亚洲色无码专区在线播放,欧美午夜精品一区二区蜜桃

基于自校驗(yàn)孿生神經(jīng)網(wǎng)絡(luò)的故障區(qū)段定位方法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對中壓配電網(wǎng)區(qū)段定位方法所存在的由系統(tǒng)中性點(diǎn)接地方式、故障點(diǎn)距離和過渡電阻大小等環(huán)境因素，以及電流互感器極性未知或智能電表錯(cuò)誤安裝等人為因素所導(dǎo)致的定位不準(zhǔn)確問題，提出一種平穩(wěn)小波極性校驗(yàn)下基于孿生神經(jīng)網(wǎng)絡(luò)的故障區(qū)段定位方法。首先，分析了零序電流暫態(tài)特征，指出了傳統(tǒng)線性相關(guān)法存在的定位缺陷；其次，使用平穩(wěn)小波變換解決信號(hào)同步和設(shè)備反接的問題；最后引入孿生神經(jīng)網(wǎng)絡(luò)對故障點(diǎn)上下游信號(hào)進(jìn)行相似性匹配，經(jīng)訓(xùn)練該模型可以準(zhǔn)確定位故障區(qū)段。通過仿真驗(yàn)證，該方法具有較強(qiáng)的抗干擾能力，對于定位盲區(qū)也有較高的識(shí)別率。

發(fā)表于：2022/7/1 14:59:00

基于表面掃描法的SiP器件近場電磁輻射測試方法[其他][其他]

在近場電磁輻射測試研究中，還沒有一套完整的面向單個(gè)元器件的測試方法。針對此問題，基于表面掃描法對SiP器件的近場電磁輻射測試方法進(jìn)行研究。第一，利用X光研究SiP器件內(nèi)部結(jié)構(gòu)并進(jìn)行干擾源分析；第二，完成硬件、軟件層搭建使器件進(jìn)入工作狀態(tài)；第三，搭建近場測試系統(tǒng)，對工作中的器件實(shí)施近場測試。在案例研究中，所用SiP器件內(nèi)部封裝外圍器件和作為主要干擾源的處理器。近場測試結(jié)果顯示，PCB上輻射主要集中在SiP器件周圍，器件近場輻射集中在處理器芯片處。案例研究的結(jié)果說明這種測試方法可以有效測量SiP器件的近場電磁輻射，并對器件內(nèi)干擾源進(jìn)行分析。

發(fā)表于：2022/7/1 14:55:00

大擺幅輸出的高速線性行波驅(qū)動(dòng)器[其他][其他]

基于0.13 μm SiGe BiCMOS工藝設(shè)計(jì)了高速線性行波馬赫-曾德爾調(diào)制器(Mach-Zehnder Modulators，MZM)驅(qū)動(dòng)器。驅(qū)動(dòng)器主要由三個(gè)部分組成，分別是輸入級、輸出級和直流消除(Direct Current Offset Compensation，DCOC)。輸入級在差分對的發(fā)射極引入可變電容和可變電阻來實(shí)現(xiàn)增益可調(diào)的功能，在輸出節(jié)點(diǎn)采用了并聯(lián)電感峰化技術(shù)來提高帶寬；輸出級中采用了擊穿電壓倍增技術(shù)來獲得大擺幅輸出電壓，以及采用了并聯(lián)電感峰化技術(shù)來提高帶寬；DCOC通過在行波MZM驅(qū)動(dòng)器的輸出和輸入之間建立反饋以消除直流失調(diào)，并且采用了一階低通濾波器以保證環(huán)路穩(wěn)定。仿真結(jié)果顯示，驅(qū)動(dòng)器的增益可以在較大的范圍內(nèi)可調(diào)，DCOC環(huán)路的相位裕度高達(dá)82°，最高工作速率為100 Gb/s，輸出Vpp約為4 V，可以很好地驅(qū)動(dòng)行波MZM。

發(fā)表于：2022/7/1 14:50:00

C-R型多通道10 bit SAR-ADC設(shè)計(jì)[模擬設(shè)計(jì)][其他]

