設(shè)計資源-AET-電子技術(shù)應(yīng)用

應(yīng)對中端FPGA市場的挑戰(zhàn)[嵌入式技術(shù)][汽車電子]

　　在當(dāng)今競爭激烈的技術(shù)行業(yè)中，成敗的關(guān)鍵可能就在于能否率先上市。然而，快速上市也帶來了挑戰(zhàn)，尤其是系統(tǒng)和應(yīng)用設(shè)計方面的挑戰(zhàn)。隨著人工智能、網(wǎng)絡(luò)邊緣計算和自動化的日益發(fā)展以及網(wǎng)絡(luò)安全威脅的激增，設(shè)計師現(xiàn)在比以往任何時候都更需要在整個開發(fā)周期中自由更改和微調(diào)他們的設(shè)計。

發(fā)表于：3/30/2023

電池快速充電指南——第1部分[電源技術(shù)][消費電子]

　　雖然更高的電池容量延長了設(shè)備的使用時間，但如何縮短充電時間，這給設(shè)計人員帶來了額外的挑戰(zhàn)。快速充電適用于廣泛的設(shè)備，包括消費電子、醫(yī)療和工業(yè)應(yīng)用。本文分為兩部分，概要介紹與實現(xiàn)電池快速充電功能相關(guān)的挑戰(zhàn)。第1部分探討在主機和電池包之間分隔充電器和電量表，以提高系統(tǒng)的靈活性、盡可能降低功耗，并提升用戶的總體體驗。此外，還介紹設(shè)備包含的監(jiān)測功能，確保實現(xiàn)安全充電和放電。第2部分探討使用并聯(lián)電池實現(xiàn)快速充電系統(tǒng)。

發(fā)表于：3/30/2023

數(shù)據(jù)存儲創(chuàng)新：節(jié)電、節(jié)水、省空間[人工智能][數(shù)據(jù)中心]

　　ESG 的普及率已到達(dá)關(guān)鍵臨界點，企業(yè)正面臨必須在環(huán)保倡議與業(yè)務(wù)目標(biāo)以及數(shù)字化大方向之間求取平衡的挑戰(zhàn)。

發(fā)表于：3/30/2023

雷莫（LEMO）推出具有高頻性能的全新多芯同軸型號[通信與網(wǎng)絡(luò)][5G]

雷莫（LEMO）很高興地宣布在久經(jīng)考驗的M系列中新增一款多芯同軸配置，命名為LM.232，尺寸為LM，最多可有12個同軸針芯。這些新的插頭和固定插座是專門為滿足非常苛刻的環(huán)境條件下最嚴(yán)格的高頻連接要求而設(shè)計的。

發(fā)表于：3/29/2023

5G+網(wǎng)絡(luò)基礎(chǔ)設(shè)施的安全性和同步解決方案[通信與網(wǎng)絡(luò)][5G]

　　如今我們可以看到5G開放式無線接入網(wǎng)絡(luò)（ORAN）正改變著蜂窩和移動網(wǎng)絡(luò)的格局。具體而言，RAN架構(gòu)的開放、解聚和虛擬化促使移動網(wǎng)絡(luò)基礎(chǔ)設(shè)施發(fā)生了重大變化。傳統(tǒng)RAN網(wǎng)絡(luò)的許多功能面臨軟硬件解耦。這種趨勢為網(wǎng)絡(luò)部署帶來了靈活性和更多創(chuàng)新，還可以混用來自不同供應(yīng)商的組件。

發(fā)表于：3/29/2023

基于FPGA的多通道可見光通信系統(tǒng)的設(shè)計與實現(xiàn)[微波|射頻][其他]

