久久狠狠97色精品无码久久久,人妻少妇精品久久综合网,粗大猛烈进出高潮视频大全

基于流水線技術(shù)的全數(shù)字鎖相環(huán)設(shè)計(jì)[嵌入式技術(shù)][其他]

為了提高全數(shù)字鎖相環(huán)的系統(tǒng)運(yùn)行速度、降低系統(tǒng)功耗，同時(shí)提高鎖相系統(tǒng)的動(dòng)態(tài)性能與穩(wěn)態(tài)性能，提出一種基于流水線技術(shù)的全數(shù)字鎖相環(huán)。采用電子設(shè)計(jì)自動(dòng)化技術(shù)完成了該系統(tǒng)的設(shè)計(jì)，并對所設(shè)計(jì)的電路進(jìn)行了計(jì)算機(jī)仿真與分析。仿真結(jié)果證明，該鎖相環(huán)中數(shù)字濾波器的參數(shù)能夠根據(jù)相位誤差的大小進(jìn)行動(dòng)態(tài)調(diào)節(jié)，既可加快鎖相速度，又能增強(qiáng)系統(tǒng)的穩(wěn)定性。利用流水線技術(shù)優(yōu)化的整體電路能夠減小系統(tǒng)延遲，降低系統(tǒng)總功耗。該鎖相環(huán)可作為功能模塊嵌入到片上系統(tǒng)，具有十分廣泛的用途。

發(fā)表于：4/13/2019 3:26:00 PM

基于卷積神經(jīng)網(wǎng)絡(luò)的火災(zāi)視頻圖像檢測[模擬設(shè)計(jì)][其他]

隨著計(jì)算機(jī)技術(shù)的發(fā)展，融合計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等技術(shù)的火災(zāi)圖像處理技術(shù)得到了廣泛的研究和應(yīng)用。針對傳統(tǒng)圖像處理方法預(yù)處理過程復(fù)雜且誤報(bào)率高等問題，提出一種基于深度卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行火災(zāi)檢測的方法，其減少了復(fù)雜的預(yù)處理環(huán)節(jié)，將整個(gè)火災(zāi)識別過程整合成一個(gè)單深度神經(jīng)網(wǎng)絡(luò)，便于訓(xùn)練與優(yōu)化。針對識別過程中類似火災(zāi)場景對火災(zāi)檢測產(chǎn)生干擾的問題，利用火災(zāi)的運(yùn)動(dòng)特性，創(chuàng)新性地提出利用火災(zāi)視頻前后幀火災(zāi)坐標(biāo)位置變化來排除燈光等類似火災(zāi)場景對檢測的干擾。對比了眾多深度學(xué)習(xí)開源框架后，選擇Caffe框架進(jìn)行訓(xùn)練及測試，實(shí)驗(yàn)結(jié)果表明，該方法實(shí)現(xiàn)了對火災(zāi)圖像的識別和定位，適應(yīng)于不同的火災(zāi)場景，具有很好的泛化能力和抗干擾能力。

發(fā)表于：4/12/2019 2:18:00 PM

基于BP神經(jīng)網(wǎng)絡(luò)改進(jìn)UKF的組合導(dǎo)航算法[模擬設(shè)計(jì)][航空航天]

針對在進(jìn)近著陸的過程中，儀表著陸系統(tǒng)（ILS）易受到外界環(huán)境及空域的干擾，導(dǎo)致導(dǎo)航精度降低的問題，提出一種利用慣性導(dǎo)航系統(tǒng)（INS）與GBAS著陸系統(tǒng)（GLS）進(jìn)行改進(jìn)的組合導(dǎo)航算法，將組合導(dǎo)航系統(tǒng)輸出位置信息之間的差值作為BP神經(jīng)網(wǎng)絡(luò)改進(jìn)的無跡卡爾曼濾波器（UKF）的量測值，通過最優(yōu)加權(quán)的方法得到系統(tǒng)的全局最優(yōu)估計(jì)值。相比于傳統(tǒng)的聯(lián)邦濾波算法，該算法能有效降低測量噪聲，減小飛機(jī)進(jìn)近著陸時(shí)的誤差，提高導(dǎo)航精度。

發(fā)表于：4/12/2019 1:53:00 PM

內(nèi)容分發(fā)網(wǎng)絡(luò)預(yù)取技術(shù)綜述[通信與網(wǎng)絡(luò)][其他]

