123,123,123

基于SDNSR-Net深度网络的大规模MIMO信号检测算法[其他][其他]

大规模多输入多输出(MIMO)系统能有效地提高频谱效率，当天线规模渐进趋向于无穷时，最小均方误差(MMSE)检测算法能达到接近最优的检测性能。然而由于算法中存在矩阵求逆的步骤，带来极高的计算复杂度，在大规模MIMO系统中难以实现。理查森(Richardson)算法能够在不对矩阵求逆的情况下，以迭代的形式达到MMSE算法的检测性能，但该算法受其松弛参数影响较大。在结合最陡梯度下降算法的Richardson算法(SDNSR)中，松弛参数的误差可由梯度下降算法弥补，却提高了计算复杂度。首先通过深度展开的思想，将SDNSR的迭代过程映射为深度检测网络(SDNSR-Net)；然后，通过修改网络结构及添加可训练参数来降低计算复杂度并提高检测精度。实验结果表明，在上行链路大规模MIMO系统中不同信噪比和天线配置的情况下，SDNSR-Net都优于其他典型的检测算法，可作为实际中有效的待选检测方案。

發(fā)表于：2022/11/9 下午2:26:00

基于矩阵式软件库的航天系统快速构建[通信与网络][航空航天]

针对地面航天器数据中心多型号软件系统构建，提出了一种基于多维矩阵式软件库的快速定制构建方法。首先，分析了航天数据中心系统的整体结构，提出了可以满足云计算应用的多态多层兼容复杂结构；其次，介绍了适应航天数据中心的硬件系统微模块机房部署方式，提出了操作使用与操作场地分离、软件系统与硬件系统解耦的架构设计；最后，提出了一种矩阵式定制化动态调度软件库，实现按需求灵活定制组建新应用系统、快速加载卸载应用系统的能力，并介绍了按需快速生成和动态加载卸载的流程。系统满足了航天数据中心多系列多卫星地面数据处理系统构建的任务要求，有效降低了系统开发成本，减少了系统运维工作。

發(fā)表于：2022/11/9 下午2:22:00

边缘计算在用户用电信息采集系统中的应用[其他][其他]

随着当下的电力企业和电力用户之间的沟通与交流越来越密切，用户用电信息采集规模不断增大，采集数据类型不断增多，对数据采集频率的要求也越来越高。目前，对用户用电信息采集系统的研究大多为对系统架构的优化，少有对采集方法进行研究。因此，提出一种基于边缘计算的快速抄表方法，将计算能力和数据存储资源下沉至靠近数据源的位置，就近为终端设备提供低时延、高效率的采集存储服务。并与传统抄表方法的时间开销及可靠性进行比较，实验结果表明，将聚集的数据边缘化处理提高了密集的用户用电信息的采集效率。

發(fā)表于：2022/11/9 下午2:16:00

基于信号调理芯片的运算放大器设计[电子元件][智能电网]

基于国内40 V双极型工艺设计了一种全差分运算放大器，应用于信号调理芯片的驱动模块，运放输出信号的幅值可通过外接电阻调节。整体电路结构包含输入级、中间级、输出级、反馈电路和基准电路。输入级电路引入电流并联负反馈实现电压到电流转换，通过外围电阻分流信号的一部分来设置主信号幅值。中间级采用共集-共射的电路结构，提高电压增益；功率输出级采用全NPN的B类结构，实现大功率输出，提高电路驱动能力。同时电路引入共模反馈的电阻网络，使输出共模电压集中在正负电源之间。在电源电压为±15 V条件下测试结果为：输出电压有效值幅值范围为1.488 V~18.57 V，直流失调电压为-169 mV，输出短路电流为65 mA，总谐波失真为-41.2 dB。

發(fā)表于：2022/11/9 下午2:12:00

一种用于PCIe多通道的De-skew电路设计[模拟设计][其他]

在PCIe多通道数据传输过程中，当各通道数据到达时间不一致时，会引入相位偏移(Skew)问题。为了保证每条通道的接收端能够同时且正确处理接收到的数据，需要对传输数据进行预处理。提出了一种De-skew逻辑电路，利用同步FIFO实现了多通道的De-skew，完成了相应的逻辑设计。并利用UVM以及VIP技术搭建了验证平台，测试结果验证了设计的正确性和可行性。与其他常用解决方案对比表明，该逻辑设计具有全面性、优越性和可复用性。

發(fā)表于：2022/11/9 下午2:07:00

关联动态特征的目标自适应跟踪算法[其他][其他]

