123,123,123

高穩(wěn)定性光纖激光器恒流驅(qū)動系統(tǒng)設計與實現(xiàn)[模擬設計][工業(yè)自動化]

光纖激光器波長和輸出功率的穩(wěn)定性易受泵浦源驅(qū)動電流波動的影響，為應對該問題，設計了一款高精度、高穩(wěn)定性恒流驅(qū)動系統(tǒng)。恒流源部分采用閉環(huán)負反饋原理，通過金屬氧化物半導體場效應晶體管（MOSFET）來控制恒流輸出，實現(xiàn)了對半導體激光器（LD）驅(qū)動電流的精準控制；限流保護電路利用二極管的限幅作用使LD免受過電流沖擊的影響，電流緩慢啟動采用軟件控制的方法確保LD免受浪涌電流損害；光功率探測電路采用ADA4530芯片，確保在極低光照水平下也可精準探測到功率輸出。實驗結果表明，該電路可實現(xiàn)驅(qū)動電流在0~1.2 A連續(xù)可調(diào)，電流短期（120 min）和長期（24 h）穩(wěn)定性分別為±0.001 mA和±0.002 mA；激光器中心波長波動不超過±0.03 nm，輸出功率的穩(wěn)定度不超過0.084 3%，精度小于±0.15 mW。

發(fā)表于：4/21/2025 5:21:00 PM

基于多線縫隙耦合的Ka波段薄膜功分器設計[微波|射頻][工業(yè)自動化]

傳統(tǒng)的功分器結構由于高頻串擾明顯、阻抗變換線體積大等原因，難以滿足微波系統(tǒng)高頻率、小型化的需求。為此，提出一種基于多線縫隙耦合結構的Ka波段功分器。從電路拓撲出發(fā)，對該器件進行了電路設計、建模仿真與實驗驗證。測試結果表明，該器件具備良好的高頻性能，且表現(xiàn)出通帶兩側具有傳輸零點的濾波響應，實現(xiàn)了多線縫隙耦合的薄膜功分器設計。

發(fā)表于：4/21/2025 5:10:51 PM

T型柵GaN HEMT微波器件ESD特性研究[模擬設計][工業(yè)自動化]

對Si基GaN HEMT器件在ESD事件下的失效機理與影響因素進行了研究。探究了器件在不同偏置下的失效電壓分布情況，并結合微光顯微鏡定位了引起器件退化的異常點，進行了對應的微區(qū)分析。另外，還探究了T型柵幾何尺寸如柵腳、柵帽寬度與總柵寬等工藝參數(shù)對器件抗靜電能力的影響并進行相關機理分析，為器件ESD性能、可靠性的優(yōu)化提供了方向與參考。

發(fā)表于：4/21/2025 4:59:39 PM

器件級帶電器件模型靜電放電測試標準分析及應用[模擬設計][工業(yè)自動化]

針對器件級帶電器件模型（CDM）靜電放電國內(nèi)外主要測試標準進行了整理、分析與解讀。梳理了各標準之間的差異性和關聯(lián)性，明確了各標準的應用范圍與技術要點。深入研究了影響器件級帶電器件模型（CDM）靜電放電測試結果的因素與控制方法，提出了在標準應用過程中保障結果一致性和準確性的相關技術技巧，為器件級帶電器件模型（CDM）測試標準的選擇、測試和工程應用提供了指導。

發(fā)表于：4/21/2025 4:50:39 PM

基于改進U-Net的瀝青拌合站混合料裝車語義分割[人工智能][其他]

針對現(xiàn)有的瀝青拌合站混合料裝車語義分割方法平均交并比（Mean Intersection over Union，mIoU）值較低、檢測速度較慢等問題，提出一種輕量化網(wǎng)絡RCS-UNet對瀝青拌合站混合料裝車狀態(tài)進行語義分割。首先在U-Net網(wǎng)絡中加入殘差連接以緩解梯度消失的問題，使網(wǎng)絡在訓練過程中更加穩(wěn)定，提高模型的收斂速度和泛化能力；其次加入坐標注意力（Coordinate Attention，CA）機制，增強位置與通道的信息感知，提高模型的特征提取能力，使模型更加關注圖像中的重要區(qū)域；最后將U-Net網(wǎng)絡中的標準卷積修改為深度可分離卷積，以減小模型的體積和參數(shù)量，使得模型在保持較高性能的同時，具有更低的資源消耗和更快的推理速度。實驗結果表明，改進模型的準確率、mIoU值以及FPS值分別為99.20%、98.41%和22.98，與經(jīng)典模型和當前先進模型相比三個指標均為最高，取得了最優(yōu)的語義分割效果。

發(fā)表于：4/21/2025 4:39:16 PM

基于SAM和pix2pix的商品數(shù)據(jù)集生成網(wǎng)絡[人工智能][消費電子]

