内地CHINA麻豆VIDEOS,2020国产欧洲精品网站

平面大規(guī)模天線陣列的竊聽檢測方案[通信與網(wǎng)絡][信息安全]

物理層安全機制可以為無線通信提供有效的保密機制，為后期保密通信降低系統(tǒng)復雜度。提出了一種基于大規(guī)模平面天線陣列的物理層安全機制，即主動竊聽的檢測方案。該方案針對時分雙工模式下的萊斯信道模型，僅在假設合法用戶萊斯因子和基站噪聲功率已知的情況下，即可有效檢測竊聽用戶。仿真結果表明，所提出的檢測方案性能隨著天線個數(shù)、萊斯因子的增加而提高。此外，該方案的性能不隨用戶的位置而改變，可在三維空間全方位地檢測竊聽。

發(fā)表于：3/29/2018 10:03:00 AM

基于DM368的嵌入式數(shù)據(jù)記錄儀的設計與實現(xiàn)[嵌入式技術][航空航天]

針對導彈彈上空間有限、對載體的重量和功耗有著嚴格限制等要求，研制了一種具有高可靠性、低功耗、小型化的彈載數(shù)據(jù)記錄儀。本系統(tǒng)主要實現(xiàn)對導彈飛行過程中的場景視頻信息進行H.264格式硬件壓縮存儲以及對飛行姿態(tài)等數(shù)據(jù)進行實時記錄并存儲至高速大容量SD卡，極大地方便了飛行試驗后數(shù)據(jù)的讀出和處理。

發(fā)表于：3/29/2018 9:55:00 AM

抑制風噪聲的頻點離散值加權GCC-PHAT時延估計算法[測試測量][其他]

針對麥克風陣列使用GCC-PHAT算法估計信號到達時差對加性噪聲敏感，以及基于信噪比估計的連續(xù)值加權GCC-PHAT算法無法消除環(huán)境中類似風噪聲的變化噪聲干擾的情況，提出了一種抑制風噪聲的頻點加權GCC-PHAT算法。通過分析已有算法的不足，新算法選擇使用離散頻點加權，并通過信號頻點間相干性量化值和時域關聯(lián)性計算權值，去除風噪聲干擾頻點；同時估計聲源信號活躍度，調整算法運算量。實驗表明，與已有的GCC-PHAT算法相比，新算法能有效消除風噪聲對估計結果的干擾，同時降低運算負載。

發(fā)表于：3/28/2018 1:15:00 PM

基于AP布置優(yōu)化和K-means聚類算法的室內定位研究[測試測量][其他]

傳統(tǒng)室內定位中聚類算法被動依賴定位環(huán)境中接入點（Acess Point，AP）數(shù)量，導致定位效率低、誤差大，室內位置指紋定位研究中AP布局是影響定位精度的關鍵性因素。因此，采用Intel芯片的嵌入式微系統(tǒng)和美國Signal Hound生產(chǎn)的SA44B型測量接收機共同組成傳感器網(wǎng)絡，根據(jù)電波路徑損耗建立室內定位的目標函數(shù)，采用單純形法和模擬退火算法融合算法對目標函數(shù)進行優(yōu)化，從而達到最合理的AP室內位置布局，而后改進K-means聚類算法將優(yōu)化后的AP位置坐標作為初始聚類中心，來提高系統(tǒng)的定位效率和精確度。實驗結果表明，與傳統(tǒng)K-means算法相比，經(jīng)過AP位置最優(yōu)化后的聚類定位算法精度提高了13.8%。

發(fā)表于：3/28/2018 1:04:00 PM

一種基于動態(tài)規(guī)劃的機動目標檢測前跟蹤方法[測試測量][汽車電子]

針對傳統(tǒng)動態(tài)規(guī)劃檢測前跟蹤算法僅適用于勻速直線運動目標或慢機動目標的局限性，提出了一種將交互式多模型（IMM）濾波與基于動態(tài)規(guī)劃的檢測前跟蹤算法相結合的機動目標處理算法。該算法應用于近程毫米波雷達探測環(huán)境下，根據(jù)被測目標的實際運動情況建立了勻加速運動、勻速轉彎運動及勻速運動模型，在動態(tài)規(guī)劃算法基礎上考慮了多種運動模型以及模型之間的轉換和預測，避免了因模型不匹配導致的跟蹤效果變差的問題。仿真結果顯示，相比于傳統(tǒng)動態(tài)規(guī)劃檢測算法，該算法能夠更加有效地實現(xiàn)對機動目標的檢測和跟蹤，適于工程應用。

發(fā)表于：3/27/2018 11:52:00 AM

重復控制自適應PI控制器在APF中的應用[電源技術][智能電網(wǎng)]

