• 首頁(yè)
  • 新聞
    業(yè)界動(dòng)態(tài)
    新品快遞
    高端訪(fǎng)談
    AET原創(chuàng)
    市場(chǎng)分析
    圖說(shuō)新聞
    會(huì)展
    專(zhuān)題
    期刊動(dòng)態(tài)
  • 設(shè)計(jì)資源
    設(shè)計(jì)應(yīng)用
    解決方案
    電路圖
    技術(shù)專(zhuān)欄
    資源下載
    PCB技術(shù)中心
    在線(xiàn)工具庫(kù)
  • 技術(shù)頻道
    模擬設(shè)計(jì)
    嵌入式技術(shù)
    電源技術(shù)
    可編程邏輯
    測(cè)試測(cè)量
    通信與網(wǎng)絡(luò)
  • 行業(yè)頻道
    工業(yè)自動(dòng)化
    物聯(lián)網(wǎng)
    通信網(wǎng)絡(luò)
    5G
    數(shù)據(jù)中心
    信息安全
    汽車(chē)電子
  • 大學(xué)堂
  • 期刊
  • 文獻(xiàn)檢索
期刊投稿
登錄 注冊(cè)

一種低峰均功率比的數(shù)字梳狀譜模塊設(shè)計(jì)

一種低峰均功率比的數(shù)字梳狀譜模塊設(shè)計(jì)[嵌入式技術(shù)][工業(yè)自動(dòng)化]

為了提高多通道接收機(jī)的通道間誤差校準(zhǔn)效率,設(shè)計(jì)并實(shí)現(xiàn)了一種低峰均功率比的數(shù)字梳狀譜校準(zhǔn)源模塊。該模塊基于FPGA+DAC的硬件結(jié)構(gòu),采用軟件DDS原理方式來(lái)產(chǎn)生梳狀譜信號(hào)。為了降低梳狀譜信號(hào)的峰均功率比,利用遺傳算法對(duì)信號(hào)的各個(gè)子載波的初始相位進(jìn)行了優(yōu)化,計(jì)算出一組優(yōu)于代數(shù)次優(yōu)解的初始相位組合,將峰均功率比從次優(yōu)解的4.98 dB降低到了3.98 dB,同時(shí)提高了梳狀譜信號(hào)的子載波功率和帶外雜散抑制,優(yōu)化了梳狀譜模塊的信號(hào)質(zhì)量。該模塊在梳狀譜信號(hào)輸出范圍170 MHz~230 MHz,頻譜間隔1 MHz情況下,子載波功率為-35.5 dBm,帶外雜散抑制為64 dBc,完全滿(mǎn)足校準(zhǔn)源指標(biāo)要求。

發(fā)表于:5/27/2024 3:28:08 PM

基于ADS的微系統(tǒng)電源完整性仿真及優(yōu)化

基于ADS的微系統(tǒng)電源完整性仿真及優(yōu)化[電源技術(shù)][工業(yè)自動(dòng)化]

隨著芯片制造技術(shù)和封裝技術(shù)的發(fā)展,電子產(chǎn)品內(nèi)部的器件集成度和信號(hào)速度在持續(xù)提高,微系統(tǒng)成為一種新興的形式,這導(dǎo)致了對(duì)電源完整性的要求不斷提高。不合理的電源完整性設(shè)計(jì)將會(huì)給電源質(zhì)量和信號(hào)質(zhì)量帶來(lái)極大的干擾,甚至?xí)瓜到y(tǒng)崩潰。針對(duì)所設(shè)計(jì)的多芯片微系統(tǒng)設(shè)計(jì)進(jìn)行了電源完整性的仿真,并利用基板、PCB去耦電容網(wǎng)絡(luò)協(xié)同去耦的方式對(duì)電源分配網(wǎng)絡(luò)阻抗進(jìn)行了優(yōu)化,解決了微系統(tǒng)內(nèi)部的空間有限與去耦電容需求量大的矛盾,保證了微系統(tǒng)的電源完整性。

發(fā)表于:5/27/2024 3:28:06 PM

基于FPGA的視頻圖像去霧算法的優(yōu)化與實(shí)現(xiàn)

基于FPGA的視頻圖像去霧算法的優(yōu)化與實(shí)現(xiàn)[嵌入式技術(shù)][工業(yè)自動(dòng)化]

