在线观看欧美亚洲日本专区 ,99香蕉国产精品偷在线观看

面向OSD語言檢測(cè)對(duì)照表的匹配定位算法[其他][其他]

OSD語言自動(dòng)化檢測(cè)系統(tǒng)需要將識(shí)別輸出與標(biāo)準(zhǔn)對(duì)照表進(jìn)行比對(duì)來確定最終結(jié)果，關(guān)鍵就在于能否實(shí)現(xiàn)精確匹配定位。因此，對(duì)經(jīng)典的單模式匹配BM算法和多模式匹配AC算法分析研究，結(jié)合Excel表的編碼方式和特點(diǎn)，提出了一種針對(duì)Excel表的精準(zhǔn)匹配定位算法。該算法利用Excel表成行成列的使用特點(diǎn)，將表格單列內(nèi)容以三行并一組方式組合，根據(jù)三行總字?jǐn)?shù)N和中間行字?jǐn)?shù)M進(jìn)行分類，利用單模式匹配方法進(jìn)行匹配定位。分析驗(yàn)證表明，該算法相對(duì)于BM算法、AC算法匹配次數(shù)更少，定位精確度更高。

發(fā)表于：8/31/2021 2:53:00 PM

基于證據(jù)理論的特征值之比協(xié)作頻譜感知算法[其他][其他]

針對(duì)單節(jié)點(diǎn)頻譜感知容易受到多徑效應(yīng)、隱蔽終端、路徑損耗等因素影響，提出了一種基于證據(jù)理論的特征值之比協(xié)作頻譜感知算法。該算法以特征值之比檢測(cè)法作為本地感知結(jié)果，通過基礎(chǔ)概率分配(BPA)函數(shù)計(jì)算出可信度發(fā)送給融合中心，融合中心根據(jù)D-S證據(jù)理論融合規(guī)則進(jìn)行數(shù)據(jù)融合與判決。仿真結(jié)果表明,該算法對(duì)比于相關(guān)算法，在一定程度上抵抗惡意攻擊性能，具有較高的安全性，在低信噪比的環(huán)境下或者虛警概率高于0.6的環(huán)境下時(shí)，該算法的檢測(cè)概率更加突出，并且該算法還具有較高能效。

發(fā)表于：8/31/2021 2:48:00 PM

基于單因素方差分析的密碼算法統(tǒng)計(jì)檢驗(yàn)[其他][其他]

在密碼學(xué)范疇中，隨機(jī)序列常作為密鑰、初始向量或算法參數(shù)使用。隨機(jī)序列的隨機(jī)性最終決定了整個(gè)密碼系統(tǒng)的安全性，因此在密碼技術(shù)中占有重要位置。對(duì)于良好的密碼算法產(chǎn)生的密文序列，應(yīng)無法通過統(tǒng)計(jì)學(xué)方法進(jìn)行區(qū)分。首先對(duì)7種經(jīng)典密碼算法生成的密文序列進(jìn)行NIST隨機(jī)性檢驗(yàn)，統(tǒng)計(jì)失敗次數(shù)；然后關(guān)于密碼算法進(jìn)行單因素方差分析，檢驗(yàn)結(jié)果在統(tǒng)計(jì)學(xué)上無顯著差異。此統(tǒng)計(jì)檢驗(yàn)可作為評(píng)價(jià)密碼算法好壞的指標(biāo)之一。

發(fā)表于：8/31/2021 2:43:00 PM

基于無線通信的智能家居設(shè)計(jì)[通信與網(wǎng)絡(luò)][物聯(lián)網(wǎng)]

隨著科技的迅速發(fā)展以及物聯(lián)網(wǎng)時(shí)代的到來，人們對(duì)居住的環(huán)境也有了更高要求，智能家居技術(shù)日新月異。提出一款結(jié)合STM32開發(fā)平臺(tái)和中國(guó)移動(dòng)云平臺(tái)的無線通信智能家居設(shè)計(jì)，相比傳統(tǒng)智能家居，本設(shè)計(jì)采用串口、Wi-Fi相結(jié)合的方式，擺脫了有線傳輸?shù)膹?fù)雜性，通過MATLAB對(duì)監(jiān)控到的數(shù)據(jù)采用歸一化算法分析，用戶可通過云平臺(tái)實(shí)時(shí)監(jiān)控傳感信息，實(shí)現(xiàn)對(duì)家庭設(shè)備的智能控制。

發(fā)表于：8/31/2021 2:37:00 PM

基于平移窗運(yùn)動(dòng)想象腦電信號(hào)活動(dòng)段提取[其他][其他]

為了迅速、準(zhǔn)確地識(shí)別運(yùn)動(dòng)想象的腦電信號(hào)，提出了一種基于平移窗的運(yùn)動(dòng)想象腦電信號(hào)活動(dòng)段提取方法。該方法對(duì)運(yùn)動(dòng)想象腦電信號(hào)Mu/Beta節(jié)律的事件相關(guān)同步化/去同步化(ERS/ERD)特征進(jìn)行檢測(cè)，提取ERS/ERD特征明顯的時(shí)段；再利用統(tǒng)計(jì)量進(jìn)行特征提取，通過Classify分類器進(jìn)行信號(hào)分類。利用2003年BCI競(jìng)賽data set Ⅲ進(jìn)行測(cè)試，分類準(zhǔn)確率達(dá)到83.571 4%。該方法可以評(píng)價(jià)受試者的腦活動(dòng)狀態(tài)，提高運(yùn)動(dòng)想象腦電信號(hào)的識(shí)別準(zhǔn)確率，對(duì)腦-機(jī)接口實(shí)時(shí)控制系統(tǒng)的研究有一定的幫助。

