123,123,123

頭條

基于LSTM模型的智能服務(wù)治理方案研究與實踐

為解決航空公司網(wǎng)站在訪問量大幅波動時容易導(dǎo)致系統(tǒng)異常、難以快速進行治理的問題，以Spring Cloud微服務(wù)治理框架為基礎(chǔ)，融入長短期記憶（LSTM）模型對系統(tǒng)指標進行分析與預(yù)測，結(jié)合云原生架構(gòu)，提出了一種基于LSTM模型的智能服務(wù)治理方案。利用LSTM對歷史指標數(shù)據(jù)進行訓(xùn)練并輸出預(yù)測模型，實現(xiàn)對于指標的趨勢預(yù)測；結(jié)合云原生基礎(chǔ)設(shè)施，生成基于預(yù)測結(jié)果的主動式水平容器組自動伸縮器，實現(xiàn)資源預(yù)伸縮；根據(jù)指標預(yù)測結(jié)果與變化趨勢自動下發(fā)與回收治理策略，實現(xiàn)智能化的流量治理。實踐表明，該方案能根據(jù)模型預(yù)測結(jié)果提前做好資源擴縮容與服務(wù)治理，有效規(guī)避系統(tǒng)風(fēng)險。

基于手勢識別的視力檢測系統(tǒng)設(shè)計

在手勢識別與人機交互成為當下熱點的背景下，為解決傳統(tǒng)視力檢測過程煩瑣、效率低的問題，提出基于手勢識別的視力檢測系統(tǒng)設(shè)計。該系統(tǒng)以STM32單片機作為核心控制，通過激光測距模塊、手勢識別模塊以及視力表顯示模塊等實現(xiàn)智能化、自助式視力檢測。系統(tǒng)通過TFT LCD顯示屏顯示視標，在測距達到標準范圍后，以手勢識別傳感器識別被測者的手勢動作，通過微處理器采集、對比、判斷后，以單視標判斷準則及二分法檢索策略，完成視力等級顯示。通過實驗驗證了系統(tǒng)的可行性，該系統(tǒng)能夠?qū)崿F(xiàn)對四種手勢的正確識別且視力檢測時的平均準確識別率達到82%，具有良好的準確性和高效性。

發(fā)表于：10/16/2025

基于FPGA的梳狀譜通信干擾信號設(shè)計與研究

為了有效測試通信電臺的實際抗干擾性能，提出了一種基于FPGA的高斯白噪聲梳狀譜干擾信號設(shè)計方案，相比傳統(tǒng)隨機相位調(diào)頻梳狀譜干擾，在對抗寬帶通信系統(tǒng)時干擾效果更強。該方案以FPGA為核心，通過改進Ziggurat算法和DDS技術(shù)實現(xiàn)梳狀譜干擾信號的生成，在滿足高速、高性能的同時，具有較強的靈活性。并通過DA芯片輸出，實現(xiàn)了3~11個梳狀譜信號的生成。實驗結(jié)果表明：生成的梳狀譜干擾信號頻率控制誤差小于0.001%，干擾效果量化一個指標。

發(fā)表于：10/15/2025

氣象衛(wèi)星掩星探測載荷智能自動化測試系統(tǒng)研究

為提高氣象衛(wèi)星掩星探測載荷的生產(chǎn)測試效率，解放生產(chǎn)力、釋放設(shè)備資源，提出了一種智能自動化測試系統(tǒng)。具體介紹了掩星探測載荷搭載的衛(wèi)星模擬系統(tǒng)原理及其測試的基本流程，詳細闡述了智能自動化測試系統(tǒng)方案及實現(xiàn)方式。系統(tǒng)軟件的核心架構(gòu)實現(xiàn)了從傳統(tǒng)的TestStand和LabVIEW架構(gòu)向Python技術(shù)棧的遷移，可以實現(xiàn)智能接口適配、智能測試規(guī)劃、智能故障檢測并自動生成測試報告，支撐掩星探測載荷研發(fā)-測試-交付全流程測試。研究氣象衛(wèi)星掩星探測載荷智能自動化測試技術(shù)可打通氣象衛(wèi)星掩星探測載荷自動化測試標準流程，推動掩星探測載荷技術(shù)發(fā)展，助力氣象觀測技術(shù)提升及應(yīng)用。