在惡劣天氣條件下采集的圖像存在對(duì)比度差、清晰度下降等問(wèn)題。圖像質(zhì)量的惡化制約著計(jì)算機(jī)視覺(jué)的準(zhǔn)確性和自動(dòng)化任務(wù)的效率。給出了一種基于限制對(duì)比度自適應(yīng)直方圖均衡(Contrast Limited Adaptive Histogram Equalization, CLAHE)與改進(jìn)多尺度Retinex (Multi-Scale retinex,MSR)的圖像去霧算法。該算法將輸入的含霧降質(zhì)圖像先經(jīng)過(guò)CLAHE算法處理,再用MSR算法處理,對(duì)圖像MSR算法處理時(shí),引入Gamma校正因子估計(jì)入射光,并對(duì)算法中的環(huán)繞函數(shù)進(jìn)行優(yōu)化。結(jié)果表明,所提出算法處理后的圖像相比原圖,圖像的信息熵、平均梯度和標(biāo)準(zhǔn)差等方面均有提升;并設(shè)計(jì)硬件電路,成功在FPGA上演示了視頻實(shí)時(shí)去霧,提高了視頻圖像去霧的實(shí)時(shí)性。對(duì)板級(jí)資源與功能消耗進(jìn)行了數(shù)字化的分析,證明所設(shè)計(jì)硬件系統(tǒng)屬于低功耗范疇。

發(fā)表于:5/27/2024 3:28:00 PM

應(yīng)用于收發(fā)鏈路多模塊級(jí)聯(lián)的優(yōu)化設(shè)計(jì)方法

應(yīng)用于收發(fā)鏈路多模塊級(jí)聯(lián)的優(yōu)化設(shè)計(jì)方法[微波|射頻][通信網(wǎng)絡(luò)]

為解決波束賦形芯片中子電路模塊由于寄生效應(yīng)而導(dǎo)致的級(jí)聯(lián)失配問(wèn)題提出了一種優(yōu)化設(shè)計(jì)方法。該設(shè)計(jì)方法通過(guò)主動(dòng)引入相鄰器件阻抗?fàn)恳?yīng),并使其與級(jí)聯(lián)阻抗失配相抵消從而實(shí)現(xiàn)阻抗“預(yù)失配”的設(shè)計(jì)方案。對(duì)“預(yù)失配”的技術(shù)原理以及設(shè)計(jì)流程進(jìn)行了簡(jiǎn)要分析,并通過(guò)加工一款采用優(yōu)化設(shè)計(jì)方案的4通道X/Ku波段的射頻收發(fā)芯片,驗(yàn)證了該設(shè)計(jì)方案的可實(shí)現(xiàn)性與有效性。在8 GHz~18 GHz頻帶范圍內(nèi),該芯片與基于端口駐波設(shè)計(jì)體系的原芯片相比,收發(fā)鏈路增益分別為6.5 dB和14 dB,提升了超過(guò)2 dB。發(fā)射鏈路輸出功率21 dBm,發(fā)射效率為15.7%,分別提升了1 dB和9%。接收鏈路噪聲系數(shù)為8.72 dB,降低了1.2 dB。收發(fā)鏈路最大移相均方根誤差為5.12°和5.25°,分別下降了3.17°和1.75°。

發(fā)表于:5/27/2024 3:28:00 PM

一種改進(jìn)的基于Mask R-CNN的玉米大斑病實(shí)例分割算法

一種改進(jìn)的基于Mask R-CNN的玉米大斑病實(shí)例分割算法[人工智能][其他]

玉米作為我國(guó)主糧作物,其生產(chǎn)常受大斑病、小斑病、銹病等病害及蟲(chóng)害影響,導(dǎo)致其產(chǎn)量與品質(zhì)下降,威脅農(nóng)業(yè)生產(chǎn)安全。近年來(lái),視覺(jué)檢測(cè)技術(shù)因其高準(zhǔn)確性已成為病害防控的重要工具。以Mask R-CNN為基礎(chǔ)框架,通過(guò)融入DyHead、Groie和OHEM模塊進(jìn)行優(yōu)化,旨在提升對(duì)細(xì)微病灶圖像的分割效能。改良后的模型在病害圖像分割任務(wù)上展現(xiàn)出卓越性能,平均精度(mAP)提升4%,尤其在小目標(biāo)分割上準(zhǔn)確率提高8.5%,相較于YOLOv5、YOLACT++等同類(lèi)模型優(yōu)勢(shì)顯著。通過(guò)消融實(shí)驗(yàn)驗(yàn)證了各新增模塊的有效性,證實(shí)該模型為精準(zhǔn)檢測(cè)玉米大斑病提供了有力的技術(shù)支持與理論依據(jù)。

發(fā)表于:5/27/2024 3:28:00 PM

基于先進(jìn)CMOS工藝的多通道Gbps LVDS接收器

基于先進(jìn)CMOS工藝的多通道Gbps LVDS接收器[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