采用0.13 μm工藝，設(shè)計(jì)并實(shí)現(xiàn)了一款單端CR型分級的10 bit SAR-ADC。在設(shè)計(jì)中，CR型分級的采用顯著降低了芯片面積，高5位的溫度計(jì)碼控制有效消除時(shí)鐘潰通等誤差，自舉開關(guān)的設(shè)計(jì)提高了采樣精度，前置放大器的高精度靜態(tài)比較器有效降低失調(diào)、提升了轉(zhuǎn)換精度。設(shè)計(jì)的ADC內(nèi)核尺寸為580 μm×290 μm，后仿真結(jié)果顯示，在采樣率1 MS/s下，輸入正弦信號(hào)200 kHz時(shí)，ENOB可達(dá)9.5位，EO=1 LSB。

發(fā)表于：2022/7/1 14:46:00

Yolo神經(jīng)網(wǎng)絡(luò)在集成電路焊盤布局規(guī)則檢測上的應(yīng)用研究[模擬設(shè)計(jì)][通信網(wǎng)絡(luò)]

為探索深度學(xué)習(xí)在集成電路設(shè)計(jì)自動(dòng)化上的應(yīng)用，以電源和接地焊盤的排列規(guī)則作為檢查案例，研究了Yolo v3神經(jīng)網(wǎng)絡(luò)在版圖檢查上的可行性。采用Python腳本批量生成版圖樣本圖片，并使用LabelImg進(jìn)行標(biāo)簽標(biāo)記。使用TensorFlow框架編寫了基于Yolo v3的版圖檢查器。結(jié)果顯示，版圖檢查器在判斷焊盤布局正確性上實(shí)現(xiàn)了高精確率與高召回率。此外，還通過調(diào)整版圖的大小、形狀、對稱性與焊盤數(shù)目的方式對檢查器進(jìn)行了進(jìn)一步測試。檢查器仍表現(xiàn)卓越，體現(xiàn)出良好的擴(kuò)展性。研究表明Yolo v3可以很好地找出焊盤布局的錯(cuò)誤。深度學(xué)習(xí)在集成電路版圖檢查中的潛力大，值得繼續(xù)探索。

發(fā)表于：2022/7/1 14:42:00

基于SiP技術(shù)的某分組件及測試系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

系統(tǒng)級封裝SiP已成為突破摩爾定律的主要技術(shù)路線，是未來武器裝備小型化和多功能化的重要依托，在武器裝備研制和應(yīng)用領(lǐng)域具有廣闊的市場和前景。針對區(qū)域信號(hào)目標(biāo)識(shí)別系統(tǒng)輕量化、小型化、集成化、低功耗等要求，設(shè)計(jì)一種基于SiP技術(shù)的某分組件并為此開發(fā)一套自動(dòng)化測試系統(tǒng)，通過該自動(dòng)化測試系統(tǒng)對200多套產(chǎn)品進(jìn)行試驗(yàn)，得出該產(chǎn)品性能穩(wěn)定、可靠；輕量化、小型化、低功耗等要求也滿足客戶要求。

發(fā)表于：2022/7/1 14:38:00

基于YOLOv3-tiny的視頻監(jiān)控目標(biāo)檢測算法[其他][其他]

目標(biāo)檢測算法在視頻監(jiān)控領(lǐng)域有著較大的實(shí)用價(jià)值。針對當(dāng)前在資源受限的視頻監(jiān)控系統(tǒng)中實(shí)現(xiàn)實(shí)時(shí)目標(biāo)檢測較為困難的情況，提出了一種基于YOLOv3-tiny改進(jìn)的目標(biāo)檢測算法。該算法在YOLOv3-tiny架構(gòu)的基礎(chǔ)之上，通過添加特征重用來優(yōu)化骨干網(wǎng)絡(luò)結(jié)構(gòu)，并提出全連接注意力混合模塊來學(xué)習(xí)到更豐富的空間信息，更適合資源約束條件下的目標(biāo)檢測。實(shí)驗(yàn)數(shù)據(jù)表明，該算法相比于YOLOv3-tiny在模型體積降低39.2%，參數(shù)量降低39.8%，且在VOC數(shù)據(jù)集上提高了2.7%的mAP，在提高檢測精度的同時(shí)顯著降低了模型資源占用。

