水蜜桃视频在线播放,大地资源高清日本

基于銑削式加工的140 GHz矩形波導(dǎo)帶通濾波器[微波|射頻][工業(yè)自動(dòng)化]

利用現(xiàn)代計(jì)算機(jī)數(shù)控機(jī)床（Computer Numerical Control，CNC）銑削技術(shù)實(shí)現(xiàn)了中心頻率為140 GHz的矩形波導(dǎo)帶通濾波器?；陔姶欧抡孳浖﨟FSS對(duì)該濾波器進(jìn)行了優(yōu)化設(shè)計(jì)和容差分析。采用CNC銑削技術(shù)完成了該濾波器的加工制備。測(cè)試結(jié)果與仿真結(jié)果吻合良好，表明該濾波器具備優(yōu)越的性能：其中心頻率為 140.2 GHz、3 dB相對(duì)帶寬為10.1%，插入損耗小于0.5 dB，帶內(nèi)回波損耗優(yōu)于25 dB，距中心頻率±20 GHz處帶外抑制大于30 dB。該結(jié)果進(jìn)一步驗(yàn)證了利用CNC銑削技術(shù)加工140 GHz波段濾波器的可行性。

發(fā)表于：7/11/2023 3:10:00 PM

W頻段波導(dǎo)氣密結(jié)構(gòu)的功率合成放大器設(shè)計(jì)[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

針對(duì)3 mm頻段功率合成的需要，設(shè)計(jì)了一種波導(dǎo)氣密結(jié)構(gòu)的4合1放大器，用來(lái)實(shí)現(xiàn)W頻段瓦級(jí)的氣密功率合成輸出。本設(shè)計(jì)引入硅基結(jié)構(gòu)實(shí)現(xiàn)了W頻段組件的氣密，解決了傳統(tǒng)3 mm頻段波導(dǎo)組件難以氣密的難題。本設(shè)計(jì)基于波導(dǎo)合路原理，運(yùn)用高頻結(jié)構(gòu)仿真軟件對(duì)氣密波導(dǎo)合路結(jié)構(gòu)進(jìn)行了建模與仿真。通過(guò)對(duì)比模型的仿真結(jié)果與樣機(jī)實(shí)測(cè)數(shù)據(jù)，表明該W頻段波導(dǎo)氣密功率合成放大器的指標(biāo)可滿足設(shè)計(jì)要求。

發(fā)表于：7/11/2023 3:05:11 PM

S頻段500 W高穩(wěn)相固態(tài)功放設(shè)計(jì)[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

介紹了一種S頻段500 W高穩(wěn)相固態(tài)功放的工程實(shí)現(xiàn)。根據(jù)實(shí)際工程需求，采用4片功率芯片進(jìn)行大功率合成，在2 025 MHz~2 120 MHz頻率范圍內(nèi)實(shí)現(xiàn)輸出功率大于600 W的固態(tài)功率放大器。采用了低附加相移電路設(shè)計(jì)、微波板材模塊化設(shè)計(jì)、功率回退等措施，實(shí)現(xiàn)了在0℃~30℃的環(huán)境溫度條件下，輸出功率在1 W~500 W功率范圍內(nèi)，功放輸出端相位變化小于11.5°，滿足了厘米級(jí)擴(kuò)頻測(cè)控系統(tǒng)對(duì)S頻段固態(tài)功放的工程技術(shù)要求。

發(fā)表于：7/11/2023 2:32:09 PM

基于渦旋電磁波的大容量傳輸天饋設(shè)計(jì)[模擬設(shè)計(jì)][通信網(wǎng)絡(luò)]

渦旋電磁波不同軌道角動(dòng)量（OAM）模態(tài)的正交性可以作為新的信息復(fù)用維度進(jìn)一步提升系統(tǒng)通信容量。設(shè)計(jì)了一種基于雙環(huán)圓形陣列的渦旋電磁天饋系統(tǒng)，可同時(shí)產(chǎn)生±1、±2四模態(tài)渦旋電磁信號(hào)。暗室測(cè)試及系統(tǒng)聯(lián)試結(jié)果表明，設(shè)計(jì)的天饋系統(tǒng)模態(tài)間隔離度好，可完成4路同頻BPSK數(shù)傳信號(hào)的同時(shí)傳輸且無(wú)誤碼，實(shí)現(xiàn)了系統(tǒng)通信容量的提升。