在SIP(System In a Package)系統(tǒng)中集成具有LVDS(Low-Voltage Differential Signal)接口的多通道高速模數(shù)轉(zhuǎn)換器(Analog-to-Digital Converter,ADC)時(shí),面臨不同LVDS輸出通道延時(shí)不同所導(dǎo)致的數(shù)據(jù)采集錯(cuò)誤的問(wèn)題,為此設(shè)計(jì)了一個(gè)多通道自適應(yīng)LVDS接收器。通過(guò)采用數(shù)據(jù)時(shí)鐘恢復(fù)技術(shù)產(chǎn)生一個(gè)多相位的采樣時(shí)鐘,并結(jié)合ADC的測(cè)試模式來(lái)確認(rèn)每一個(gè)通道的采樣相位,能夠自動(dòng)對(duì)每一個(gè)通道的延時(shí)分別進(jìn)行調(diào)整,以達(dá)到對(duì)齊各通道采樣相位點(diǎn),保證數(shù)據(jù)正確采集的目的。最后,基于先進(jìn)CMOS工藝進(jìn)行了接收器的設(shè)計(jì)、仿真、后端設(shè)計(jì)實(shí)現(xiàn)和流片測(cè)試,仿真和流片后的板級(jí)測(cè)試結(jié)果均表明該接收器能夠?qū)νǖ姥舆t進(jìn)行自動(dòng)調(diào)節(jié)以對(duì)齊采樣相位,且最大的采樣相位調(diào)節(jié)范圍為±3 bit,信噪比大于65 dB,滿(mǎn)足了設(shè)計(jì)要求和應(yīng)用需求。

發(fā)表于:5/27/2024 3:28:00 PM

基于智能合約的農(nóng)業(yè)供應(yīng)鏈溯源技術(shù)研究

基于智能合約的農(nóng)業(yè)供應(yīng)鏈溯源技術(shù)研究[模擬設(shè)計(jì)][其他]

食品安全和污染風(fēng)險(xiǎn)相關(guān)的問(wèn)題越來(lái)越多,迫切需要高效的追溯解決方案。通過(guò)溯源可以高效追溯食品的源頭,并且進(jìn)行追責(zé),從而提高食品安全。為此設(shè)計(jì)了一個(gè)基于以太坊智能合約的農(nóng)業(yè)供應(yīng)鏈溯源機(jī)制,該機(jī)制通過(guò)引入NFT技術(shù),優(yōu)化了區(qū)塊鏈農(nóng)產(chǎn)品溯源過(guò)程。實(shí)驗(yàn)結(jié)果表明,所提出的供應(yīng)鏈框架在成本效益、溯源效率方面優(yōu)于現(xiàn)有的區(qū)塊鏈溯源基準(zhǔn)技術(shù)。

發(fā)表于:5/27/2024 3:28:00 PM

基于深度學(xué)習(xí)的互聯(lián)網(wǎng)接收機(jī)中特定信號(hào)識(shí)別

基于深度學(xué)習(xí)的互聯(lián)網(wǎng)接收機(jī)中特定信號(hào)識(shí)別[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

隨著軟件無(wú)線(xiàn)電技術(shù)和互聯(lián)網(wǎng)技術(shù)的發(fā)展,有大量的互聯(lián)網(wǎng)接收機(jī)接入互聯(lián)網(wǎng),并可任意訪(fǎng)問(wèn)其頻譜瀑布圖數(shù)據(jù)。頻譜瀑布圖是信號(hào)頻域和時(shí)域特性的一種展示方式,將不同頻率的信號(hào)以圖像的方式直觀地進(jìn)行展示,為了更好地監(jiān)測(cè)到頻譜瀑布圖中的特定信號(hào),需要對(duì)頻譜瀑布圖中的特定信號(hào)進(jìn)行智能識(shí)別。通過(guò)深度學(xué)習(xí)技術(shù)實(shí)現(xiàn)了對(duì)頻譜瀑布圖中特定信號(hào)識(shí)別,在信噪比大于5 dB時(shí),識(shí)別準(zhǔn)確率大于90%。

發(fā)表于:5/27/2024 3:28:00 PM

惡意代碼可視化分類(lèi)研究

惡意代碼可視化分類(lèi)研究[通信與網(wǎng)絡(luò)][信息安全]

