久久久精品黄色毛片网,久久久久久亚洲AV无码专区

Buck芯片緩沖電路設(shè)計的仿真分析與應(yīng)用[其他][其他]

Buck型變換器的開關(guān)點是外部調(diào)優(yōu)的主要對象，隨著開關(guān)頻率的提高和負載電流的增大，芯片內(nèi)的寄生電感對開關(guān)電壓波形的影響越來越大，外部緩沖電路作為調(diào)整開關(guān)波形的工具起到關(guān)鍵的作用，僅僅依靠經(jīng)驗來設(shè)計外部緩沖電路已經(jīng)無法滿足設(shè)計要求。通過對緩沖電路的工作原理進行分析，結(jié)合仿真結(jié)果和工程實踐，分析緩沖電路的穩(wěn)壓性能和效率損失，可以為外圍緩沖電路的設(shè)計提供一種量化分析方法。

發(fā)表于：9/27/2021 4:11:00 PM

基于DAG-SVMS的非侵入式負荷識別方法[其他][其他]

在供電入口處嵌入非侵入式負荷識別技術(shù)，有利于推動建筑節(jié)能、實現(xiàn)電網(wǎng)負荷預(yù)測、開發(fā)智能樓宇、完善智能電網(wǎng)體系建設(shè)。據(jù)此，提出一種基于有向無環(huán)圖支持向量機(Directed Acyclic Graph Support Vector Machines，DAG-SVMS)的負荷辨識方法。首先，對總線電流信號進行事件檢測，檢測到暫態(tài)事件后，分離目標負荷暫態(tài)電流波形，提取特征，然后，將特征輸入預(yù)先訓(xùn)練好的DAG-SVMS模型進行分類識別。為提升分類器性能，使用粒子群優(yōu)化PSO(Particle Swarm Optimization)算法優(yōu)化DAG-SVMS分類器的參數(shù)。為減小累積誤差，提出Gini指數(shù)優(yōu)化DAG-SVMS節(jié)點順序的策略。實驗結(jié)果表明，文中方法識別準確率高，識別速度快，具有可行性。

發(fā)表于：9/27/2021 4:06:00 PM

兼容多種WiFi協(xié)議的數(shù)字射頻前端設(shè)計[通信與網(wǎng)絡(luò)][5G]

介紹了一種可用于集成電路實現(xiàn)的WiFi數(shù)字射頻前端架構(gòu)，兼容802.11a/b/g/n/ac/ax協(xié)議，可工作在2.4 GHz和5 GHz信道下。配合模擬接收電路和解調(diào)器，實現(xiàn)了不同WiFi信號類型的自動增益鎖定、報文類型區(qū)分、頻譜搬移和重采樣、鄰道干擾抑制等功能。

發(fā)表于：9/27/2021 4:01:00 PM

基于Mini51的BLDCM無位置傳感器控制[其他][其他]

將新唐的Mini52(Mini51系列)單片機作為主控芯片，通過利用Mini51系列單片機自身可輸出的的6路PWM信號的性能，利用采樣電阻來采集端電壓從而得到直流母線的電流，利用反電動勢過零點法(EMF)來控制電機，實現(xiàn)直流無刷電機(BLDCM)無位置傳感器的雙閉環(huán)控制，利用串口通信來完成對無刷直流電機的伺服系統(tǒng)，進行了測試。測試結(jié)果表明，Mini51系列單片機可以對高速串口通信實時響應(yīng)且此伺服系統(tǒng)具有良好的速度可控性，能夠滿足現(xiàn)代工業(yè)生產(chǎn)實時控制的需求。

發(fā)表于：9/27/2021 3:54:00 PM

氣體鉆井微波傳輸隨鉆監(jiān)測系統(tǒng)軟件設(shè)計[其他][其他]

國內(nèi)氣體鉆井施工過程已開始采用微波中繼傳輸?shù)姆绞綐?gòu)建隨鉆監(jiān)控系統(tǒng)，但目前在該施工條件下應(yīng)用的配套隨鉆監(jiān)控軟件不成熟，數(shù)據(jù)解析時間長，測傳速率低且無信道監(jiān)管功能，制約了氣體鉆井的發(fā)展。針對氣體現(xiàn)場實際需要，采用事件驅(qū)動軟件架構(gòu)開發(fā)配套隨鉆監(jiān)測軟件，將氣體鉆井施工過程中各工程參數(shù)以曲線、數(shù)值、刻度等多種方式進行人機交互，并能對井筒內(nèi)微波信道進行監(jiān)管，為氣體鉆井隨鉆實時監(jiān)控及鉆后分析研究提供了軟件支撐。并且該軟件的應(yīng)用大幅提升監(jiān)測系統(tǒng)測傳速率，其最大測傳速率達到1.194 kb/s，信道監(jiān)管功能的引入可增加入井微波中繼器的數(shù)量，使測傳深度突破3 000 m，基本滿足目前氣體鉆井隨鉆監(jiān)測的需要。