與傳統(tǒng)的射頻通信方式相比，可見光的頻譜資源豐富，且具有較高的安全性。設(shè)計的多通道可見光通信系統(tǒng)分為發(fā)射端與接收端，基于Verilog HDL語言對發(fā)送端的通道分發(fā)模塊、透傳組幀模塊、信道碼塊分割模塊以及接收端的透傳解幀模塊、通道合并模塊進(jìn)行了詳細(xì)設(shè)計，實現(xiàn)了最大支持16路數(shù)據(jù)同時收發(fā)的多通道可見光通信系統(tǒng)。為滿足系統(tǒng)的高速通信，設(shè)計優(yōu)化可見光通信的發(fā)射/接收系統(tǒng)電路，在發(fā)射端采用前級預(yù)加重電路，有效補償了信道損失；在接收端采用由電阻和電容共同構(gòu)成的T型放大電路來實現(xiàn)對衰減信號的補償。最后，聯(lián)合實驗平臺進(jìn)行測試，結(jié)果表明設(shè)計的多通道可見光通信系統(tǒng)傳輸誤碼率不大于10-9，單通道傳輸速率不低于30 Mb/s，此研究有利于提高可見光通信系統(tǒng)的可靠性、高速性。

發(fā)表于：3/29/2023

MBSE在機載機電計算機研制過程中的應(yīng)用探索[電子元件][航空航天]

隨著飛機系統(tǒng)的多電化、智能化發(fā)展，機載機電計算機高集成度化，系統(tǒng)架構(gòu)和接口設(shè)計愈發(fā)復(fù)雜。隨著機載機電計算機研制周期、成本的不斷增加，質(zhì)量問題日益突出。針對復(fù)雜機載機電計算機嚴(yán)峻的質(zhì)量形勢，提出使用基于模型的系統(tǒng)工程（Model-Based System Engineering，MBSE）方法，以模型和標(biāo)準(zhǔn)圖形化方式對系統(tǒng)研制的行為過程進(jìn)行描述，來解決復(fù)雜工程問題。實現(xiàn)了MBSE在機載機電計算機研制流程中的本地化，將驗證環(huán)節(jié)前置，提升了研制質(zhì)量，對其他復(fù)雜計算機類系統(tǒng)有借鑒意義。

發(fā)表于：3/29/2023

基于TMS320F28335的二次Bootloader在線升級方法[其他][其他]

為避免TMS320F28335在程序升級過程中需要執(zhí)行打開嵌入式設(shè)備、額外配置GPIO管腳電平或單獨開發(fā)專用上位機軟件的操作，提出了一種二次Bootloader方法來實現(xiàn)應(yīng)用程序的在線升級。將TMS320F28335配置為Flash啟動模式，通過預(yù)燒寫二次Bootloader程序，將通用串口上位機軟件下發(fā)的應(yīng)用程序bin文件存儲在TMS320F28335的外擴SRAM中，執(zhí)行將應(yīng)用程序燒寫到片上Flash指定區(qū)域的操作，并跳轉(zhuǎn)執(zhí)行應(yīng)用程序，實現(xiàn)應(yīng)用程序的在線升級功能。實驗結(jié)果表明，該方法有效可行，具有較強的通用性和可靠性。

發(fā)表于：3/29/2023

一種服務(wù)于K-means的初始中心選取方法[其他][數(shù)據(jù)中心]

聚類是數(shù)據(jù)挖掘領(lǐng)域最重要的技術(shù)之一，K-means是其中使用頻率最高的舉足輕重的聚類算法。然而，K-means算法表現(xiàn)嚴(yán)重依賴于初始中心，選取多少個初始中心以及選擇哪些數(shù)據(jù)點作為初始中心對K-means算法十分重要。基于此，提出一種初始中心選取方法DPCC（Density Peak Clustering Centers）。DPCC方法基于密度和距離生成一個選取決策圖，將數(shù)據(jù)集中所有的密度峰值點凸顯出來。這些密度峰值點即為DPCC方法為K-means算法提供的初始中心。實驗表明，DPCC方法不僅可為K-means提供初始中心數(shù)量，還能有效提高K-means算法的準(zhǔn)確度，并縮減K-means算法的執(zhí)行時間。

