欧美香蕉,一本大道无码日韩精品影视丶

應用于無人監(jiān)控的雷達發(fā)射機的設計與實現(xiàn)[微波|射頻][通信網(wǎng)絡]

設計了一種用于無人監(jiān)控雷達的發(fā)射機系統(tǒng)，旨在實現(xiàn)對監(jiān)控區(qū)域的高效探測和精準監(jiān)測。該發(fā)射機系統(tǒng)采用了FMCW（調(diào)頻連續(xù)波）雷達技術，其核心是一種線性連續(xù)信號。針對無人監(jiān)控領域的特定需求和特點，對發(fā)射模塊進行了方案確定和指標分析，并仿真設計了功率放大器和天線。在此基礎上，對功放和天線的結構進行了有效改進。最后進行了系統(tǒng)的實物測試，結果達到了預期的7 W發(fā)射功率，證明提出的設計方案滿足實際的設計應用需求，驗證了其在該領域的可行性。

發(fā)表于：2024/12/17 13:43:44

基于系統(tǒng)級封裝技術的X頻段變頻模塊研制[EDA與制造][工業(yè)自動化]

研制了一款利用系統(tǒng)級封裝技術（SIP）的小體積X頻段雙通道收發(fā)變頻模塊，在其內(nèi)部集成了采用不同工藝制成的器件。模塊把發(fā)射通道和接收通道集成到一個腔體中，并實現(xiàn)收發(fā)分時控制。模塊采用上下雙腔結構，不同腔體之間采用BGA球柵陣列進行垂直連接，顯著減小模塊體積，模塊體積為21 mm×16 mm×3.8 mm。模塊主要指標測試結果為：接收通道輸入P-1dB ≤-10 dBm，接收信號增益30～35 dB，接收通道隔離度大于等于55 dB，接收噪聲系數(shù)小于等于8 dB；發(fā)射通道增益10～12 dB，發(fā)射通道最大輸出功率大于等于12 dBm，二次三次諧波抑制大于等于60 dBc，雜波抑制大于等于55 dBc，模塊可在-55～+85 ℃正常工作。實測結果與仿真結果基本一致。

發(fā)表于：2024/12/17 13:31:30

基于鎖相放大器的電渦流金屬分類系統(tǒng)設計[測試測量][工業(yè)自動化]

電渦流檢測是一種通過檢測金屬導體感應出的微小渦流信號來識別被測材料性質(zhì)的方法。在利用電渦流檢測技術進行金屬分類時，微弱信號甚至會被噪聲信號完全淹沒，這使提取有效信號變得非常困難。針對這種實際問題，根據(jù)相關檢測法設計了基于鎖相放大器的金屬分類系統(tǒng)。在設計中，微弱待測信號經(jīng)過低噪聲放大后與兩路正交參考信號進行互相關，再經(jīng)過低通濾波電路后被采集，對被采集的信號進行計算即可實現(xiàn)對微弱信號的檢測。實驗結果表明，系統(tǒng)具有較高的精度和靈敏度，能夠極大地提高信號的信噪比，實現(xiàn)對金屬材料的快速分類，分類準確率可達93%。

發(fā)表于：2024/12/17 13:20:56

基于編程組態(tài)軟件的二總線圖形建模及調(diào)試研究[通信與網(wǎng)絡][工業(yè)自動化]

以太網(wǎng)控制自動化技術（Ethernet Control Automation Technology，EtherCAT）是當前工業(yè)控制領域的一個重要應用技術。基于EtherCAT總線的PLC可以集成控制二總線系統(tǒng)，在實施過程中，用戶為PLC編程時會編寫大量代碼，在異步系統(tǒng)間也會存在消息不同步的問題。為解決上述問題，提出了一種基于編程組態(tài)軟件對二總線設備組態(tài)建模和圖形化調(diào)試技術，該技術包括異步系統(tǒng)間消息同步、二總線協(xié)議轉換與解析、二總線拓撲構建狀態(tài)機、在線實時調(diào)試功能以及可視化交互界面設計。

發(fā)表于：2024/12/16 17:31:01

通信模塊和計算主機分離場景下安全有效入網(wǎng)認證的研究[通信與網(wǎng)絡][5G]

隨著5G、移動技術的不斷發(fā)展，移動終端的形態(tài)越來越多樣，具備移動接入能力的設備推動了萬物互聯(lián)時代的到來。移動終端從CDMA時代開始就已經(jīng)實現(xiàn)了機卡分離，全網(wǎng)通的出現(xiàn)使得計算主機和通信模塊進一步解耦。人們希望自己的移動終端可以在任何時間、任何地點接入任何網(wǎng)絡。無線技術之所以能夠?qū)崿F(xiàn)突飛猛進的發(fā)展，正是因為順應了分工合作、各自發(fā)展這一趨勢。物聯(lián)網(wǎng)的時代，終端設備往往規(guī)格低、數(shù)量大，新技術、新頻段的不斷涌現(xiàn)，導致主機和通信模塊發(fā)展不同步，終端組合式接入給移動安全提出新挑戰(zhàn)。探討了如何通過數(shù)字證書、安全管控等技術實現(xiàn)通信模塊和計算主機機分離場景下終端的入網(wǎng)認證。

發(fā)表于：2024/12/16 17:12:29

基于深度殘差神經(jīng)網(wǎng)絡的5G信號室內(nèi)分布預測[通信與網(wǎng)絡][5G]