發(fā)表于：10/13/2025

利用STK和MATLAB互聯(lián)實現(xiàn)低傾角衛(wèi)星軌道優(yōu)化設(shè)計

提出針對特定緯度區(qū)域目標的低傾角衛(wèi)星軌道設(shè)計方法。首先，分析了低傾角衛(wèi)星軌道的特點；然后，以衛(wèi)星一個回歸周期內(nèi)覆蓋時間最長為性能指標，構(gòu)建了衛(wèi)星軌道設(shè)計的優(yōu)化模型；最后，在利用STK和MATLAB互聯(lián)的基礎(chǔ)上，充分利用STK的覆蓋分析能力和MATLAB的遺傳算法工具箱，優(yōu)化設(shè)計出符合模型需求的最優(yōu)解。所提方法實現(xiàn)了軟件的優(yōu)勢組合，簡單且易于實現(xiàn)，具有較高的求解效率，為衛(wèi)星軌道設(shè)計提供了新的思路和途徑。

發(fā)表于：10/13/2025

航天發(fā)射任務(wù)場景快速構(gòu)建方法研究

隨著航天任務(wù)復(fù)雜性的不斷提升，傳統(tǒng)指揮顯示系統(tǒng)的軟件設(shè)計難以滿足高密度、多任務(wù)的需求。提出了一種基于建模的航天發(fā)射任務(wù)場景快速構(gòu)建方法，通過標準化任務(wù)分解與場景模板設(shè)計，實現(xiàn)系統(tǒng)功能組件的提取與復(fù)用。以元模型為核心，結(jié)合層次化建模的思想，構(gòu)建標準化的建?？蚣埽瑢?fù)雜任務(wù)需求分解為標準化場景模塊，并識別任務(wù)間的依賴關(guān)系?；谀K化設(shè)計原則，構(gòu)建場景模板庫，實現(xiàn)場景的復(fù)用和動態(tài)組合。實驗結(jié)果表明，該方法顯著提升了任務(wù)場景構(gòu)建效率，模板復(fù)用率達到85%~90%，配置時間節(jié)省率達83%，有效提升了任務(wù)建模與場景配置的整體性能。

發(fā)表于：9/26/2025

芯片搭載試驗數(shù)據(jù)存儲與傳輸系統(tǒng)設(shè)計

航天級芯片搭載試驗過程中會產(chǎn)生大量數(shù)據(jù)，為了實現(xiàn)對數(shù)據(jù)的存儲、管理與傳輸，并且適應(yīng)嵌入式設(shè)備內(nèi)存資源少等特點，設(shè)計了采用SD卡和UDP的數(shù)據(jù)存儲與傳輸系統(tǒng)。首先，設(shè)計了數(shù)據(jù)存儲與傳輸系統(tǒng)架構(gòu)，主控芯片通過SPI總線與SD卡通信，并通過UDP與搭載芯片和上位機通信。然后，介紹了SD卡和文件系統(tǒng)的選型和軟件設(shè)計。接下來，基于LwIP進行了數(shù)據(jù)傳輸部分的軟件設(shè)計。最后，通過實驗驗證了該數(shù)據(jù)存儲傳輸系統(tǒng)的有效性，并測試得到該系統(tǒng)的傳輸速率可達4.5 Mb/s且內(nèi)存占用僅為57 KB，滿足了芯片搭載試驗過程中對數(shù)據(jù)存儲與傳輸?shù)男枨?，且相比于傳統(tǒng)的存儲與傳輸方式，該方法大大提高了傳輸速率，降低了內(nèi)存占用。