發(fā)表于：7/11/2023 2:19:25 PM

基于隨機(jī)森林的命令混淆繞過(guò)檢測(cè)研究[通信與網(wǎng)絡(luò)][信息安全]

運(yùn)維安全管理設(shè)備中的“命令過(guò)濾”功能只能過(guò)濾黑名單中的惡意代碼，而無(wú)法有效識(shí)別并阻止使用特殊方法繞過(guò)該功能的行為。針對(duì)這一問(wèn)題，提出了一種基于隨機(jī)森林的算法，可以準(zhǔn)確識(shí)別含有惡意代碼的命令執(zhí)行語(yǔ)句。首先，介紹了四種命令混淆繞過(guò)方法，它們用來(lái)規(guī)避黑名單中的關(guān)鍵詞并進(jìn)行命令執(zhí)行。然后，為了解決這些風(fēng)險(xiǎn)，在模型的特征選擇階段將命令混淆代碼納入考慮范圍，利用多種特征對(duì)模型進(jìn)行訓(xùn)練并調(diào)整特征權(quán)重，以提高模型檢測(cè)中對(duì)使用命令混淆攻擊的識(shí)別率和準(zhǔn)確度。實(shí)驗(yàn)結(jié)果表明，該方法能夠及時(shí)識(shí)別并應(yīng)對(duì)命令混淆攻擊，從而更好地保證服務(wù)器安全運(yùn)行。

發(fā)表于：6/28/2023 2:55:18 PM

基于EMD和ELM相結(jié)合的門(mén)診量預(yù)測(cè)模型研究[其他][醫(yī)療電子]

針對(duì)門(mén)診量波動(dòng)幅度較大的時(shí)間序列預(yù)測(cè)問(wèn)題，先采用經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)將非線性較強(qiáng)的原始數(shù)據(jù)進(jìn)行分解，然后通過(guò)極限學(xué)習(xí)機(jī)(ELM)將分解后的各個(gè)序列分量進(jìn)行建模，最后將各個(gè)分量的預(yù)測(cè)值相加得出最終結(jié)果。將BP神經(jīng)網(wǎng)絡(luò)、ELM兩個(gè)單一模型與EMDELM組合模型進(jìn)行對(duì)比驗(yàn)證，實(shí)驗(yàn)結(jié)果表明組合模型的精準(zhǔn)度明顯好于兩個(gè)單一模型。

發(fā)表于：6/21/2023 4:33:10 PM

基于粒子群優(yōu)化的北斗多星定位方法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

北斗衛(wèi)星導(dǎo)航系統(tǒng)是我國(guó)自主建設(shè)運(yùn)行的衛(wèi)星系統(tǒng)，向全球用戶提供高精度定位服務(wù)是其重要功能之一。為提高北斗系統(tǒng)的定位精度，一類(lèi)可行的方法是偽距定位算法。針對(duì)常見(jiàn)的偽距算法存在依賴(lài)模型、計(jì)算復(fù)雜等問(wèn)題，提出一種基于粒子群優(yōu)化的北斗衛(wèi)星定位方法。首先篩選出大氣折射誤差大、對(duì)定位貢獻(xiàn)小的冗余衛(wèi)星，由此獲取多顆可利用的北斗衛(wèi)星；在此基礎(chǔ)上，研究粒子群的初始群體和適應(yīng)度函數(shù)，通過(guò)粒子群算法得到優(yōu)化后的接收機(jī)位置。實(shí)驗(yàn)結(jié)果表明，該方法可以快速搜索出優(yōu)化的位置；與常用的最大四面體法解算出的接收機(jī)位置相比較，定位精度可提高大約1.5 m。

發(fā)表于：6/21/2023 4:26:00 PM

基于SVM的跨湍流信道OOK調(diào)制光通信信號(hào)判決[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