內(nèi)容分發(fā)網(wǎng)絡(luò)（Content Delivery Network，CDN）已成為近年來研究熱點(diǎn)領(lǐng)域之一，為減少用戶訪問時(shí)延從而提高網(wǎng)絡(luò)服務(wù)質(zhì)量，相關(guān)研究在CDN緩存技術(shù)的基礎(chǔ)上引入內(nèi)容預(yù)取技術(shù)來克服緩存技術(shù)的滯后性并提高CDN中資源利用率。按照預(yù)取時(shí)研究的對象不同，根據(jù)CDN預(yù)取技術(shù)的分類，概括并比較了不同分類的優(yōu)勢與不足，并對各種評價(jià)標(biāo)準(zhǔn)進(jìn)行了詳細(xì)分析，最后指出了融合新型網(wǎng)絡(luò)與技術(shù)的CDN預(yù)取的研究方向。

發(fā)表于：4/11/2019 2:09:00 PM

一種基于憶阻特性的監(jiān)督神經(jīng)網(wǎng)絡(luò)算法及電路設(shè)計(jì)[可編程邏輯][其他]

針對如何將憶阻器融入人工神經(jīng)網(wǎng)絡(luò)算法并進(jìn)行硬件實(shí)現(xiàn)的問題，提出了一種在現(xiàn)場可編程邏輯門陣列（FPGA）平臺上實(shí)現(xiàn)的基于憶阻特性的監(jiān)督神經(jīng)網(wǎng)絡(luò)算法。該設(shè)計(jì)以憶阻器模塊作為神經(jīng)網(wǎng)絡(luò)中的權(quán)值存儲模塊，構(gòu)建誤差反饋機(jī)制的監(jiān)督學(xué)習(xí)。將該憶阻神經(jīng)網(wǎng)絡(luò)電路應(yīng)用于圖像分類問題，并進(jìn)行了資源占用和處理速度的優(yōu)化。實(shí)驗(yàn)結(jié)果表明其分類結(jié)果良好，在Cyclone II：EP2C70F896I8平臺上，整體網(wǎng)絡(luò)算法占用11 773個(gè)邏輯單元（LEs），訓(xùn)練耗時(shí)0.33 ms，圖像的測試耗時(shí)10 μs。這一工作對憶阻器和神經(jīng)網(wǎng)絡(luò)的結(jié)合提出了一個(gè)有益的參考。

發(fā)表于：4/11/2019 5:34:00 AM

基于稀疏譜擬合的超分辨方位估計(jì)[模擬設(shè)計(jì)][其他]

考慮到各陣元接收的實(shí)際環(huán)境噪聲可能是相關(guān)的，以及風(fēng)成噪聲和遠(yuǎn)處航船噪聲等因素的影響，環(huán)境噪聲強(qiáng)度的空間分布可能具有方向性。利用非均勻環(huán)境噪聲模型，結(jié)合稀疏譜擬合算法，提出了一種基于稀疏譜擬合的超分辨方位估計(jì)算法。該算法利用空間信號的稀疏性和線性噪聲模型擬合誤差的l2-范數(shù)聯(lián)合最小化，實(shí)現(xiàn)非均勻環(huán)境噪聲條件下的超分辨方位估計(jì)。通過計(jì)算機(jī)仿真討論了正則參數(shù)和線性噪聲模型階數(shù)對算法性能的影響，海上試驗(yàn)結(jié)果表明了該算法較傳統(tǒng)算法和稀疏譜擬合算法具有更低的旁瓣級和更好的方位分辨能力，同時(shí)有效驗(yàn)證了該算法在非均勻環(huán)境噪聲背景下的超分辨方位估計(jì)性能。

發(fā)表于：4/10/2019 7:53:00 AM

基于聯(lián)合字典稀疏表達(dá)的目標(biāo)識別算法研究[模擬設(shè)計(jì)][其他]