針對商品包裝快速變換帶來的商品數(shù)據(jù)集采集和標注過程繁瑣的問題，設計了一種基于SAM和pix2pix的商品數(shù)據(jù)集生成網(wǎng)絡。該網(wǎng)絡以單個商品多角度圖像作為輸入，生成與實際結算場景相近似的數(shù)據(jù)集。在RPC大型商品數(shù)據(jù)集上進行數(shù)據(jù)集生成，在YOLOv7、Fast R-CNN、AlexNet三種目標檢測網(wǎng)絡上驗證生成數(shù)據(jù)集對目標檢測效果的提升。實驗結果表明，生成數(shù)據(jù)集融合到原數(shù)據(jù)集后用于訓練模型能夠有效提升商品識別準確率，并且與真實數(shù)據(jù)集相比具有較好的替代性。相較于原數(shù)據(jù)集，融合生成數(shù)據(jù)集三個網(wǎng)絡上識別精度分別提升7.3%、4.9%、7.8%。通過該方法，顯著提高了模型訓練的效率與實用性，減輕傳統(tǒng)商品數(shù)據(jù)集采集與標注所需的人力物力投入。

發(fā)表于：4/21/2025 4:30:15 PM

一種基于改進的生成式對抗網(wǎng)絡的完整12導聯(lián)心電圖重構方法[人工智能][醫(yī)療電子]

心電圖（ECG）是評估心臟健康的重要工具。隨著科技的進步，越來越多的智能設備被開發(fā)用于監(jiān)測心電信號。然而，由于便攜性的要求，這些智能設備通常只能測量有限導聯(lián)數(shù)量的心電信號，這可能會影響心臟疾病診斷的準確性。為了解決這一問題，提出了一種基于生成對抗網(wǎng)絡（GAN）的模型。該模型融合了Transformer和U-Net結構，能夠從單一導聯(lián)的心電信號重建完整的12導聯(lián)心電信號，從而提高便攜式智能設備的診斷性能。在PTB-XL和紹興人民醫(yī)院12導聯(lián)心電信號數(shù)據(jù)集上對提出的模型進行了評估，并將其與幾種先進的方法進行了比較。相關代碼全部上傳至https：//github.com/Chaoquan-123/12-lead-ECG-reconstruction。

發(fā)表于：4/21/2025 4:19:13 PM

航空兵場站信息保障體系發(fā)展研究[通信與網(wǎng)絡][通信網(wǎng)絡]

場站作為航空兵部隊訓練保障基地，為任務單位飛行和裝備維修進行組織指揮和專業(yè)勤務工作。飛行任務全過程通信導航保障是場站信息通信保障的中心工作，信息通信發(fā)展更新速度不斷加快，面臨的新問題急需解決。為了更好適應當前信息通信體系建設的發(fā)展，通過研究網(wǎng)絡信息一體化建設，采取仿真計算模型，得到了實現(xiàn)場站高效通信導航保障、控制方式全面的系統(tǒng)發(fā)展思路。該研究為適應信息化條件下的航空兵導航保障體制、提高體系信息保障能力，奠定了扎實的理論基礎。

發(fā)表于：4/21/2025 4:10:11 PM

機器學習在惡意加密流量檢測中的應用及研究[人工智能][信息安全]

隨著加密通信的普及，惡意攻擊者利用加密流量隱藏活動，傳統(tǒng)基于簽名和規(guī)則的檢測方法面臨挑戰(zhàn)。機器學習為惡意加密流量檢測提供了新解決方案。綜述了監(jiān)督學習、非監(jiān)督學習、深度學習和集成學習在該領域的應用。監(jiān)督學習通過標記數(shù)據(jù)識別已知攻擊，非監(jiān)督學習在未標記數(shù)據(jù)中發(fā)現(xiàn)新型攻擊模式，深度學習提升了在大數(shù)據(jù)環(huán)境中的特征提取能力，而集成學習則通過模型融合增強系統(tǒng)魯棒性。研究表明，機器學習顯著提高了惡意行為識別的準確性，特別是在復雜數(shù)據(jù)特征提取和新攻擊模式發(fā)現(xiàn)方面。

發(fā)表于：4/21/2025 4:01:10 PM

自動化決策算法中的個人信息侵權因果關系認定[其他][信息安全]

自動化決策算法與傳統(tǒng)侵權法體系之間存在適用上的矛盾，亟須通過因果關系的認定予以化解。對此，應在堅持傳統(tǒng)的因果關系構成要件認定標準基礎上，結合比例因果關系理論，對各因素在損害結果中的貢獻進行量化分析。針對單一信息處理者場景，可以在疑難案件中引入“合理蓋然性”標準降低受害人舉證難度；對于多主體參與的情形，通過類推適用共同危險行為制度實現(xiàn)舉證責任倒置，但需以整體行為與損害的因果關系證成為前提。此法律框架有助于在多方數(shù)據(jù)處理和信息流轉背景下，更有效地解決技術復雜性帶來的法律挑戰(zhàn)，推動信息保護與技術發(fā)展的平衡。

發(fā)表于：4/1/2025 5:29:01 PM