為解決5G信號室內(nèi)覆蓋的質(zhì)量與穩(wěn)定性問題，提出了一種基于深度殘差神經(jīng)網(wǎng)絡的5G信號室內(nèi)分布預測方法。采用基于全連接的深度殘差神經(jīng)網(wǎng)絡構建預測模型，利用發(fā)射機與接收機的三維空間坐標信息和接收機的參考信號接收功率（Reference Signal Receiving Power， RSRP）數(shù)據(jù)作為輸入特征，而無需收集復雜的環(huán)境特征信息。實驗結果表明，該深度殘差神經(jīng)網(wǎng)絡模型在不依賴詳細環(huán)境參數(shù)的情況下，經(jīng)歸一化訓練，預測出的RSRP與實際值相比，MAE為0.029 455，RMSE為0.041 495，能有效地預測室內(nèi)的5G信號分布，驗證了基于深度殘差神經(jīng)網(wǎng)絡的預測方法在室內(nèi)5G信號覆蓋預測問題上的有效性，為優(yōu)化室內(nèi)5G網(wǎng)絡部署和提升用戶體驗提供了科學依據(jù)和技術手段，具有重要的實際應用價值。

發(fā)表于：2024/12/16 17:02:13

改進LCR儀表測量穩(wěn)定性的相位裕度優(yōu)化方法及硬件實現(xiàn)[測試測量][工業(yè)自動化]

為解決LCR表在測量容性阻抗時的自激問題，設計了一種增強測量穩(wěn)定性的LCR儀表。通過分析測量前端自平衡電橋電路的相位裕度，采用相位補償電路解決因相位滯后造成的自激問題。應用直接數(shù)字頻率合成技術結合相位校準電路設計，產(chǎn)生相位準確的正交測量信號。使用開關鑒相式鎖相放大器處理微弱信號，經(jīng)16位模數(shù)轉換器采集后輸入到微處理器進行矢量信號合成與輸出顯示。相比專業(yè)儀器，所設計樣機對電阻測量相對誤差可達0.5%，對大電容測量相對誤差可達1%。

發(fā)表于：2024/12/16 16:53:21

速度型水聲傳感器的頻率響應特性[MEMS|傳感技術][通信網(wǎng)絡]

聲納技術是人類探索海洋的主要手段，而水聲傳感器是聲納裝置的重要組成部分。水聲傳感器分為標量和矢量水聲傳感器。矢量傳感器可以彌補標量傳感器獲取聲場信息不完整的不足，可以實現(xiàn)對水中聲壓和介質(zhì)振速的精確測量從而確定目標方位等。主要對速度型矢量水聲傳感器的頻率響應特性進行了研究，討論高保真和高增益下速度型水聲振幅模型、響應比及頻率響應特性，提出頻響設計原則，最后概括速度型水聲傳感器的應用。水聲傳感器是水下探測、定位和通信的重要手段。研究有助于開發(fā)高靈敏度和更好低頻特性的速度型水聲傳感器，從而極大提升傳統(tǒng)水聲傳感器的作用距離。遠聲場傳感器的研制，提升諸如潛艇、UUV等水下目標的探測距離，將有利于從根本改變目前我國水聲探測網(wǎng)絡的格局，具有重要軍事意義。

發(fā)表于：2024/12/16 16:44:01

基于多頭注意力的社交網(wǎng)絡用戶身份鏈接方法[人工智能][消費電子]

隨著社交網(wǎng)絡的快速發(fā)展，人們在社交網(wǎng)絡中擁有越來越多的虛擬身份，識別同一自然人不同網(wǎng)絡虛擬身份的網(wǎng)絡用戶身份鏈接問題變得越來越重要。用戶身份鏈接有助于挖掘網(wǎng)絡用戶的隱信息，構建全面的網(wǎng)絡用戶畫像，進而促進跨網(wǎng)絡的推薦、鏈接預測、信息傳播等多個研究領域發(fā)展?，F(xiàn)有的基于用戶屬性和基于網(wǎng)絡結構的用戶身份鏈接方法，沒有考慮不同用戶之間影響力差異因素，收斂速度較慢。基于深度游走的用戶身份鏈接方法，融入多頭注意力機制，對用戶間影響力進行建模，實驗結果表明，該方法可以很好地改進算法有效性，提高訓練效率。

發(fā)表于：2024/12/16 16:34:14

基于改進YOLOv5n的腐敗水果檢測模型[人工智能][消費電子]

為了實現(xiàn)多種水果在采摘后自動化篩選和分揀中腐敗水果識別的問題，提出了改進的YOLOv5n模型，命名為mobile-YOLO。首先將YOLOv5n的主干網(wǎng)絡替換為MobileNetV3并引入深度可分離卷積，相較于原模型，這種改進在計算效率和速度上都有所提升，并且準確率也得到了提高。為了進一步提升速度，將C3模塊替換為C2f模塊，實現(xiàn)輕量化的同時獲得了更豐富的梯度流信息。最后將原有的CIoU替換為α-CIoU，以加快收斂速度并保證圖像框位置的準確性。mobile-YOLO相較于原始的YOLOv5n，mAP@.5（mean Average Precision）達到了98.1%，mAP@.5：.95達到了94.2%，同時在P（Precision）值為97.1%和R（Recall）值為96.8%的情況下，參數(shù)量幾乎與YOLOv5n保持一致。

發(fā)表于：2024/12/16 16:24:06