人人操人人摸97,欧美日韩国产精品视频,国产一级特黄aa大片在线

設(shè)計應(yīng)用

基于MLVDS和USB3.0的多節(jié)點數(shù)據(jù)傳輸系統(tǒng)設(shè)計與實現(xiàn)

基于MLVDS和USB3.0的多節(jié)點數(shù)據(jù)傳輸系統(tǒng)設(shè)計與實現(xiàn)[測試測量][工業(yè)自動化]

針對數(shù)據(jù)采集系統(tǒng)中上位機無法與多節(jié)點采集設(shè)備高速通信的問題，設(shè)計了一種基于MLVDS接口和USB3.0接口的數(shù)據(jù)傳輸系統(tǒng)。該傳輸系統(tǒng)采用CYUSB3014接口芯片實現(xiàn)計算機與FPGA的高速數(shù)據(jù)傳輸，采用ADN4693E接口芯片完成多節(jié)點數(shù)據(jù)傳輸，以FPGA作為核心控制器，并基于MLVDS自定義協(xié)議解析多節(jié)點通信邏輯，實現(xiàn)MLVDS接口與USB3.0接口之間的數(shù)據(jù)交互。測試結(jié)果表明，該系統(tǒng)數(shù)據(jù)轉(zhuǎn)換結(jié)果準確、可靠，實現(xiàn)了上位機與多節(jié)點數(shù)據(jù)采集設(shè)備間的高速通信。

發(fā)表于：1/17/2019 11:30:00 AM

一種基于STIX信息交互的滲透測試協(xié)作方案研究*

一種基于STIX信息交互的滲透測試協(xié)作方案研究*[通信與網(wǎng)絡(luò)][信息安全]

對網(wǎng)絡(luò)安全工作滲透測試工作中的效率瓶頸問題進行了分析,總結(jié)了原有測試工作協(xié)作方式以及測試過程中的低效之處。對現(xiàn)有威脅情報實時信息共享標準（STIX）進行了介紹，提出了一種基于STIX信息交互的滲透測試協(xié)作方案。通過對STIX進行定制擴充，可有效提升測試人員與測試人員、測試人員與測試工具以及測試工具之間的信息交互效率，提高信息交互的標準化、自動化程度。

發(fā)表于：1/17/2019 9:49:00 AM

基于貝葉斯網(wǎng)絡(luò)的等級保護風險評估模型研究

基于貝葉斯網(wǎng)絡(luò)的等級保護風險評估模型研究[通信與網(wǎng)絡(luò)][信息安全]

建立一個基于等級保護和貝葉斯網(wǎng)絡(luò)的信息安全測評數(shù)據(jù)拓撲結(jié)構(gòu)，對等級保護測評數(shù)據(jù)通過專家經(jīng)驗定性識別形成貝葉斯網(wǎng)絡(luò)先驗概率，通過歷史資料形成的條件概率定量分析得出后驗概率，利用貝葉斯網(wǎng)絡(luò)因果推理算法，確定測評數(shù)據(jù)中各測評項概率值，同時根據(jù)測評項概率對被測評系統(tǒng)進行風險評價。通過上述風險評估過程使被測評機構(gòu)感知風險態(tài)勢。

發(fā)表于：1/16/2019 2:51:00 PM

基于GaN HEMT的S波段的功率放大器設(shè)計

基于GaN HEMT的S波段的功率放大器設(shè)計[模擬設(shè)計][其他]

采用內(nèi)匹配技術(shù)，使用單胞的電路結(jié)構(gòu)，設(shè)計并實現(xiàn)了一款3.8～4.2 GHz的功率放大器。該放大器基于南京電子器件研究所自主研制的GaN HEMT管芯芯片。通過優(yōu)化設(shè)計該放大器在10%的相對帶寬、漏源電壓28 V、連續(xù)波的工作條件下,實現(xiàn)了輸出峰值功率Pout大于30 W,功率附加效率PAE大于48%,充分顯示了GaN功率器件寬帶、高效和高功率的工作性能,具有廣闊的工程應(yīng)用前景。

發(fā)表于：1/16/2019 1:57:00 PM

基于動態(tài)頻率的芯片面積功耗優(yōu)化設(shè)計

基于動態(tài)頻率的芯片面積功耗優(yōu)化設(shè)計[模擬設(shè)計][其他]

芯片面積和功耗與工作頻率緊密相關(guān)，在保持原有項目設(shè)計的條件下，利用門電路在不同頻率下的開關(guān)工作原理，提出一種動態(tài)頻率閉環(huán)設(shè)計方法，從系統(tǒng)級綜合優(yōu)化芯片的面積和功耗。通過篩選滿足條件的多組測試集，建立頻率與面積、頻率與功耗的數(shù)學模型，綜合考慮面積和功耗并計算出最優(yōu)的頻率。通過對一款已流片的芯片進行仿真驗證，該方法同原有設(shè)計方法相比可以減少芯片面積約0.59%、降低功耗約9.01%。

發(fā)表于：1/16/2019 1:28:00 PM

一種帶隙基準源分段線性補償?shù)母倪M方法

一種帶隙基準源分段線性補償?shù)母倪M方法[模擬設(shè)計][其他]

