123,123,123

基于PKS體系的國產(chǎn)智能網(wǎng)卡現(xiàn)狀研究分析[人工智能][信創(chuàng)產(chǎn)業(yè)]

發(fā)表于：2023/10/23 18:17:20

融合激光SLAM實(shí)現(xiàn)平衡車智能導(dǎo)航[人工智能][物聯(lián)網(wǎng)]

國內(nèi)現(xiàn)有的兩輪智能平衡車幾乎不具有自主避障與定位功能。為了提高其安全性與靈活性，在傳統(tǒng)的平衡車基礎(chǔ)上加入了激光SLAM技術(shù)，實(shí)現(xiàn)自主建圖、路徑規(guī)劃、定位和避障。運(yùn)用卡爾曼濾波器對六軸傳感器采集的加速度和傾斜角進(jìn)行數(shù)據(jù)融合處理，在建圖和定位方面，采用Google發(fā)布的Cartographer算法，路徑規(guī)劃和避障上采用Navigation功能包集成的move_base下的Teb算法。由于激光雷達(dá)建圖時需要車速比較緩慢，并且需要盡可能避免抖動，因此讓車模保持穩(wěn)定的運(yùn)動狀態(tài)就很重要，為此首先對傳感器獲得的數(shù)據(jù)進(jìn)行濾波，其次對小車的PID參數(shù)進(jìn)行細(xì)調(diào)。同時為了更方便地控制，加入藍(lán)牙功能，通過藍(lán)牙控制小車運(yùn)動，實(shí)現(xiàn)快速建圖。在加入了SLAM技術(shù)之后，傳統(tǒng)的平衡車可以實(shí)現(xiàn)避障和定位功能，能夠?qū)崟r檢測出靜態(tài)和動態(tài)障礙物，并繞開障礙物規(guī)劃出最優(yōu)路線，實(shí)現(xiàn)了無人駕駛功能。

發(fā)表于：2023/10/23 18:13:13

基于特征投影預(yù)處理抗主瓣干擾的改進(jìn)算法[微波|射頻][航空航天]

針對基于特征投影預(yù)處理后旁瓣干擾偏移的問題，提出一種基于特征投影預(yù)處理和協(xié)方差矩陣修正重構(gòu)的主瓣干擾抑制算法。該方法首先通過最大相關(guān)系數(shù)法確定特征投影矩陣，對接收數(shù)據(jù)進(jìn)行預(yù)處理充分去除主瓣干擾，然后對主瓣干擾信號功率置零，重新構(gòu)造旁瓣干擾加噪聲協(xié)方差矩陣，進(jìn)一步進(jìn)行波束形成，方向圖在偏移旁瓣干擾處形成較深的零陷。仿真實(shí)驗(yàn)表明，提出的方法在接收數(shù)據(jù)含有期望信號的條件下能夠有效地抑制主瓣干擾和旁瓣干擾，并且具有良好的穩(wěn)健性。

發(fā)表于：2023/10/23 18:07:34

基于DSP的電子束選區(qū)熔化束流調(diào)控系統(tǒng)的研制*[電子元件][其他]

為了獲得穩(wěn)定的電子束流輸出，提高電子束選區(qū)熔化成形質(zhì)量，研制了一套基于DSP的電子束選區(qū)熔化束流調(diào)控系統(tǒng)。使用DSP的通用定時器和比較寄存器產(chǎn)生頻率為20 kHz、占空比與死區(qū)時間可調(diào)的PWM脈沖；設(shè)計(jì)高壓、束流信號反饋采樣電路；DSP采用積分分離PID控制算法實(shí)現(xiàn)束流的快速調(diào)節(jié)和閉環(huán)調(diào)控。試驗(yàn)結(jié)果表明該控制系統(tǒng)所控制的電子槍在帶載時最大束流達(dá)到150 mA，高壓、燈絲加熱電流給定時，隨著偏壓降低，束流逐漸增大，實(shí)現(xiàn)了穩(wěn)定的束流輸出。

發(fā)表于：2023/10/23 18:00:15

基于ARM的呼吸暫停綜合征檢測系統(tǒng)*[測試測量][醫(yī)療電子]

阻塞型睡眠呼吸暫停綜合征（Obstructive Sleep Apnea Hypopnea Syndrome， OSAHS）是一種常見的呼吸睡眠疾病，它會降低人們的睡眠質(zhì)量，使人們產(chǎn)生疲憊感，更嚴(yán)重地會危害人們的身心健康。研究設(shè)計(jì)了一種基于ARM的OSAHS檢測系統(tǒng)，系統(tǒng)以i.MX6ULL作為硬件主控，采用嵌入式Linux系統(tǒng)為軟件平臺，具有鼾聲采集處理、檢測分類、傳輸?shù)裙δ埽c云平臺建立完整的OSAHS檢測系統(tǒng)，并且通過與標(biāo)準(zhǔn)多導(dǎo)睡眠監(jiān)測儀（PSG）設(shè)備對比檢測效果達(dá)到83.9%，達(dá)到初篩的作用，具有較強(qiáng)的輔助診斷應(yīng)用價(jià)值。

發(fā)表于：2023/10/23 17:54:43

基于eIQ的中藥材圖像識別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[嵌入式技術(shù)][醫(yī)療電子]