發(fā)表于：9/27/2021 3:49:00 PM

基于電子鼻傳感器性能的互信息特征選擇算法[其他][其他]

當(dāng)前的互信息特征選擇算法為提高泛化性能而未對專一應(yīng)用領(lǐng)域進行優(yōu)化，電子鼻傳感器陣列優(yōu)化作為一類特殊的特征選擇問題，使用傳統(tǒng)算法難以搜索出最優(yōu)的特征子集。結(jié)合氣體傳感器陣列特殊的冗余性和特有的敏感性，提出了一種基于電子鼻傳感器性能的互信息特征選擇算法并對陣列進行優(yōu)化，通過兩種不同的電子鼻公開數(shù)據(jù)集驗證了傳感器特性對識別精度的影響，證明了所提出算法的有效性。

發(fā)表于：9/27/2021 3:43:00 PM

基于優(yōu)化多視角圖像采集的點云分類[其他][其他]

基于二維多視角3D識別方法中，可使用多個2D投影圖表示三維模型特征信息，但不同視角投影圖像的特征不同，神經(jīng)網(wǎng)絡(luò)對其學(xué)習(xí)效率也有所差異。卷積神經(jīng)網(wǎng)絡(luò)能夠映射圖像的特征，可用此方法分析這個問題?；旌弦暯菙?shù)據(jù)集分析不同視角投影特征在卷積神經(jīng)網(wǎng)絡(luò)中的重要性，根據(jù)重要性的不同優(yōu)化混合視角數(shù)據(jù)集的采集密度。最終實驗結(jié)果表明，不同視角產(chǎn)生的二維圖像分類準確率不一樣，其中俯視角度投影的分類準確率最差，優(yōu)化后的數(shù)據(jù)集在相同神經(jīng)網(wǎng)絡(luò)模型下達到了最優(yōu)分類準確率。

發(fā)表于：9/27/2021 3:37:00 PM

云數(shù)據(jù)中心基于皮爾遜相關(guān)系數(shù)的虛擬機選擇策略[其他][其他]

提出了云數(shù)據(jù)中心基于皮爾遜相關(guān)系數(shù)的虛擬機選擇策略(Pearson Correlation coefficient Virtual Machine Selection，PC-VMS)。PC-VMS把統(tǒng)計學(xué)中的皮爾遜相關(guān)系數(shù)應(yīng)用于虛擬機CPU歷史利用率數(shù)據(jù)，建立了衡量每對虛擬機CPU利用率之間的相關(guān)性的數(shù)學(xué)模型；PC-VMS會獲取每對虛擬機最近n次的CPU利用率，根據(jù)輸入的兩組數(shù)據(jù)來計算皮爾遜相關(guān)系數(shù)，最后在一組相關(guān)性最高的虛擬機中選擇一個CPU利用率最高的進行遷移，隨后結(jié)合虛擬機放置策略分配到新的目標物理主機上。仿真結(jié)果表明，PC-VMS與CloudSim4.0內(nèi)置的虛擬機選擇策略相比，各類性能指標都有改善，PC-VMS可以為企業(yè)節(jié)能云數(shù)據(jù)中心的構(gòu)造提供參考。

發(fā)表于：9/27/2021 3:30:00 PM

基于非正交波形的超奈奎斯特采樣[其他][其他]

針對超奈奎斯特(Faster-than-Nyquist，F(xiàn)TN)系統(tǒng)，提出了基于非正交波形編碼的超奈奎斯特采樣，并與傳統(tǒng)的正交波形FTN和傳統(tǒng)的正交Nyquist系統(tǒng)進行了對比分析。在99.99%的功率帶寬和5次迭代檢測譯碼的條件下，仿真結(jié)果表明：相比于升余弦的正交波形FTN系統(tǒng)，基于高斯和擴展高斯(Extended Gaussian Functions，EGF)脈沖成形的非正交波形FTN系統(tǒng)可以獲得4.4 dB的成形增益，同時由于良好的時頻聚焦特性，其均衡復(fù)雜度只是升余弦的1/16。

發(fā)表于：9/27/2021 3:24:00 PM

5G公網(wǎng)與專網(wǎng)融合場景的關(guān)鍵技術(shù)研究[通信與網(wǎng)絡(luò)][5G]

介紹了3GPP R16標準中提出的非公共網(wǎng)絡(luò)技術(shù)(Non -Public Network，NPN)的兩種組網(wǎng)方式和應(yīng)用現(xiàn)狀，分析了企業(yè)對5G專網(wǎng)的需求以及公專融合的趨勢。結(jié)合NPN與公共陸地移動網(wǎng)(Public Land Mobile Network，PLMN)部署的關(guān)系，提出了兩種典型的5G公網(wǎng)和專網(wǎng)融合部署模式：連續(xù)模式、重疊模式。并針對兩種模式下需要重點解決的業(yè)務(wù)連續(xù)性和并發(fā)連接問題，介紹了3GPP R17標準中提出的兩種技術(shù)方案。

發(fā)表于：9/27/2021 3:19:00 PM