發(fā)表于：9/26/2025

基于Cadence軟件平臺的分布式電源噪聲仿真方法研究

為了縮短采用PowerSI提取電源S參數(shù)的建模時間，提高芯片內(nèi)部功能模塊電源仿真的精度，進一步識別敏感區(qū)域電源噪聲，引入了一種基于封裝電源的分布式建模及電源噪聲實測點確定方法。用該方法研究了系統(tǒng)處理芯片內(nèi)部功能模塊的電源仿真，發(fā)現(xiàn)在時域電源仿真的噪聲中，同一數(shù)據(jù)流流經(jīng)功能近似的電源模塊產(chǎn)生的電源噪聲存在相似性。在此基礎(chǔ)上，建立電源分布式模型，將功能近似的電源模塊進行分組，并將分組后的封裝電源S 參數(shù)模型和die內(nèi)RC模型融入到電源時域噪聲仿真中，然后根據(jù)仿真結(jié)果確定封裝bump處敏感區(qū)域噪聲實測點的位置。通過仿測對比發(fā)現(xiàn)，在噪聲頻域主頻點對齊的條件下，噪聲時域的仿測誤差小于6%，驗證了所提分布式仿真方法的有效性。

發(fā)表于：9/23/2025

XR芯片系統(tǒng)的EMU全場景AVIP快速迭代驗證方案

隨著XR領(lǐng)域的不斷發(fā)展，市場對全功能和更高性能的復(fù)雜XR芯片系統(tǒng)需求越來越強烈。需求傳導(dǎo)到芯片設(shè)計環(huán)節(jié)，呈現(xiàn)出芯片規(guī)模和復(fù)雜度增加的態(tài)勢，給芯片驗證收斂帶來的挑戰(zhàn)也同時不斷增大。如何在投片前做到關(guān)鍵指標驗證收斂，是每個芯片工程師和項目經(jīng)理面對的難題。在XR芯片研發(fā)領(lǐng)域，為了解決這一難題，提出EMU全場景AVIP快速迭代驗證方案，其中EMU設(shè)備采用Cadence Palladium Z2，AVIP在Cadence VIP的基礎(chǔ)上，適配Palladium Z2 EMU環(huán)境，對接PCIe、MIPI、USB、UART等不同接口，并滿足仿真加速、數(shù)據(jù)比對等需求。通過在XR芯片系統(tǒng)中EMU全場景AVIP快速迭代驗證方案的應(yīng)用，有效提升驗證收斂效率，為芯片的成功交付做到了有力支撐。

發(fā)表于：9/18/2025

探索分布式仿真方法加速Chiplet系統(tǒng)級驗證

隨著人工智能（AI）和高性能計算領(lǐng)域?qū)π酒懔π枨蟮脑鲩L，Chiplet方案正日益受到行業(yè)重視。然而Multi-Die系統(tǒng)復(fù)雜性和規(guī)模的擴大導(dǎo)致仿真消耗服務(wù)器資源大、驗證交付周期延長等。為解決這些問題，分析了傳統(tǒng)的三步法和Socket驗證方法，重點探索了Cadence分布式仿真方案，基于某實際Chiplet項目將系統(tǒng)級仿真任務(wù)分解成多個子Die并行執(zhí)行的仿真實例，從服務(wù)器內(nèi)存、跨服務(wù)器通信延遲、同步時間精準調(diào)控、信號連接開始時間及信號連接數(shù)量等多個方面探索了分布式仿真提效的措施，實現(xiàn)了超大規(guī)模Chiplet系統(tǒng)級RTL仿真和回歸效率提升。

發(fā)表于：9/18/2025

智能水位標尺監(jiān)測系統(tǒng)的設(shè)計實現(xiàn)

隨著目前深度學(xué)習(xí)的發(fā)展，通過視頻來監(jiān)測水位成為近年來的研究熱點，為了提高對城市河道、水庫等地水位高度檢測的準確性，提出了一種5G智能水位標尺監(jiān)測系統(tǒng)，主要介紹以星宸SSC338G為核心的硬件設(shè)計和一種基于YOLOv8n改進的水位監(jiān)測方法。首先用于識別水尺方位，再對水尺圖像進行灰度化和二值化處理，最后通過YOLOv8n識別水尺上的字符及刻度信息，分析計算水位數(shù)據(jù)。通過引入注意力機制EMA和更換損失函數(shù)Focal-EIoU，使得改進后的模型參數(shù)量減少了21%，模型大小減少了17%，浮點運算次數(shù)減少了21%。根據(jù)與人眼實際對比實驗，證明該模型精度符合要求，總體實現(xiàn)了智能水尺設(shè)計要求。

發(fā)表于：9/17/2025