新型惡意代碼設(shè)計(jì)變得日益復(fù)雜,傳統(tǒng)的識(shí)別并檢測(cè)方法已經(jīng)滿(mǎn)足不了當(dāng)前的需求。因此,在對(duì)BODMAS數(shù)據(jù)集分析的基礎(chǔ)上,將其進(jìn)行可視化處理并進(jìn)行分類(lèi)。同時(shí)考慮到現(xiàn)有惡意代碼可視化分類(lèi)模型主要依賴(lài)全局特征,在卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上設(shè)計(jì)了一個(gè)CA(通道級(jí)局部特征關(guān)注)模塊和一個(gè)MA(多尺度局部特征關(guān)注)模塊,構(gòu)建了兩個(gè)新模型,巧妙地結(jié)合全局與局部特征。在BODMAS數(shù)據(jù)集上,新模型在惡意代碼種類(lèi)識(shí)別并分類(lèi)平均準(zhǔn)確率相比于BODMAS數(shù)據(jù)集論文描述的方法得到了提高,證明了數(shù)據(jù)集可視化可行性和新模型的有效性,為未來(lái)研究提供了重要的數(shù)據(jù)和實(shí)驗(yàn)基礎(chǔ)。

發(fā)表于:5/27/2024 3:28:00 PM

硅基三維異構(gòu)集成射頻微系統(tǒng)的多物理場(chǎng)耦合仿真與設(shè)計(jì)

硅基三維異構(gòu)集成射頻微系統(tǒng)的多物理場(chǎng)耦合仿真與設(shè)計(jì)[微波|射頻][通信網(wǎng)絡(luò)]

利用硅基三維異構(gòu)集成工藝設(shè)計(jì)一款射頻微系統(tǒng),以滿(mǎn)足設(shè)備對(duì)射頻模組高性能、小型化的需求。為了在設(shè)計(jì)初期充分評(píng)估該微系統(tǒng)的潛在可靠性風(fēng)險(xiǎn),根據(jù)工藝特征以及產(chǎn)品在多物理場(chǎng)中的耦合現(xiàn)象,建立一種面向硅基三維異構(gòu)集成工藝射頻微系統(tǒng)的多物理場(chǎng)一體化仿真流程,逐一分析所涉及的電-熱耦合和熱-力耦合過(guò)程,預(yù)判產(chǎn)品在工作條件下的熱學(xué)和力學(xué)特性,為設(shè)計(jì)環(huán)節(jié)提供針對(duì)性的指導(dǎo),預(yù)先規(guī)避可靠性風(fēng)險(xiǎn),從而有效提高一次性設(shè)計(jì)成功率。

發(fā)表于:5/27/2024 3:28:00 PM

  • ?
  • …
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • …
  • ?

活動(dòng)

MORE
  • 【技術(shù)沙龍】聚焦數(shù)據(jù)資產(chǎn)——從技術(shù)治理到價(jià)值變現(xiàn)
  • 【熱門(mén)活動(dòng)】2025中國(guó)西部微波射頻技術(shù)研討會(huì)
  • 【熱門(mén)活動(dòng)】2025年數(shù)據(jù)要素治理學(xué)術(shù)研討會(huì)
  • 【技術(shù)沙龍】網(wǎng)絡(luò)安全+DeepSeek
  • 【熱門(mén)活動(dòng)】2025年NI測(cè)試測(cè)量技術(shù)研討會(huì)

高層說(shuō)

MORE
  • RISC-V國(guó)際基金會(huì)CEO:中國(guó)會(huì)員發(fā)揮了關(guān)鍵作用
    RISC-V國(guó)際基金會(huì)CEO:中國(guó)會(huì)員發(fā)揮了關(guān)鍵作用
  • 利用人工智能提升車(chē)間生產(chǎn)效率
    利用人工智能提升車(chē)間生產(chǎn)效率
  • 推動(dòng)制造業(yè)智能化變革的實(shí)踐者——張野的創(chuàng)新之路
    推動(dòng)制造業(yè)智能化變革的實(shí)踐者——張野的創(chuàng)新之路
  • 重新思考數(shù)據(jù)中心架構(gòu),推進(jìn)AI的規(guī)?;涞?>
                        </a>
                    </div>
                    <div   id= 重新思考數(shù)據(jù)中心架構(gòu),推進(jìn)AI的規(guī)?;涞?
  • AI智能體的興起讓數(shù)據(jù)隱私的重要性日益凸顯
    AI智能體的興起讓數(shù)據(jù)隱私的重要性日益凸顯
  • 網(wǎng)站相關(guān)
  • 關(guān)于我們
  • 聯(lián)系我們
  • 投稿須知
  • 廣告及服務(wù)
  • 內(nèi)容許可
  • 廣告服務(wù)
  • 雜志訂閱
  • 會(huì)員與積分
  • 積分商城
  • 會(huì)員等級(jí)
  • 會(huì)員積分
  • VIP會(huì)員
  • 關(guān)注我們

Copyright ? 2005-2024 華北計(jì)算機(jī)系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號(hào)-2

感谢您访问我们的网站,您可能还对以下资源感兴趣:

欧美色综合二区