在复杂的靶场试验场景中，试验现场常常涉及扬尘、强光、遮挡等多变的自然环境。针对这种情况下快速运动的目标物体跟踪，提出了一种关联动态特征的单目标跟踪算法。首先使用门控循环单元(Gated Recurrent Unit，GRU)提取待跟踪目标的时序动态特征，获得候选处理目标框集合；然后利用卷积网络(Convolutional Neural Network，CNN)提取候选目标框的深度卷积特征并确定目标位置，同时分离出背景卷积特征；在跟踪过程中，使用分离出的背景卷积特征图对网络进行参数更新，增强网络的鲁棒性与自适应性。实验结果表明，所提出的算法可以对靶场图像采集系统中的被试移动目标进行自适应跟踪，并且在复杂环境背景下算法仍能保持优异的鲁棒性与适应性。

發(fā)表于：2022/11/9 下午2:03:00

基于动态图注意力聚合多跳邻域的实体对齐[其他][其他]

实体对齐是实现对不同来源知识库进行融合的重要技术方法，在知识图谱、知识补全领域具有广泛应用。现有基于图注意力的实体对齐模型多使用静态图注意力网络且忽略了实体属性中的语义信息，导致模型存在有限注意、难以拟合、表达能力不足等问题。针对这些问题，开展基于动态图注意力结构建模实体对齐方法研究，首先使用图卷积层建模目标实体的单跳节点表示，其次应用动态图注意力网络获得多跳节点注意力系数并建模，再次利用逐层门控网络聚合图卷积层与动态图注意力层输出的单跳、多跳节点信息，最后拼接通过外部知识预训练自然语言模型提取的实体名称属性嵌入并进行相似度计算。该方法在DBP15K的三类跨语言数据集中都获得了一定的提高，证明了应用动态图注意力网络与融入实体属性语义在提高实体表示能力上的有效性。

發(fā)表于：2022/11/9 下午1:55:00

基于DBN-BP深度算法的热轧板带横断面预测[其他][其他]

随着各工业领域的快速发展，市场对薄规格、高强度板带产品的需求快速增加。而热轧板带横断面形状是热轧板带产品质量的主要评价指标。基于数据挖掘技术，对轧机数据库中的数据进行分析与处理，其中数据挖掘技术采用深度置信网络(Deep Belief Neural，DBN)和BP(Back Propagation)算法相结合，构建板带横向厚度分布的预测模型。DBN-BP算法由多个限制玻尔兹曼网络(Restricted Botlzmann Machine，RBM)逐层堆叠而成，并使用无监督的逐层训练的方式得到网络的权值矩阵和偏置供BP算法使用，而BP算法通过误差反向传播的方式对整个网络进行微调。该方法克服了BP算法因随机初始化权值参数而陷入局部最优和训练时间长的缺点。通过与BP算法相比较可知，采用DBN-BP方法预测终轧道次稳定轧制时板带中点厚度误差在±5.6 μm范围内的概率可达95%；而BP算法的预测误差范围为±11 μm。并且通过对板带横断面形状的预测结果分析可知，相比于BP算法，DBN-BP深度学习方法对于板带边部厚度的预测更具有优势。

發(fā)表于：2022/11/9 下午1:39:00

智慧军营研究综述及展望[其他][其他]

首先介绍了智慧军营的研究背景以及其在国防领域的重要性。其次结合智慧营区研究建设目前处于初级阶段所存在的问题与挑战，对智慧军营体系架构和其中各层级的研究现状及成果进行了详细探讨和评价。最后结合技术发展趋势和项目建设经验论述了智慧军营未来的研究方向和发展趋势。

發(fā)表于：2022/11/9 下午1:35:00

智能计算芯片技术及产业趋势和对北京的建议[其他][其他]

智能计算芯片是处理海量数据，体现计算能力的硬件载体，是承载数字经济时代生产力的重要支撑。随着人工智能、5G、大数据、区块链等新一代信息技术的规模化应用，行业数字化转型和产业智能化升级对计算资源的需求呈现指数级增长。加上集成电路的发展进入后摩尔时代，现行计算架构(冯·诺依曼架构)缺陷所导致的瓶颈愈加凸显，发展受到严重挑战。而满足多样化计算需求的新型计算架构和计算范式、满足智能计算需求的先进封装技术、基于新材料新工艺的新型计算器件也进入到创新活跃的阶段，智能计算芯片迎来了快速发展的黄金时代。综合分析了数字经济时代智能计算芯片的战略重要性，梳理了国内外智能计算主要产业格局、新兴关键技术以及发展机遇，并对北京发展智能计算芯片的机遇与路径提出相关建议。

發(fā)表于：2022/11/9 下午1:30:00