發(fā)表于：2022/7/1 14:33:00

基于YOLOv5l的囊型肝包蟲病病灶檢測研究[其他][醫(yī)療電子]

針對臨床醫(yī)生在診斷肝包蟲病時(shí)需要通過個(gè)人經(jīng)驗(yàn)判斷囊型肝包蟲病分型，研究基于目標(biāo)檢測算法的肝包蟲病灶自動(dòng)檢測與分類模型，實(shí)現(xiàn)對肝包蟲病超聲影像的自動(dòng)識(shí)別與分類。使用YOLOv5l模型作為囊型肝包蟲病病灶目標(biāo)檢測的模型，利用本地肝包蟲病超聲影像數(shù)據(jù)集對網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練?；赮OLOv5l模型與隨機(jī)梯度下降算法(SGD)優(yōu)化算法的肝包蟲病病灶自動(dòng)檢測分類模型可以很好地對5種類型的病灶進(jìn)行有效的檢測，平均精度均值(mAP)為88.1%，經(jīng)過測試，該模型的測試速度可達(dá)40 f/s。實(shí)驗(yàn)結(jié)果表明，基于YOLOv5l與SGD算法的肝包蟲病病灶自動(dòng)檢測分類模型能夠較好地識(shí)別病灶的具體位置，可以很好地輔助醫(yī)生診斷肝包蟲病。

發(fā)表于：2022/7/1 14:29:00

基于改進(jìn)YOLOv5的車輛屬性檢測[測試測量][汽車電子]

車輛屬性檢測是一個(gè)基礎(chǔ)任務(wù)，其屬性檢測結(jié)果可以被應(yīng)用到很多下游的交通視覺任務(wù)。提出了一種基于YOLOv5的車輛屬性檢測改進(jìn)算法。針對檢測目標(biāo)較小的問題，加入了卷積注意力模塊，讓網(wǎng)絡(luò)模型把更多的注意力放在小目標(biāo)對象上；針對數(shù)據(jù)集樣本種類較少的問題，改進(jìn)了YOLOv5的馬賽克數(shù)據(jù)增強(qiáng)方式；使用自門控激活函數(shù)Swish，起到抑制噪聲、加快收斂速度并提升模型魯棒性的作用。此外，還在公開車輛數(shù)據(jù)集VeRi-776的基礎(chǔ)上進(jìn)行了詳細(xì)的車輛屬性標(biāo)注，構(gòu)建了一個(gè)車輛屬性數(shù)據(jù)集。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的算法比原始YOLOv5的平均精確率提升了4.6%，能夠準(zhǔn)確地檢測到車輛圖像的通用屬性，可以供下游任務(wù)使用。

發(fā)表于：2022/7/1 14:25:00

直流微電流測量的研究進(jìn)展[其他][其他]

直流微電流測量技術(shù)廣泛應(yīng)用于核輻射檢測、靜電檢測、空間輻射探測等領(lǐng)域，是一項(xiàng)特色極值量測量技術(shù)，涉及高阻抗運(yùn)放電路設(shè)計(jì)、泄漏電流防護(hù)等多項(xiàng)技術(shù)。直流微電流測量技術(shù)研究主要從電阻式和電容式反饋電路著手，分析測量電路的工作原理和傳遞函數(shù)，重點(diǎn)分析漏電流、熱電勢、運(yùn)算放大器和電阻參數(shù)對測量誤差的影響，推導(dǎo)電路傳遞函數(shù)并仿真分析，最終提出減小各項(xiàng)參數(shù)對測量結(jié)果影響的方案。對近年來國內(nèi)外直流微電流測量的方法進(jìn)行了綜述，分析了電流電壓轉(zhuǎn)換法、電流頻率變換法和調(diào)制解調(diào)放大法。對國內(nèi)外直流微電流測量儀器的現(xiàn)狀進(jìn)行調(diào)查，世界上出現(xiàn)了很多高精度的微弱電流測量儀器，使微弱信號(hào)測量得到很大的提升。

發(fā)表于：2022/7/1 14:20:00