亞洲三級免費,18岁以下禁止下载的软件,制服丝袜影音先锋

基于聚類的HTTP/HTTPS協(xié)議資產(chǎn)發(fā)現(xiàn)[通信與網(wǎng)絡][其他]

發(fā)表于：2025/11/14 14:16:32

基于邊緣算力和改進YOLOv10算法的智能垃圾分類系統(tǒng)[人工智能][其他]

為充分發(fā)揮邊緣算力，實現(xiàn)實時、高效的垃圾識別與檢測，提出了一種輕量化垃圾檢測模型。模型使用ShuffleNetv2作為特征提取網(wǎng)絡，通過通道重排和深度可分離卷積減少計算復雜度，同時保留重要信息。并采用Ghost網(wǎng)絡改進C3模塊，以降低計算負擔提高融合效率。為進一步減小模型參數(shù)量，通過減少模型深度優(yōu)化計算效率。設計了基于累積投票的垃圾分類機制，當垃圾類型識別次數(shù)達到設定閾值時進行分類，并通過串口傳輸結果與控制系統(tǒng)聯(lián)動。實驗結果表明，改進后的模型減少內(nèi)存占用71.4%，精度損失僅為0.16%，推理速度加快，能耗顯著降低，確保分類結果高效傳輸。

發(fā)表于：2025/11/14 13:50:32

面向空間應用的UBP-LKH樹組播密鑰管理方案研究[通信與網(wǎng)絡][信息安全]

隨著空間信息技術的快速發(fā)展，組播通信需求逐步向衛(wèi)星網(wǎng)絡延伸，然而傳統(tǒng)基于地面設備的組播密鑰管理方案在星載環(huán)境中面臨性能瓶頸與安全隱患。針對衛(wèi)星節(jié)點計算資源受限的特性，提出基于邏輯密鑰（Logical Key Hierarchy，LKH）樹結構調(diào)整的無索引的B+LKH（Unsearchable Balance Plus Logical Key Hierarchy，UBP-LKH）樹方案：通過設計雙閾值觸發(fā)機制，利用組播密鑰管理系統(tǒng)（Multicast Key Management System， MKMS）的計算資源空閑時段實施下限重構（樹壓縮）與上限重構（樹擴展），動態(tài)優(yōu)化密鑰樹層級結構以降低加密次數(shù)。實驗表明，在中小型組播規(guī)模（5~127個節(jié)點）下，該方案較經(jīng)典LKH樹有最多20%的加密效率提升，且優(yōu)化幅度隨樹高與成員個數(shù)呈負相關。該研究為星載環(huán)境提供了可擴展的組播密鑰管理模式，兼具資源適配性與實際應用價值。

發(fā)表于：2025/11/14 13:39:33

基于DSP的實時姿態(tài)感知系統(tǒng)設計[模擬設計][工業(yè)自動化]

提出一種基于TMS320F28375S數(shù)字信號處理器（DSP）的高精度實時姿態(tài)測量系統(tǒng)，通過融合三軸磁通門傳感器與微機電系統(tǒng)（MEMS）加速度計的六軸慣性數(shù)據(jù)，結合自適應卡爾曼濾波算法，實現(xiàn)俯仰角±0.1 °、航向角±0.5°的高精度測量。系統(tǒng)采用Δ-Σ型模數(shù)轉換器（ADS131M04）實現(xiàn)128 kSPS同步采樣率，并利用DSP內(nèi)置的三角函數(shù)加速單元（TMU）將姿態(tài)解算周期壓縮至0.8 ms。實驗結果表明，在模擬動態(tài)干擾環(huán)境下，系統(tǒng)姿態(tài)更新率達1kHz，功耗低于1.5 W，顯著優(yōu)于傳統(tǒng)方案，滿足無人機、自動導引車（AGV）等移動平臺的實時控制需求。

發(fā)表于：2025/11/13 17:31:51

基于三階角度觀測器的旋變軟解碼系統(tǒng)設計[模擬設計][汽車電子]

新能源汽車電驅系統(tǒng)通常使用旋轉變壓器獲取電機轉子位置，但其電路復雜且芯片昂貴，成本昂貴。傳統(tǒng)二階鎖相環(huán)在對轉子加速跟蹤時存在穩(wěn)態(tài)誤差，實際工況中常有輸入的正余弦一相丟失導致軟解碼發(fā)生旋變故障。對此提出一種基于三階角度觀測器的角度觀測器來提高位置解碼精度，同時采用鎖相環(huán)算法跟蹤解碼故障時的剩余信號，恢復丟失信號完成故障后的解碼。最后通過MATLAB仿真證明了算法的可行性和有效性。采用英飛凌TC387的DSADC模塊進行實際實驗驗證解碼效果，結果表明該系統(tǒng)對加速度達到穩(wěn)定跟蹤，同時在某相信號缺失后可保持良好的解碼效果。

發(fā)表于：2025/11/13 16:31:51

一種基于片上變壓器隔離的高CMTI編解碼電路[模擬設計][汽車電子]

隨著第三代寬禁帶半導體材料的發(fā)展，GaN和SiC等新型功率開關管得到了廣泛的應用，新型功率管較快的開關速度使得驅動器開關的瞬態(tài)電壓dV/dt最高至200 V/ns，造成功率管的誤開啟。為提高隔離驅動的共模瞬變抗擾度（Common Mode Transient Immunity，CMTI），設計了一種結構簡單的高CMTI的編解碼電路，采用OOK（On-Off Krying）調(diào)制結構，編碼電路采用負跨導振蕩器結構將信號的高電位編碼為差分振蕩信號，解碼電路采用共模點提升電路將差分信號的共模點穩(wěn)定在VDD/2，僅通過比較器就可將輸入信號還原。仿真結果表明，該編解碼電路輸入信號的速度可達143 Mb/s，差分振蕩信號頻率為644 MHz，典型傳輸延時為1.2 ns，應用在某款隔離驅動芯片中，經(jīng)過實測CMTI最高可達400 V/ns。