在使用高分辨距離像開展目標(biāo)識別時(shí)，傳統(tǒng)方法很少利用樣本的稀疏性。為了克服此類識別所面臨的繁瑣的分析難題，簡化識別過程，稀疏分析其實(shí)是一種不錯(cuò)的壓縮樣本數(shù)據(jù)，提升剖析效果的方法。因此，提出一種基于聯(lián)合字典及快速分解策略完成雷達(dá)一維距離像稀疏分析，進(jìn)而鑒識目標(biāo)的算法。為了提升識別策略的實(shí)用性，算法還嘗試依信噪比調(diào)控其內(nèi)稀疏分解參數(shù)，以改善算法抗噪性能。實(shí)驗(yàn)測評表明：相較同類識別策略，該算法求解更為便捷，適用范圍有所拓展；相比不同類型的常規(guī)識別策略，該算法抵御噪聲的能力有所提升，識別效果更優(yōu)。

發(fā)表于：4/10/2019 7:11:00 AM

基于MNIST的憶阻神經(jīng)網(wǎng)絡(luò)穩(wěn)定性研究[模擬設(shè)計(jì)][其他]

為了探究憶阻器的穩(wěn)定性問題對憶阻神經(jīng)網(wǎng)絡(luò)性能的影響，基于等效電阻拓?fù)浣Y(jié)構(gòu)的憶阻器模型，搭建了一個(gè)將憶阻器作為突觸的BP神經(jīng)網(wǎng)絡(luò)，并利用MNIST數(shù)據(jù)集對該網(wǎng)絡(luò)進(jìn)行訓(xùn)練和測試。憶阻器的穩(wěn)定性問題通過設(shè)置憶阻器參數(shù)波動(dòng)來模擬，最終發(fā)現(xiàn)憶阻器一定程度內(nèi)的性能波動(dòng)會促進(jìn)神經(jīng)網(wǎng)絡(luò)的收斂，但波動(dòng)過大則會降低網(wǎng)絡(luò)的收斂速度。為了表征波動(dòng)的臨界程度，測得了基于憶阻器模型的各參數(shù)的最大波動(dòng)范圍，并進(jìn)一步計(jì)算出憶阻器件工藝層次參量的取值范圍，為憶阻神經(jīng)網(wǎng)絡(luò)硬件化中憶阻器件的工藝制造和選用提供了參考。

發(fā)表于：4/9/2019 1:04:00 PM

一種基于隨機(jī)森林算法的多障礙物超聲測距方法[測試測量][工業(yè)自動(dòng)化]

在超聲波測距技術(shù)中，傳統(tǒng)的信號處理算法難以對距離遠(yuǎn)、回波弱的信號進(jìn)行分析，也不能同時(shí)對多個(gè)障礙物進(jìn)行測距。為解決這一問題，提出一種基于隨機(jī)森林算法的超聲測距方法，先提取信號的時(shí)域特征(相對峰值幅度)和頻域特征(頻譜相對面積)，然后利用隨機(jī)森林算法判斷出探測區(qū)域內(nèi)的障礙物并計(jì)算出目標(biāo)距離。經(jīng)過測試，該算法可有效完成10 m之內(nèi)的多個(gè)障礙物距離測量，測量誤差在3 cm之內(nèi)，可以滿足諸如自動(dòng)駕駛等應(yīng)用場景的要求，具有較高的實(shí)用價(jià)值和理論參考意義。

發(fā)表于：4/8/2019 9:21:00 PM

鋰電池參數(shù)辨識模型的設(shè)計(jì)與研究[電源技術(shù)][汽車電子]

電動(dòng)汽車動(dòng)力電池內(nèi)部參數(shù)隨負(fù)載與工況而發(fā)生變化，因此建立準(zhǔn)確的動(dòng)力電池模型尤為必要?；阡囯姵氐刃щ娐纺Ｐ筒⒅乜剂窟\(yùn)行溫度與荷電狀態(tài)對各元件參數(shù)的影響，依托充放電法、復(fù)合脈沖特性充放電試驗(yàn)并結(jié)合最小二乘法實(shí)現(xiàn)模型中各元件參數(shù)辨識。通過Simulink平臺構(gòu)建動(dòng)力電池模型與充放電模型，上述模型通過安時(shí)計(jì)量法同時(shí)考慮溫度影響實(shí)現(xiàn)荷電狀態(tài)的準(zhǔn)確估算。結(jié)果表明，該鋰電池參數(shù)辨識模型可準(zhǔn)確模擬各種負(fù)載工況下動(dòng)力電池的運(yùn)行特性，該設(shè)計(jì)可應(yīng)用于動(dòng)力電池的測試與開發(fā)。

發(fā)表于：4/3/2019 1:46:00 AM