自由空間光在提供快速穩(wěn)定的數(shù)據(jù)傳輸、抵御外界干擾以及極強(qiáng)的安全保障等方面都表現(xiàn)出色。激光在大氣信道的傳輸過(guò)程中，通信性能普遍會(huì)受到大氣狀況的影響，大氣湍流引起的光強(qiáng)閃爍效應(yīng)將導(dǎo)致系統(tǒng)鏈路性能惡化。研究了弱大氣湍流信道下自由空間光通信中通斷鍵調(diào)制信號(hào)的判決方法，首先依據(jù)對(duì)數(shù)正態(tài)模型對(duì)真實(shí)弱湍流信道進(jìn)行數(shù)值仿真，然后針對(duì)實(shí)際使用場(chǎng)景下信道條件未知、模型訓(xùn)練數(shù)據(jù)與實(shí)際情形不匹配等難點(diǎn)，使用數(shù)據(jù)增廣方法訓(xùn)練提升支持向量機(jī)模型的判決效果，進(jìn)而提高跨湍流信道的判決能力。實(shí)驗(yàn)結(jié)果初步驗(yàn)證了數(shù)據(jù)增廣方法會(huì)提高信道不匹配情況下的支持向量機(jī)判決模型的效果。

發(fā)表于：6/21/2023 4:19:36 PM

基于生成對(duì)抗網(wǎng)絡(luò)的小樣本圖像數(shù)據(jù)增強(qiáng)技術(shù)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

基于生成對(duì)抗網(wǎng)絡(luò)（GANs）的圖像數(shù)據(jù)增強(qiáng)方法在近年來(lái)展現(xiàn)出了巨大的潛力。然而生成高分辨率、高保真圖像通常需要大量訓(xùn)練數(shù)據(jù)，這和缺乏訓(xùn)練數(shù)據(jù)的現(xiàn)狀背道而馳。為解決這一問(wèn)題，提出了一種能夠在小樣本、高分辨率圖像數(shù)據(jù)集上穩(wěn)定訓(xùn)練的條件生成對(duì)抗網(wǎng)絡(luò)模型,并且將該模型用于數(shù)據(jù)增強(qiáng)。實(shí)驗(yàn)結(jié)果表明，在基準(zhǔn)數(shù)據(jù)集上，該模型與當(dāng)前最新模型相比能夠生成更加逼真的圖像并取得了最低的FID值；在圖像分類(lèi)任務(wù)中使用其進(jìn)行數(shù)據(jù)增強(qiáng)能夠有效緩解分類(lèi)器的過(guò)擬合問(wèn)題。

發(fā)表于：6/21/2023 4:11:28 PM

基于TsFresh-Stacking的毫米波雷達(dá)人體跌倒檢測(cè)方法[微波|射頻][通信網(wǎng)絡(luò)]

針對(duì)雷達(dá)頻譜圖空間信息較少，且通過(guò)單一機(jī)器學(xué)習(xí)算法進(jìn)行毫米波雷達(dá)人體跌倒行為識(shí)別精度低、穩(wěn)定性差的問(wèn)題，使用人體空間雷達(dá)點(diǎn)云時(shí)序數(shù)據(jù)，提出了融合TsFresh特征提取和Stacking堆疊集成學(xué)習(xí)的跌倒識(shí)別方法。首先，采用TIIWR6843毫米波雷達(dá)采集人體動(dòng)作對(duì)應(yīng)的人體運(yùn)動(dòng)跟蹤時(shí)序數(shù)據(jù)，構(gòu)建包含不同年齡、身高、體重信息、跌倒方式的數(shù)據(jù)集。其次，結(jié)合TsFresh時(shí)序特征提取工具和基于隨機(jī)森林模型的特征重要性提取人體跌倒關(guān)鍵時(shí)序特征。最后，提出了融合隨機(jī)森林、支持向量機(jī)、K最鄰近算法、XGBoost和CatBoost 5種單元機(jī)器學(xué)習(xí)模型的Stacking堆疊式集成學(xué)習(xí)方法。結(jié)果表明，與典型單一機(jī)器學(xué)習(xí)算法相比，Stacking集成學(xué)習(xí)算法具有明顯的性能提升，能夠有效提升人體跌倒行為識(shí)別準(zhǔn)確性和泛化性。

發(fā)表于：6/21/2023 4:05:00 PM