為了有效解決電力系統(tǒng)中由于諧波存在而導致的一系列問題，設計了一種基于PI+重復控制的有源電力濾波器(APF)。這種控制器集合了PI算法追蹤速度快和重復控制算法精度高的優(yōu)點，但是在實際應用中發(fā)現(xiàn)，當電網(wǎng)突加負載，即系統(tǒng)參數(shù)發(fā)生變化時，其跟蹤效果不理想。因此提出了自適應PI，在原來的基礎上進一步提高追蹤的速度和精確度，改善效果明顯，系統(tǒng)諧波畸變率比簡單并聯(lián)控制器降低了30%。

發(fā)表于：3/27/2018 11:40:00 AM

基于奇異值分解和小波包分解的故障檢測[測試測量][航空航天]

根據(jù)真空泵在故障和正常模式下工作時，其振動信號在頻域的能量分布的差異性，設計基于奇異值分解(SVD)和小波包分解(WPD)的真空泵故障檢測方法。首先用SVD對采集到的信號進行去噪，再使用小波包對去噪后的信號進行分解，對分解得到的各層系數(shù)進行重構并提取需要的各頻域段的能量。將提取的能量向量作為支持向量機（SVM）的輸入樣本，對SVM進行訓練。最后使用實驗數(shù)據(jù)對SVM的可靠性進行驗證。實驗結果表明，采用SVD和WPD結合的方法能較好地識別出真空泵的故障。

發(fā)表于：3/26/2018 11:03:00 AM

基于CC3200及微信公眾號的云家居交互系統(tǒng)[嵌入式技術][通信網(wǎng)絡]

為了實現(xiàn)家居智能化，基于CC3200無線Wi-Fi微控制器、微信公眾號及阿里云服務器設計了一款智能云家居交互系統(tǒng)，用戶可通過微信公眾號遠程控制家居設備，并可獲取傳感器的狀態(tài)。提出了系統(tǒng)總體設計方案，介紹了系統(tǒng)硬件組成，給出了CC3200微控制器、微信公眾號和阿里云服務器的軟件設計。實驗測試表明，該系統(tǒng)運行穩(wěn)定，用戶體驗較好，具有較高的應用價值。

發(fā)表于：3/26/2018 10:53:00 AM

基于FMCW環(huán)掃SAR的成像系統(tǒng)設計及測試方法[嵌入式技術][航空航天]

為實現(xiàn)目標不同距離的高分辨率成像，提出一種調頻連續(xù)波(FMCW)環(huán)掃合成孔徑雷達(SAR)體制下的目標距離向探測系統(tǒng)設計及測試方法。該系統(tǒng)由模擬前端和FPGA共同處理實現(xiàn)，設計多種工作模式以實現(xiàn)近、中、遠3種探測距離及相應的分辨率。通過MATLAB模擬射頻前端去調頻處理后的信號，加載到FPGA數(shù)字下變頻處理，對所得信號仿真得到輸出頻譜，并進行閉環(huán)板級實測，驗證了該基于FMCW環(huán)掃SAR的目標距離向成像系統(tǒng)設計的可行性。

發(fā)表于：3/23/2018 11:35:00 AM

基于分數(shù)低階協(xié)方差譜的頻譜感知算法研究及其FPGA實現(xiàn)[可編程邏輯][通信網(wǎng)絡]

在對非高斯噪聲情況下主用戶頻譜感知問題的理論研究之上，采用α穩(wěn)定分布模型描述認知通信系統(tǒng)的非高斯噪聲，給出了一種基于分數(shù)低階協(xié)方差的感知方法，并采用分數(shù)低階協(xié)方差譜對α穩(wěn)定分布噪聲下的主用戶信號進行了譜估計,較好地解決了在非高斯噪聲情況下傳統(tǒng)的功率譜估計性能失效的問題。在此基礎上針對FPGA的特性，進一步優(yōu)化了算法，在FPGA上設計并實現(xiàn)了基于該算法的感知系統(tǒng)。系統(tǒng)利用FPGA產(chǎn)生中心頻率為25 MHz、帶寬為12.5 MHz的QPSK信號和特征指數(shù)為1的α穩(wěn)定分布噪聲作為主用戶信號，設計相應的數(shù)字信號處理模塊，并在此系統(tǒng)中驗證了基于分數(shù)低階協(xié)方差的感知方法能夠有效地從α穩(wěn)定分布噪聲中檢測出主信號的存在。該系統(tǒng)運行穩(wěn)定，可移植性強，適用于不同的主用戶頻譜檢測方案在此系統(tǒng)上進行實現(xiàn)與驗證。

發(fā)表于：3/23/2018 11:19:00 AM