發(fā)表于：2025/11/13 16:14:11

一種應用于GNSS射頻接收機的高增益、低噪聲LNA+Mixer[微波|射頻][航空航天]

提出了一種基于標準0.18 μm 互補金屬氧化物半導體（Complementary Metal Oxide Semiconductor， CMOS）工藝的射頻前端集成電路設計方案，針對全球定位系統(tǒng)（Global Positioning System， GPS）L1和北斗B1雙模導航系統(tǒng)的應用需求，提升了低噪聲放大器（Low-Noise Amplifier， LNA）與下變頻混頻器的關鍵性能指標。在電路架構方面，針對低噪聲放大器，創(chuàng)新性地采用感應源退化技術，通過外部電容與柵源電容并聯(lián)有效降低了噪聲系數(shù)；而對于下變頻混頻器模塊，則選用了具有結構優(yōu)勢的無源單平衡拓撲，在保證轉換增益的同時顯著改善了線性度指標并降低了1/f噪聲干擾。測試結果顯示，該方案在1.8 V電壓下實現(xiàn)60 dB鏈路增益和2 dB噪聲系數(shù)，整體功耗僅22 mW。系統(tǒng)集成測試中，當輸入功率為-100 dBm時，輸出中頻功率達3.15 dBm。

發(fā)表于：2025/11/13 16:05:00

基于Crossbar多端口緩存共享的交換架構設計[模擬設計][通信網(wǎng)絡]

隨著網(wǎng)絡的不斷發(fā)展，數(shù)據(jù)帶寬不斷提升，對網(wǎng)絡設備中交換容量、轉發(fā)延遲、內(nèi)存利用率等關鍵指標提出了更高的要求。采用基于Crossbar多端口緩存共享的交換架構，實現(xiàn)報文的存儲、調(diào)度、排序和轉發(fā)。采用共享緩存架構并使用描述符定義數(shù)據(jù)包，實現(xiàn)了多端口下多個隊列的共享隊列緩存，每端口支持 8 個優(yōu)先級隊列，實現(xiàn)有序的調(diào)度，減少多隊列的阻塞問題。在多SRAM的緩存管理中采用分頁式鏈表的方法，實現(xiàn)了動態(tài)共享緩存，提高數(shù)據(jù)存取效率、降低轉發(fā)延遲?；赬ilinx公司的XCZU3EG驗證平臺上完成了FPGA原型驗證，完成了多端口結構的功能驗證和性能測試，平均端口速率達6.08 Gb/s，實現(xiàn)交換延遲可控。

發(fā)表于：2025/11/13 15:55:00

融合多模態(tài)分組特征處理模塊的腦腫瘤分割方法[人工智能][醫(yī)療電子]

當前腦部腫瘤分割模型大多在通道維度上簡單拼接多模態(tài)MRI圖像，未充分利用其多模態(tài)信息。為此，基于3D UX-Net，提出融合多模態(tài)分組特征處理模塊的MGF-UX Net模型。該模型通過模態(tài)特征抽取與融合兩大模塊，實現(xiàn)多模態(tài)特征的有效利用。模態(tài)特征抽取模塊針對四種MRI模態(tài)特性，采用專門的特征提取網(wǎng)絡，以最大化保留有效信息；模態(tài)特征融合模塊基于先驗知識，將四個模態(tài)劃分為兩組，并通過模態(tài)分組交叉注意力（MGCA）機制進行深度融合。實驗結果表明，在BraTS2021數(shù)據(jù)集上，MGF-UX Net的平均DSC和HD95分別達到91.01%和4.975 mm，在腦腫瘤分割任務中各項指標優(yōu)于現(xiàn)有對比模型。

發(fā)表于：2025/11/13 15:47:53

基于雙視角點云配準的豬只體尺測量方法研究[人工智能][其他]

體尺參數(shù)是生豬育種的重要指標，針對現(xiàn)有豬只體尺測量方法中存在的測量參數(shù)單一、設備復雜和大規(guī)模點云數(shù)據(jù)處理受限的問題，提出了一種基于雙視角點云配準的生豬體尺非接觸式測量方法。首先，基于2臺Kinect DK深度相機搭建點云采集系統(tǒng)獲取豬體左右兩側點云數(shù)據(jù)，并采用改進的LoOP濾波算法和基于多層次特征提取的點云精簡方法完成點云預處理。其次，通過粗配準與精配準相結合完成豬只雙視角點云拼接。最后，融合法線點云與Alpha Shapes算法提取豬只輪廓特征，實現(xiàn)多體尺參數(shù)的非接觸式測量。試驗結果表明，生豬體長、體高、臀高、體寬、腹寬、臀寬、胸圍和腹圍的平均相對誤差分別為1.28%、0.88%、1.97%、2.71%、2.83%、3.71%、2.03%和2.17%，整體相對誤差平均值和絕對誤差平均值分別為2.20%和1.04 cm。該方法能夠實現(xiàn)生豬多體尺參數(shù)的高精度、非接觸式測量，為種豬的高效篩選提供了技術參考。

發(fā)表于：2025/11/13 15:38:53