123,123

解決方案

选择正确的设备监测电池温度[电源技术][工业自动化]

电池包需要达到足够的功率密度（W/kg），才能分配充分的电流来实现电动汽车的加速指标。同时，高功率密度（Wh/kg），才能实现更长的续航时间或续航里程。

發(fā)表于：2022/1/25 下午4:50:00

智能刻蚀带来突破性的生产力提升[EDA与制造][工业自动化]

芯片设计的要求是，在每一片晶圆上同时刻蚀超过一万亿个孔，且需要这些孔均匀并可预测。当大批量生产要求晶圆厂每月生产140万片NAND晶圆时，刻蚀挑战变得更加复杂，并可能对位成本产生重大影响

發(fā)表于：2022/1/25 下午4:32:04

主控芯片CPU/FPGA存储及单粒子翻转科普[嵌入式技术][通信网络]

每一次神舟载人飞船和SpaceX卫星的发射升空，都能吸引众多人关注。对于这些神秘的航天飞信器，你知道它们的信息都是怎么处理的吗？航天飞行器信息的处理依靠CPU/FPGA，而指令的执行则凭借存储器。目前市场上大多数售卖主芯片的厂商都是靠存储器起家的。Excelpoint世健公司的工程师Wolfe Yu在此对存储的分类以及它们各自的优劣进行了科普介绍。

發(fā)表于：2022/1/25 下午2:23:00

艾尼克斯Adapt FT3000系列 - 强大的测试解决方案，规避不必要的时间损失 [测试测量][工业自动化]

艾尼克斯Adapt FT3000系列 - 强大的测试解决方案，规避不必要的时间损失 Enics Adapt FT3000系列是艾尼克斯自有产品测试平台。该系列测试解决方案是电子产品生产中PCBA级和终端产品功能测试的综合测试平台。

發(fā)表于：2022/1/21 下午4:55:00

是德科技软件测试自动化事业部总经理探讨软件质量对于数字世界的重要意义[测试测量][工业自动化]

为了进一步了解软件质量的重要性，是德科技软件测试自动化部门总经理 Gareth Smith 博士进行分享，探讨为什么说软件质量决定了业务能否取得成功以及我们应当采取哪些措施来提升软件质量。

發(fā)表于：2022/1/21 下午1:57:24

为何毫米波需要采用不同的DPD方法？如何量化其值？[微波|射频][5G]

在5G新无线电技术标准中，除了sub-6 GHz频率外，还利用毫米波（mmWave）频率来提高吞吐量。毫米波频率的使用为大幅提高数据吞吐量带来了独特的机会，同时也带来了新的实施挑战。本文探讨sub-6 GHz和毫米波基站无线电之间的架构差异，着重讲述在这些系统上实施DPD面临的挑战和带来的好处。数字预失真（DPD）是一种成熟技术，通常用于sub-6 GHz无线通信系统，以提高功率效率，但大多数毫米波无线电并不使用DPD。采用ADI波束成型器和收发器构建的包含256个元件的毫米波阵列原型，我们能够证明采用DPD能够将有效各向同性辐射功率（EIRP）提高达3 dB。与不采用DPD，但具有相同目标EIRP的阵列相比，这种阵列的元件数量可以减少30%。

發(fā)表于：2022/1/19 下午9:51:00

12V铅酸电池即将退出市场？[电源技术][汽车电子]

没错，汽车12V 铅酸电池即将退出市场。欧洲已颁布法令，2030 年之后，所有新车均不再使用铅酸电池，这给 OEM 厂商寻找替代解决方案带来了极大的挑战。虽然这似乎是一项艰巨的任务，但它也可带来巨大的机遇，不仅可消除对环境有害的电池，同时还可减轻车辆重量并提高整体效率。

發(fā)表于：2022/1/18 下午9:19:00

我们盯上了 Sparrow：非授权用户如何利用无线基础设施进行隐蔽通信[测试测量][5G]

我们发现了一种新方法能够利用 LTE 和 5G 中的 MAC 层协议，通过使用其他人的网络进行远程通信。这个新发现的 LTE/5G MAC 层协议标准中的漏洞很可能会影响到其他的无线宽带标准。该漏洞可让未经授权的设备通过服务提供商的基础设施匿名交换短消息。虽然目前它对 Wi-Fi 网络的影响还不是很大，但是随着蜂窝覆盖范围从一个房间扩展到更远距离，它必将成为一个值得关注的大问题。

發(fā)表于：2022/1/18 下午9:17:00

ADC/DAC IC上的集成强化型DSP改进宽带多通道系统[EDA与制造][工业自动化]

过去几十年来，无线系统通道数和带宽一直稳步增长。对数据速率和系统整体性能的要求成为这些现代电信、雷达和仪器仪表系统发展的驱动因素。但与此同时，这些要求也加大了电源封装和系统的复杂度，使功率密度和组件级别的功能变得更为重要。

發(fā)表于：2022/1/17 下午10:19:00

借助VisionPro Deep Learning 开启外观瑕疵检测的无人化之路[EDA与制造][工业自动化]

借助VisionPro Deep Learning 开启外观瑕疵检测的无人化之路为彻底解决检测难题，提升工厂自动化生产水平，FIT在与多家视觉检测解决方案供货商了解沟通后，决定引进基于深度学习算法的AI检测技术。康耐视作为全球知名的机器视觉解决方案供货商，与FIT合作已久。经过调研，FIT发现，康耐视基于深度学习算法的VisionPro Deep Learning，在其综合检测能力、开发周期等各方面性能上，非常贴合FIT自动化生产线的检测要求。

發(fā)表于：2022/1/17 下午2:32:00

<dfn id="tzps2"></dfn>

<strong id="tzps2"><output id="tzps2"><big id="tzps2"></big></output></strong>

<center id="tzps2"><cite id="tzps2"></cite></center><center id="tzps2"><dl id="tzps2"></dl></center>