欧美老熟妇欲乱高清视频,午夜久久

云螢火蟲算法改進二維Tsallis熵的醫(yī)學(xué)圖像分割[模擬設(shè)計][醫(yī)療電子]

為提高醫(yī)學(xué)圖像分割的效果，針對二維Tsallis熵閾值法圖像分割效果受參數(shù)q選擇的影響，提出一種基于云模型螢火蟲算法優(yōu)化二維Tsallis熵的醫(yī)學(xué)圖像分割算法。首先，將云模型引入螢火蟲算法，提高螢火蟲算法的收斂速度和尋優(yōu)能力；其次，選擇均勻性測度作為醫(yī)學(xué)圖像分割的評價指標，運用CMFA算法對二維Tsallis熵閾值法參數(shù)q進行自適應(yīng)尋優(yōu)。研究結(jié)果表明，與FA-Tsallis和Tsallis相比較，CMFA-Tsallis的均勻性測度最高，分割出來的結(jié)果邊界清晰，從而證明本算法的有效性。

發(fā)表于：6/15/2020 2:29:00 PM

一種準確測量溫濕度的光纖Bragg光柵傳感器[模擬設(shè)計][工業(yè)自動化]

為了準確測量電梯轎廂內(nèi)溫濕度變化信息，研制了一種結(jié)構(gòu)簡單的光纖Bragg光柵(FBG)溫濕度傳感器。傳感器由光柵長度為20 mm的FBG構(gòu)成，其中光柵長度為12 mm的區(qū)域采用濕腐蝕法腐蝕至7.8 μm，并在其表面涂覆聚酰亞胺濕敏材料，用于響應(yīng)濕度變化信息；未被腐蝕的8 mm光柵用于響應(yīng)溫度變化信息。實驗研究了光纖腐蝕區(qū)域和未腐蝕區(qū)域?qū)貪穸鹊捻憫?yīng)特性，濕敏膜涂覆厚度對光柵腐蝕區(qū)濕度響應(yīng)特性的影響，濕敏涂覆后光柵腐蝕區(qū)對溫度的響應(yīng)特性，以及傳感器對變溫變濕環(huán)境的響應(yīng)特性。實驗結(jié)果表明：當濕敏膜厚度為80 μm時，光柵腐蝕區(qū)對濕度的響應(yīng)靈敏度為17.1 pm/(%RH)；未腐蝕區(qū)域?qū)囟鹊捻憫?yīng)靈敏度為9.9 pm/℃；變溫(30~70 ℃)變濕(20~90%RH)環(huán)境測試時，傳感器能準確測量溫度及濕度。

發(fā)表于：6/15/2020 2:23:00 PM

基于數(shù)據(jù)挖掘的多功能OBD車載終端系統(tǒng)設(shè)計[模擬設(shè)計][工業(yè)自動化]

BD車載終端可實現(xiàn)對車輛運行信息的捕獲，進而實現(xiàn)對車、人、環(huán)境三方面的狀態(tài)監(jiān)測。針對目前OBD產(chǎn)品功能單一的現(xiàn)狀，設(shè)計并開發(fā)了一套多功能OBD車載終端設(shè)備。硬件平臺基于英飛凌公司的XMC4500系列32位高性能處理器，配備了4G通信模塊及WiFi模塊，實現(xiàn)了車輛數(shù)據(jù)上傳與無線網(wǎng)絡(luò)環(huán)境覆蓋。搭載了MPU-9250陀螺儀，實現(xiàn)對車輛的9軸運動檢測，支持SDHC大容量數(shù)據(jù)的讀寫操作。為了增強用戶的體驗，增加了數(shù)字FM音頻模塊及胎壓監(jiān)測模塊，可提高用戶的駕駛感受。該設(shè)計可實現(xiàn)對車輛發(fā)動機參數(shù)的采集與上傳，通過上位機平臺對數(shù)據(jù)的算法計算，能夠?qū)︸{駛行為及UBI保險業(yè)務(wù)提供參考依據(jù)。

發(fā)表于：6/12/2020 10:08:00 AM

基于機器雙目視覺的奶牛體尺參數(shù)的測量應(yīng)用[模擬設(shè)計][工業(yè)自動化]

為解決奶牛養(yǎng)殖過程中人工測量奶牛體尺的繁瑣的問題，減少投入的人力、工作量以及奶牛的應(yīng)激反應(yīng)，提出一種基于機器雙目視覺無應(yīng)激反應(yīng)奶牛體尺數(shù)據(jù)的測量方法。該方法主要包括攝像機的標定、圖像的獲取、圖像的預(yù)處理、奶牛外部輪廓的提取，通過SIFT算法進行奶牛特征點的匹配，通過計算得到的匹配點三維坐標可計算出奶牛的體尺數(shù)。實驗對20頭奶牛進行圖片采集，奶牛體尺的平均誤差小于1.21%。機器視覺技術(shù)應(yīng)用于奶牛畜牧養(yǎng)殖領(lǐng)域，加快了實現(xiàn)奶牛的精細化飼喂養(yǎng)殖。

發(fā)表于：6/12/2020 10:03:00 AM

基于BP神經(jīng)網(wǎng)絡(luò)的超聲測流量系統(tǒng)精度提升[模擬設(shè)計][工業(yè)自動化]