發(fā)表于：3/29/2023

采集設(shè)備接入的框架設(shè)計與實現(xiàn)[嵌入式技術(shù)][物聯(lián)網(wǎng)]

隨著嵌入式技術(shù)和網(wǎng)絡(luò)通信技術(shù)的快速進(jìn)步，物聯(lián)網(wǎng)近些年來也有很大的發(fā)展，大量不同類型的終端設(shè)備都需要接入到網(wǎng)絡(luò)中。但整個物聯(lián)網(wǎng)結(jié)構(gòu)從物理層、網(wǎng)絡(luò)層再到應(yīng)用層，每層之間采用不同的通信協(xié)議，這大大增加了集成系統(tǒng)實現(xiàn)的困難。提出一種支持自定義協(xié)議、多種終端設(shè)備的物聯(lián)網(wǎng)接入框架的設(shè)計方案，并據(jù)此研制軟件系統(tǒng)。通過自定義協(xié)議接入不同的設(shè)備，增強系統(tǒng)的擴展性和互操作性，并可以靈活處理設(shè)備的數(shù)據(jù)與事件。

發(fā)表于：3/29/2023

基于服務(wù)架構(gòu)的OpenFOAM求解客戶端設(shè)計[模擬設(shè)計][其他]

針對OpenFOAM解算軟件缺乏GUI功能用戶交互體驗性差問題，研究設(shè)計了一個OpenFOAM求解客戶端軟件。設(shè)計了基于服務(wù)的“云+端”計算架構(gòu)，設(shè)計開發(fā)了一個OpenFOAM求解器服務(wù)，GUI客戶端遠(yuǎn)程調(diào)用訪問求解器服務(wù)，并集成可視化服務(wù)實現(xiàn)了數(shù)據(jù)可視化分析功能，實現(xiàn)了云端協(xié)同的求解計算功能；研究設(shè)計了基于界面模板的動態(tài)GUI界面生成方法，實現(xiàn)了客戶端軟件界面用戶自定義配置功能。該軟件支持基于服務(wù)的功能擴展集成，支持用戶界面自定義、求解器用戶設(shè)置界面自定義功能，用戶界面友好，可擴展性強。通過實際的算例進(jìn)行解算，驗證表明了客戶端軟件能夠通過遠(yuǎn)程調(diào)用云端求解服務(wù)、可視化服務(wù)實現(xiàn)完整的求解計算流程。

發(fā)表于：3/29/2023

面向云計算環(huán)境的CFD數(shù)據(jù)可視化分析服務(wù)[其他][數(shù)據(jù)中心]

針對目前CFD（Computational Fluid Dynamics）軟件數(shù)據(jù)可視化分析所需計算量大且操作不靈活的問題，面向CFD數(shù)據(jù)可視化分析需求，實現(xiàn)了一個CFD數(shù)據(jù)可視化分析服務(wù)原型軟件。在該原型軟件中，研究了自適應(yīng)客戶端的服務(wù)自適應(yīng)QoS（Quality of Service）優(yōu)化技術(shù)，降低不同客戶端計算環(huán)境對服務(wù)質(zhì)量的影響；研究設(shè)計了基于消息中間件的服務(wù)集成接口，提高了服務(wù)使用的靈活性。面向云計算環(huán)境的CFD數(shù)據(jù)可視化分析服務(wù)發(fā)揮了云端服務(wù)器的性能優(yōu)勢，應(yīng)用了“云+端”的開發(fā)新模式，具備靈活性和可擴展性。

發(fā)表于：3/29/2023

局部動態(tài)可重構(gòu)FPGA進(jìn)程式調(diào)度系統(tǒng)設(shè)計與實現(xiàn)[嵌入式技術(shù)][其他]