發(fā)表于：8/31/2021 2:31:00 PM

低噪聲低功耗3階復(fù)數(shù)濾波器的設(shè)計(jì)[其他][其他]

采用UMC 40 nm CMOS工藝，設(shè)計(jì)了一款低噪聲低功耗的3階復(fù)數(shù)濾波器。利用FLFB(Follow-the-Leader-Feedback)結(jié)構(gòu)良好的噪聲特性，并以勞斯-霍爾維茨穩(wěn)定性判據(jù)為理論依據(jù)，采用相位裕度僅為36.8°的運(yùn)放，達(dá)到低噪聲低功耗的優(yōu)化目的。仿真結(jié)果表明：濾波器的帶寬可調(diào)范圍為0.98～1.92 MHz，中心頻率0.68～1.34 MHz可調(diào)，通帶內(nèi)噪聲90.6 μV，無雜散動(dòng)態(tài)范圍73.7 dB，鏡像抑制比28.4 dB，此時(shí)總功耗為1.33 mW。

發(fā)表于：8/31/2021 2:26:00 PM

一種帶有DAC失配整形的高精度Sigma-Delta調(diào)制器[其他][其他]

為減小生理信號(hào)采集應(yīng)用中儀表放大器的設(shè)計(jì)難度，需在低功耗、小信號(hào)帶寬的前提下大幅度提高模數(shù)轉(zhuǎn)換單元的精度和動(dòng)態(tài)范圍以作補(bǔ)償。為此，面向生理信號(hào)采集應(yīng)用，實(shí)現(xiàn)了一種帶前饋結(jié)構(gòu)的高精度三階五比特Sigma-Delta調(diào)制器，其不需要復(fù)雜的OTA結(jié)構(gòu)和過高的過采樣率，且功耗較低，并將二階噪聲整形動(dòng)態(tài)元件匹配方案應(yīng)用于DAC中，以避免多比特量化造成的非線性諧波失真。該Sigma-Delta調(diào)制器采用SMIC 0.18 μm CMOS標(biāo)準(zhǔn)工藝，在1 MHz的采樣率，1 kHz的信號(hào)帶寬內(nèi)，峰值SNDR達(dá)到111 dB，動(dòng)態(tài)范圍達(dá)到120 dB，有效位數(shù)達(dá)到18 bit，工作電源電壓為1.8 V，整體功耗為0.87 mW。

發(fā)表于：8/31/2021 2:21:00 PM

基于背景直方圖的Staple目標(biāo)跟蹤算法[其他][其他]

針對(duì)Staple算法在由于相機(jī)運(yùn)動(dòng)出現(xiàn)模糊情況下跟蹤精度下降的問題，提出一種基于背景權(quán)重直方圖的改進(jìn)Staple目標(biāo)跟蹤算法。首先，針對(duì)傳統(tǒng)顏色直方圖忽略空間性的問題，提出對(duì)直方圖引入位置權(quán)重；其次，利用背景區(qū)域顏色直方圖抑制背景信息對(duì)目標(biāo)區(qū)域直方圖的影響，提出引入背景權(quán)重直方圖，并完成直方圖分類器的構(gòu)建。該算法在OTB2015測(cè)試集上與其他5個(gè)先進(jìn)算法進(jìn)行實(shí)驗(yàn)比較，結(jié)果表明在距離精度和成功率上總體效果相對(duì)Staple分別提升了3.7%和2%。

發(fā)表于：8/31/2021 2:15:00 PM

基于CNN-LSTM的支撐電容容值軟測(cè)量[其他][其他]

實(shí)時(shí)監(jiān)測(cè)功率變流器中支撐電容的老化狀態(tài)，及時(shí)發(fā)現(xiàn)并更換存在缺陷的電容，對(duì)提高功率變換器的可靠性具有重要意義?；谙嚓P(guān)電壓電流數(shù)據(jù)，通過建立數(shù)據(jù)集，確定網(wǎng)絡(luò)模型參數(shù)和模型訓(xùn)練，最終得到基于CNN-LSTM的神經(jīng)網(wǎng)絡(luò)模型，并通過不同工況下的數(shù)據(jù)集對(duì)神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確性進(jìn)行了驗(yàn)證。結(jié)果表明，該模型可對(duì)電容容值進(jìn)行可靠預(yù)測(cè)。

發(fā)表于：8/31/2021 2:10:00 PM

意圖網(wǎng)絡(luò)研究綜述[其他][其他]

為應(yīng)對(duì)快速變化的業(yè)務(wù)和用戶需求，業(yè)界提出了意圖網(wǎng)絡(luò)。意圖網(wǎng)絡(luò)使用自然語言直接描述“業(yè)務(wù)意圖”并將其自動(dòng)轉(zhuǎn)譯為網(wǎng)絡(luò)可執(zhí)行的策略及操作，從而降低了網(wǎng)絡(luò)管理的復(fù)雜性，大幅提高了運(yùn)維效率，也很大程度上節(jié)省了人工。廣泛和深入地調(diào)研了意圖相關(guān)的項(xiàng)目和研究，介紹了意圖的概念和描述、意圖的北向接口、意圖和策略的關(guān)系以及具有代表性的意圖網(wǎng)絡(luò)框架，并討論了意圖網(wǎng)絡(luò)部署和應(yīng)用所面臨的主要挑戰(zhàn)，旨在為讀者研究意圖網(wǎng)絡(luò)提供一個(gè)綜合視圖。

發(fā)表于：8/31/2021 2:05:00 PM