中藥材對人體疾病的預(yù)防及控制具有重要的作用，然而普通百姓對中藥材知識了解過少，可能由于濫用中藥材而帶來不可控的后果。因此，對中藥材進(jìn)行精準(zhǔn)識別是一項(xiàng)緊迫的任務(wù)。將輕量級神經(jīng)網(wǎng)絡(luò)模型應(yīng)用到中藥材識別中，提出在微控制器上實(shí)現(xiàn)基于MobileNetV3模型的中藥材圖像識別系統(tǒng)。首先建立中藥材圖像數(shù)據(jù)集，在eIQ機(jī)器學(xué)習(xí)軟件開發(fā)環(huán)境中根據(jù)MobileNetV3構(gòu)建識別基礎(chǔ)模型，并通過調(diào)整模型參數(shù)實(shí)現(xiàn)對模型的優(yōu)化，最后將模型文件部署到i.MX RT1060上，實(shí)現(xiàn)了對30種中藥材的識別。最終在驗(yàn)證集的準(zhǔn)確率達(dá)到86.79%。結(jié)果表明，在i.MX RT1060上實(shí)現(xiàn)中藥材識別具有很好的實(shí)際效果。

發(fā)表于：2023/10/23 17:42:30

基于UVM和C語言驗(yàn)證JTAG調(diào)試協(xié)議的研究與實(shí)現(xiàn)[可編程邏輯][工業(yè)自動化]

芯片驗(yàn)證中，JTAG協(xié)議功能的好壞決定了芯片流片回來后是否具有可調(diào)試狀態(tài)。多數(shù)情況下是編寫一段既冗長且不易維護(hù)的TestBench代碼進(jìn)行驗(yàn)證；有些情況依賴FPGA原型驗(yàn)證手段去驗(yàn)證JTAG協(xié)議，但在該情況下，一些模塊需進(jìn)行FPGA資源替換，無法保證與RTL級網(wǎng)表一致，可能導(dǎo)致流片后回來的芯片JTAG調(diào)試不通。針對這些情況，結(jié)合UVM方法學(xué)的通用性和C語言的便利性，提出一種基于UVM和C語言聯(lián)合驗(yàn)證JTAG調(diào)試協(xié)議的實(shí)現(xiàn)方法。UVM搭建驗(yàn)證JTAG協(xié)議的框架，C語言側(cè)編寫測試用例，用例通過調(diào)用UVM側(cè)實(shí)現(xiàn)的芯片JTAG接口驅(qū)動時序的方法來到達(dá)實(shí)現(xiàn)C語言驗(yàn)證芯片JTAG協(xié)議的結(jié)果。

發(fā)表于：2023/10/23 17:36:00

風(fēng)云三號衛(wèi)星監(jiān)測海洋滸苔、赤潮和溢油*[測試測量][航空航天]

風(fēng)云衛(wèi)星對海洋環(huán)境災(zāi)害（滸苔、赤潮和溢油）的定量遙感監(jiān)測業(yè)務(wù)能力需要提升。利用風(fēng)云三號D星中分辨率光譜成像儀MERSI-II資料以及部分高分衛(wèi)星數(shù)據(jù)，探索解決大氣校正和云檢測兩個技術(shù)難點(diǎn)問題的方法，分別依據(jù)滸苔、赤潮和溢油的光譜特征，建立相關(guān)的遙感監(jiān)測算法，實(shí)現(xiàn)對海洋滸苔、赤潮和溢油的判識，并在相應(yīng)個例中取得較好的監(jiān)測效果。

發(fā)表于：2023/10/23 17:29:00

基于約束的多維Apriori改進(jìn)算法[其他][其他]

針對經(jīng)典多維關(guān)聯(lián)規(guī)則挖掘算法執(zhí)行效率不高、存在冗余規(guī)則的不足，提出基于約束的多維Apriori改進(jìn)算法，在多維Apriori算法的基礎(chǔ)上，將用戶約束引入挖掘過程，根據(jù)關(guān)于謂詞的約束產(chǎn)生用戶感興趣的頻繁謂詞集，并以此為依據(jù)刪減事務(wù)集。該算法一方面通過用戶約束大大縮減了候選謂詞集的產(chǎn)生，另一方面經(jīng)過刪減的事務(wù)集也降低了掃描數(shù)據(jù)庫的開銷，最終實(shí)現(xiàn)了挖掘效率的提高以及冗余規(guī)則的減少。應(yīng)用該算法在FPGA代碼缺陷事務(wù)集上進(jìn)行對比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果證明了該算法相比多維Apriori算法，在搜索效率以及挖掘結(jié)果的準(zhǔn)確性方面均得到了改善，有效提高了FPGA代碼缺陷分析的準(zhǔn)確性。

發(fā)表于：2023/10/23 17:21:25

基于云模型的變分自編碼器數(shù)據(jù)壓縮方法*[其他][醫(yī)療電子]

圖像數(shù)據(jù)解壓縮問題是一類重要的數(shù)據(jù)處理問題，數(shù)據(jù)特征學(xué)習(xí)在數(shù)據(jù)壓縮研究中有重要的研究價(jià)值。提出了一種基于云模型的變分自編碼器特征表征模型，將云模型作為變分自編碼器的先驗(yàn)分布，解決變分自編碼器在特征表征上的局限性。變分自編碼器的編碼器部分負(fù)責(zé)構(gòu)建數(shù)據(jù)的特征空間，通過在該空間中采樣獲得隱變量，完成數(shù)據(jù)壓縮；解碼器部分完成從數(shù)據(jù)特征到原數(shù)據(jù)的生成，即數(shù)據(jù)的解壓。在人臉數(shù)據(jù)集上與原方法作實(shí)驗(yàn)對比，驗(yàn)證了該方法的正確性和有效性。

發(fā)表于：2023/10/23 17:16:30