123,123

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

為了提高多通道接收機的通道間誤差校準效率，設(shè)計并實現(xiàn)了一種低峰均功率比的數(shù)字梳狀譜校準源模塊。該模塊基于FPGA+DAC的硬件結(jié)構(gòu)，采用軟件DDS原理方式來產(chǎn)生梳狀譜信號。為了降低梳狀譜信號的峰均功率比，利用遺傳算法對信號的各個子載波的初始相位進行了優(yōu)化，計算出一組優(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，同時提高了梳狀譜信號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質(zhì)量。該模塊在梳狀譜信號輸出范圍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，完全滿足校準源指標要求。

發(fā)表于：2024/5/27 15:28:08

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)致了對電源完整性的要求不斷提高。不合理的電源完整性設(shè)計將會給電源質(zhì)量和信號質(zhì)量帶來極大的干擾，甚至?xí)瓜到y(tǒng)崩潰。針對所設(shè)計的多芯片微系統(tǒng)設(shè)計進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)同去耦的方式對電源分配網(wǎng)絡(luò)阻抗進行了優(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：2024/5/27 15:28:06

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

在惡劣天氣條件下采集的圖像存在對比度差、清晰度下降等問題。圖像質(zhì)量的惡化制約著計算機視覺的準確性和自動化任務(wù)的效率。給出了一種基于限制對比度自適應(yīng)直方圖均衡（Contrast Limited Adaptive Histogram Equalization， CLAHE）與改進多尺度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CLAHE算法處理，再用MSR算法處理，對圖像MSR算法處理時，引入Gamma校正因子估計入射光，并對算法中的環(huán)繞函數(shù)進行優(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、平均梯度和標準差等方面均有提升；并設(shè)計硬件電路，成功在FPGA上演示了視頻實時去霧，提高了視頻圖像去霧的實時性。對板級資源與功能消耗進行了數(shù)字化的分析，證明所設(shè)計硬件系統(tǒng)屬于低功耗范疇。

發(fā)表于：2024/5/27 15:28:00

應(yīng)用于收發(fā)鏈路多模塊級聯(lián)的優(yōu)化設(shè)計方法[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)致的級聯(lián)失配問題提出了一種優(yōu)化設(shè)計方法。該設(shè)計方法通過主動引入相鄰器件阻抗?fàn)恳?yīng)，并使其與級聯(lián)阻抗失配相抵消從而實現(xiàn)阻抗“預(yù)失配”的設(shè)計方案。對“預(yù)失配”的技術(shù)原理以及設(shè)計流程進行了簡要分析，并通過加工一款采用優(yōu)化設(shè)計方案的4通道X/Ku波段的射頻收發(fā)芯片，驗證了該設(shè)計方案的可實現(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：2024/5/27 15:28:00

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

玉米作為我國主糧作物，其生產(chǎn)常受大斑病、小斑病、銹病等病害及蟲害影響，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，視覺檢測技術(shù)因其高準確性已成為病害防控的重要工具。以Mask R-CNN為基礎(chǔ)框架，通過融入DyHead、Groie和OHEM模塊進行優(yōu)化，旨在提升對細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%，尤其在小目標分割上準確率提高8.5%，相較于YOLOv5、YOLACT++等同類模型優(yōu)勢顯著。通過消融實驗驗證了各新增模塊的有效性，證實該模型為精準檢測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：2024/5/27 15:28:00

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

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，面臨不同LVDS輸出通道延時不同所導(dǎo)致的數(shù)據(jù)采集錯誤的問題，為此設(shè)計了一個多通道自適應(yīng)LVDS接收器。通過采用數(shù)據(jù)時鐘恢復(fù)技術(shù)產(chǎn)生一個多相位的采樣時鐘，并結(jié)合ADC的測試模式來確認每一個通道的采樣相位，能夠自動對每一個通道的延時分別進行調(diào)整，以達到對齊各通道采樣相位點，保證數(shù)據(jù)正確采集的目的。最后，基于先進CMOS工藝進行了接收器的設(shè)計、仿真、后端設(shè)計實現(xiàn)和流片測試，仿真和流片后的板級測試結(jié)果均表明該接收器能夠?qū)νǖ姥舆t進行自動調(diào)節(jié)以對齊采樣相位，且最大的采樣相位調(diào)節(jié)范圍為±3 bit，信噪比大于65 dB，滿足了設(shè)計要求和應(yīng)用需求。

發(fā)表于：2024/5/27 15:28:00

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][其他]

食品安全和污染風(fēng)險相關(guān)的問題越來越多，迫切需要高效的追溯解決方案。通過溯源可以高效追溯食品的源頭，并且進行追責(zé)，從而提高食品安全。為此設(shè)計了一個基于以太坊智能合約的農(nóng)業(yè)供應(yīng)鏈溯源機制，該機制通過引入NFT技術(shù)，優(yōu)化了區(qū)塊鏈農(nóng)產(chǎn)品溯源過程。實驗結(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)塊鏈溯源基準技術(shù)。

發(fā)表于：2024/5/27 15:28:00

基于深度學(xué)習(xí)的互聯(lián)網(wǎng)接收機中特定信號識別[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

隨著軟件無線電技術(shù)和互聯(lián)網(wǎng)技術(shù)的發(fā)展，有大量的互聯(lián)網(wǎng)接收機接入互聯(lián)網(wǎng)，并可任意訪問其頻譜瀑布圖數(shù)據(jù)。頻譜瀑布圖是信號頻域和時域特性的一種展示方式，將不同頻率的信號以圖像的方式直觀地進行展示，為了更好地監(jiān)測到頻譜瀑布圖中的特定信號，需要對頻譜瀑布圖中的特定信號進行智能識別。通過深度學(xué)習(xí)技術(shù)實現(xiàn)了對頻譜瀑布圖中特定信號識別，在信噪比大于5 dB時，識別準確率大于90%。

發(fā)表于：2024/5/27 15:28:00

惡意代碼可視化分類研究[通信與網(wǎng)絡(luò)][信息安全]

新型惡意代碼設(shè)計變得日益復(fù)雜，傳統(tǒng)的識別并檢測方法已經(jīng)滿足不了當(dāng)前的需求。因此，在對BODMAS數(shù)據(jù)集分析的基礎(chǔ)上，將其進行可視化處理并進行分類。同時考慮到現(xiàn)有惡意代碼可視化分類模型主要依賴全局特征，在卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上設(shè)計了一個CA（通道級局部特征關(guān)注）模塊和一個MA（多尺度局部特征關(guān)注）模塊，構(gòu)建了兩個新模型，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識別并分類平均準確率相比于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，為未來研究提供了重要的數(shù)據(jù)和實驗基礎(chǔ)。

發(fā)表于：2024/5/27 15:28:00

硅基三維異構(gòu)集成射頻微系統(tǒng)的多物理場耦合仿真與設(shè)計[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)計一款射頻微系統(tǒng)，以滿足設(shè)備對射頻模組高性能、小型化的需求。為了在設(shè)計初期充分評估該微系統(tǒng)的潛在可靠性風(fēng)險，根據(jù)工藝特征以及產(chǎn)品在多物理場中的耦合現(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)計環(huán)節(jié)提供針對性的指導(dǎo)，預(yù)先規(guī)避可靠性風(fēng)險，從而有效提高一次性設(shè)計成功率。

發(fā)表于：2024/5/27 15:28:00