基于超聲波測流量的時差法測量原理，分析了換能器凹凸安裝和安裝位置偏差引起的測量誤差，建立了測流量的系統(tǒng)模型，提出了基于BP神經(jīng)網(wǎng)絡(luò)的流量計算方法以補償測量誤差。以Senscomp Tao2008超聲波探頭為例，在基于神經(jīng)網(wǎng)絡(luò)算法設(shè)計的系統(tǒng)軟硬件中測量流量。從探頭安裝位置偏差、凹凸安裝以及不同流速等方面進行分析，實驗結(jié)果表明，神經(jīng)網(wǎng)絡(luò)比傳統(tǒng)的權(quán)重系統(tǒng)擁有更強的非線性補償能力。

發(fā)表于：6/11/2020 9:42:00 AM

基于全物理模型的模塊級SRAM的SEU仿真方法[電子元件][工業(yè)自動化]

隨著科學(xué)技術(shù)的發(fā)展和工藝尺寸的降低，單元器件的尺寸逐漸減小，使得單粒子電荷共享和單粒子翻轉(zhuǎn)等效應(yīng)日益嚴重，增加了抗輻射加固模塊級SRAM設(shè)計難度，因此需要一套更為完備的仿真方法對模塊級SRAM的單粒子效應(yīng)敏感性進行預(yù)估，為電路加固設(shè)計提供依據(jù)和建議。基于模塊級SRAM的單元結(jié)構(gòu)和電路版圖，利用Cogenda軟件構(gòu)建了模塊級SRAM單粒子翻轉(zhuǎn)效應(yīng)仿真方法，對其敏感性進行分析，獲得其單粒子翻轉(zhuǎn)LET閾值，并與重離子實驗結(jié)果進行對比，仿真誤差為13.3%。

發(fā)表于：6/11/2020 9:36:00 AM

基于InP HBT工藝的50 Gb/s 1:4量化降速電路[模擬設(shè)計][工業(yè)自動化]

基于南京電子器件研究所的0.7 μm InP HBT工藝設(shè)計了一種數(shù)據(jù)轉(zhuǎn)換速率達到50 Gb/s的1:4量化降速芯片。該芯片同時將前端高速高靈敏度比較器與一個1:4分接器集成到單芯片中，能夠直接一次性實現(xiàn)對2～18 GHz帶寬的模擬輸入信號的可靠接收和降速處理，輸入信號靈敏度在芯片最高工作速率下達到1 mV，工作電壓3.3 V，芯片功耗1.5 W，最高數(shù)據(jù)轉(zhuǎn)換速率達到50 Gb/s，輸出數(shù)據(jù)信號與時鐘信號幅值均達到200 mV。

發(fā)表于：6/10/2020 11:38:00 AM

基于STT-MRAM的位邏輯運算方案及靈敏放大器設(shè)計[模擬設(shè)計][工業(yè)自動化]

基于1T1MTJ的自旋轉(zhuǎn)移矩-磁隨機存儲器(STT-MRAM)提出了一種改進型存內(nèi)位邏輯計算方案。該方案通過精簡2T2MTJ存內(nèi)位邏輯運算方案提升了存儲陣列密度，通過互補型讀出電路增加了“與非”和“或非”的運算功能。此外，還通過增加支路電壓穩(wěn)定電路的方法，提出了一種適用于上述方案的改進型高速靈敏放大器。基于中芯國際55 nm LL邏輯工藝的仿真結(jié)果表明，相較于傳統(tǒng)的靈敏放大器，該方案不僅讀取速度提升了33%，在適配大型存儲陣列(CB≥0.8 pF)時還擁有更強的讀取能力與更優(yōu)的功率積(PDP)。

發(fā)表于：6/10/2020 11:30:00 AM

一種高效率的ACBC-C三級運放的設(shè)計[模擬設(shè)計][工業(yè)自動化]

采用TSMC 180 nm的CMOS工藝，設(shè)計實現(xiàn)了一個具有高效率、大的電容負載驅(qū)動能力的三級運算放大器。提出了一種基于共源共柵密勒補償(Cascode Miller Compensation，CMC)和交流升壓補償(AC Boosting Compensation，ACBC)的ACBC-C補償結(jié)構(gòu)，其中，ACBC通過增加一條交流通路的方式提高了GBW以及電容驅(qū)動能力。輸出級采用AB類結(jié)構(gòu)以實現(xiàn)高效率。CMC可以適應(yīng)AB類輸出級結(jié)構(gòu)，在保證線性度的同時實現(xiàn)效率最大化，并且消除密勒電容帶來的零點，更好地對穩(wěn)定性進行補償。電路仿真結(jié)果表明：當設(shè)定相位裕度下限為45°時，最大可承受負載電容約為3 100 pF；當在輸出端接1 000 Ω負載電阻時，電路效率為95.299%。

發(fā)表于：6/9/2020 9:36:00 AM

基于上下文特征與單類支持向量機的人臉活體檢測[模擬設(shè)計][工業(yè)自動化]

非法入侵者通過偽裝人臉欺騙識別系統(tǒng)，給人臉識別應(yīng)用帶來嚴重威脅?，F(xiàn)有人臉活體檢測方法多為在同一數(shù)據(jù)集內(nèi)進行訓(xùn)練和測試，當應(yīng)用在跨數(shù)據(jù)集場景中時效果并不理想。針對這一問題，提出了利用HOG等算法對上下文環(huán)境中的線索信息進行提取，提取出來的特征送入單類支持向量機進行訓(xùn)練、分類。將分類結(jié)果與上下文環(huán)境中異常線索的探測結(jié)果相結(jié)合。算法在公開的數(shù)據(jù)集NUAA和CASIA-FASD上進行了驗證，實驗結(jié)果表明在跨數(shù)據(jù)集檢測時該算法的泛化能力及檢測準確率較已存在算法有所提高。

發(fā)表于：6/9/2020 9:27:00 AM