針對6G時代多樣的邊緣計算要求，基于FPGA上的可重構(gòu)技術(shù)可以實現(xiàn)更低的時延同時提供多樣性的服務(wù)。基于局部動態(tài)重配置的思路，使用ICAP接口對FPGA資源進(jìn)行重新配置，從而實現(xiàn)FPGA邏輯上的局部動態(tài)可重構(gòu)方案。借鑒操作系統(tǒng)中軟件進(jìn)程管理的思想，基于Linux操作系統(tǒng)中引入硬件進(jìn)程的概念，這樣可以將一整塊FPGA資源劃分為多個小的FPGA資源塊，每一個小的可重構(gòu)的FPGA資源塊都可以抽象成為一個硬件進(jìn)程，硬件進(jìn)程實際并不運行在CPU上而是運行在FPGA邏輯資源區(qū)域中，在操作系統(tǒng)上只是硬件進(jìn)程的軟件語言描述。由此，設(shè)計出CPU加FPGA的硬件方案來實現(xiàn)局部可重構(gòu)系統(tǒng)，并在Xilinx公司Zynq系列芯片上進(jìn)行了驗證，將FPGA硬件資源進(jìn)行進(jìn)程式調(diào)度以及資源分配，大大提高了FPGA硬件資源的利用率以及靈活性。

發(fā)表于：3/29/2023

數(shù)值預(yù)報中試系統(tǒng)設(shè)計與關(guān)鍵技術(shù)實現(xiàn)[其他][數(shù)據(jù)中心]

氣象數(shù)值預(yù)報模式是數(shù)值天氣預(yù)報業(yè)務(wù)的重要基礎(chǔ)，模式的研發(fā)改進(jìn)需要在高性能計算環(huán)境中不斷地開展模擬試驗來檢驗評估預(yù)報效果。針對氣象科學(xué)家手工編排批處理腳本開展數(shù)值模擬試驗方式中存在的不便捷、耗時長、不可見、底層細(xì)節(jié)復(fù)雜、試驗分析比對困難等問題，采用C/S架構(gòu)，基于Python和工作流技術(shù)，設(shè)計實現(xiàn)了可視化界面交互“建模-計算-監(jiān)控-分析-管理-共享”全流程集成應(yīng)用的數(shù)值預(yù)報中試系統(tǒng)。應(yīng)用結(jié)果表明，系統(tǒng)提升了模式研發(fā)試驗效率和高性能計算機系統(tǒng)的易用性，在數(shù)值天氣預(yù)報模式研發(fā)中試中發(fā)揮重要支撐作用，擴展性良好。

發(fā)表于：3/29/2023

基于智能電網(wǎng)的頻譜感知算法研究[通信與網(wǎng)絡(luò)][智能電網(wǎng)]

寬帶微功率（Broadband Micro-Power， BMP）無線通信系統(tǒng)是為滿足智能配用電系統(tǒng)的通信需求，在非授權(quán)頻譜資源上研究開發(fā)的電力無線專網(wǎng)系統(tǒng)。認(rèn)知無線電（Cognitive Radio， CR）的頻譜感知技術(shù)的引入，雖緩解了目前智能電網(wǎng)頻譜資源緊張的問題，但系統(tǒng)在低信噪比下單用戶的感知準(zhǔn)確性仍需提高。針對上述問題，提出一種基于變步長的最小均方（Variable Step Size Least Mean Square， VSS-LMS）頻譜感知算法。該算法在對原始發(fā)送信號幅度進(jìn)行迭代估計時，增加兩個參數(shù)作為調(diào)節(jié)器，可以靈活地調(diào)整步長，并對誤差信號進(jìn)行平滑處理，從而解決收斂速度與穩(wěn)態(tài)誤差的矛盾，實現(xiàn)高效的頻譜感知。仿真實驗表明，該算法不僅具有較好的收斂性，且在低信噪比下仍有較好的檢測性能。與能量檢測算法和LMS頻譜感知算法相比，該算法使系統(tǒng)的頻譜檢測性能得到提升。

發(fā)表于：3/29/2023