為了減小帶隙基準源的溫度系數(shù)和提高溫度補償?shù)撵`活性，設(shè)計了一種改進型分段線性補償方法。利用雙極型晶體管的溫度非線性在整個溫度區(qū)域內(nèi)產(chǎn)生7段不同斜率的補償電流，通過電流模形式對基準電壓的高階溫度分量進行疊加，進而對帶隙基準電壓實現(xiàn)精確溫度補償?；?.25 μm BCD工藝設(shè)計了一款低溫漂高精度的帶隙基準源。HSPICE仿真結(jié)果表明，在5 V電源電壓下，在-40 ℃～125 ℃溫度范圍內(nèi)，基準電壓的溫度系數(shù)為0.37×10-6/℃，低頻時電路的電源抑制比為-85 dB。電源電壓在2 V～5 V范圍內(nèi)，基準電壓的線性調(diào)整率為0.09 mV/V。

發(fā)表于：1/15/2019 1:23:00 PM

適用于功率運算放大器的輸入級放大電路設(shè)計

適用于功率運算放大器的輸入級放大電路設(shè)計[模擬設(shè)計][其他]

基于70 V高壓雙極型工藝，設(shè)計了一種適用于單片高壓功率運算放大器的輸入級電路。該電路采用p溝道結(jié)型場效應(yīng)晶體管(JFET)組成的差分對套筒式共源共柵(differential telescopic cascode)結(jié)構(gòu)，具有低偏置電流、低失調(diào)電壓、低失調(diào)電流、高共模抑制比的特點。以共集-共射（CC-CE）的放大電路結(jié)構(gòu)作為該輸入級電路的負載，減小對輸入級影響的同時能夠提高電壓增益。Spectre仿真結(jié)果表明，輸入偏置電流僅為20 pA，失調(diào)電壓為0.11 mV，失調(diào)電流為0.57 fA，連接負載后的增益可以達到89 dB，單位增益帶寬達到8.13 MHz。

發(fā)表于：1/15/2019 1:06:00 PM

基于UML & SystemC的GPU幾何管線光柵化硬件建模

基于UML & SystemC的GPU幾何管線光柵化硬件建模[嵌入式技術(shù)][其他]

架構(gòu)與算法是決定GPU性能的重要因素，需要盡可能早地對其進行評估和驗證。提出基于統(tǒng)一建模語言（Unified Modeling Language，UML）的模型，詳述了針對GPU幾何管線架構(gòu)和線圖元光柵化算法建模的過程及方法，并采用SystemC語言實現(xiàn)了事務(wù)級建模（Transaction-level Modeling，TLM）模型和仿真。驗證了架構(gòu)和算法的正確性以及模型的有效性和可行性，為RTL設(shè)計提供了參考依據(jù)。

發(fā)表于：1/14/2019 11:51:00 AM

基于復(fù)合左右手傳輸線的雙頻不等分功分器

基于復(fù)合左右手傳輸線的雙頻不等分功分器[模擬設(shè)計][汽車電子]

采用復(fù)合左右手(CRLH)傳輸線(TL)替代傳統(tǒng)的四分之一波長阻抗變換器，設(shè)計了一種小型化且能同時工作在兩個頻率的不等分功率分配器（功分器），有效解決了傳統(tǒng)功分器只能工作在指定的頻率及其奇次諧波處的問題。通過理論分析，結(jié)合CAD軟件進行仿真優(yōu)化，設(shè)計了能同時工作于1 GHz和2.2 GHz，功率比為2的雙頻不等分功分器。理論和仿真結(jié)果顯示，輸入端匹配良好，并且兩個輸出端實現(xiàn)隔離。仿真結(jié)果和理論結(jié)果趨勢吻合，驗證了該方法的可行性。

發(fā)表于：1/14/2019 11:28:00 AM

基于深度神經(jīng)網(wǎng)絡(luò)的個性化推薦系統(tǒng)研究

基于深度神經(jīng)網(wǎng)絡(luò)的個性化推薦系統(tǒng)研究[嵌入式技術(shù)][物聯(lián)網(wǎng)]

深度神經(jīng)網(wǎng)絡(luò)由于結(jié)構(gòu)類似于生物神經(jīng)網(wǎng)絡(luò)，因此擁有高效、精準抽取信息深層隱含特征的能力和能夠?qū)W習多層的抽象特征表示，且能夠?qū)缬颉⒍嘣?、異質(zhì)的內(nèi)容信息進行學習等優(yōu)勢。提出了一種基于多用戶-項目結(jié)合深度神經(jīng)網(wǎng)絡(luò)抽取特征、自學習等優(yōu)勢實現(xiàn)信息個性化推薦的模型，該模型通過對輸入多源異構(gòu)數(shù)據(jù)特征進行深度神經(jīng)網(wǎng)絡(luò)學習、抽取，再融合協(xié)同過濾中的廣泛個性化產(chǎn)生候選集，然后通過二次模型學習產(chǎn)生排序集，實現(xiàn)精準、實時、個性化推薦。通過真實數(shù)據(jù)集對模型評估實驗，實驗結(jié)果表明，該模型能夠很好地學習、抽取用戶隱特征，并且能夠一定程度上解決傳統(tǒng)推薦系統(tǒng)稀疏性、新物品等問題，同時實現(xiàn)了更加精準、實時、個性化的推薦。

發(fā)表于：1/11/2019 11:08:00 AM