算法仍能保持優(yōu)異的魯棒性與適應性。

發(fā)表于：2022/11/9 14:03:00