設(shè)計(jì)資源-AET-電子技術(shù)應(yīng)用

ZYNQ在SoC IP驗(yàn)證方案的設(shè)計(jì)與實(shí)現(xiàn)[其他][其他]

隨著SoC芯片設(shè)計(jì)的流行，各種各樣的IP設(shè)計(jì)需求也日益增加，如何快速而又正確地驗(yàn)證這些IP功能的正確性考驗(yàn)著IC設(shè)計(jì)工程師和驗(yàn)證工程師們。針對(duì)這些需求，提出一種基于ZYNQ的SoC IP驗(yàn)證方案設(shè)計(jì)與實(shí)現(xiàn)。從傳統(tǒng)的一些驗(yàn)證手段出發(fā)，列出在驗(yàn)證方面所遇到的問題，分別闡述了驗(yàn)證方案的總體框架，ZYNQ平臺(tái)的硬件資源、軟件優(yōu)勢，以及如何對(duì)所要驗(yàn)證的IP進(jìn)行封裝，集成到ZYNQ系統(tǒng)中，并利用SDK編寫軟件代碼對(duì)所測試的IP進(jìn)行測試，最后通過rdc IP的驗(yàn)證實(shí)例來說明此方案的可行性與優(yōu)越性。

發(fā)表于：10/12/2022

基于飛行時(shí)間相機(jī)的軌道三維成像方法研究[其他][其他]

高速鐵路的快速發(fā)展對(duì)軌道的實(shí)時(shí)性檢測要求越來越高。為滿足軌道檢測的速度和三維成像需求，提出一種基于飛行時(shí)間相機(jī)的軌道檢測方法。飛行時(shí)間相機(jī)通過計(jì)算光在空氣中的往返時(shí)間來獲取目標(biāo)的強(qiáng)度信息和深度信息；通過改變相機(jī)的成像深度范圍從軌道點(diǎn)云數(shù)據(jù)中粗提取出軌道信息，利用相機(jī)輸出的二維圖像和深度數(shù)據(jù)實(shí)現(xiàn)對(duì)軌道信息的精提取，快速獲得軌道的三維數(shù)據(jù)；搭建實(shí)驗(yàn)平臺(tái)，利用相機(jī)拍攝不同成像深度的軌道圖像，經(jīng)處理后得到軌道的幾何尺寸和體積。

發(fā)表于：10/12/2022

一種不良域名快速核驗(yàn)方法的研究[其他][其他]

針對(duì)大量網(wǎng)絡(luò)賭博、淫穢色情等不良域名網(wǎng)頁內(nèi)容存在高度相似性，且運(yùn)營者多采用注冊大量域名部署同一套網(wǎng)站代碼的方式，變相規(guī)避域名被封等特征，利用圖像相似性聚類和相似性搜索等技術(shù)，提出一種不良域名的快速核驗(yàn)方法。實(shí)驗(yàn)表明，人工抽樣一萬個(gè)不良域名樣本(淫穢色情和網(wǎng)絡(luò)賭博域名各5 000個(gè))進(jìn)行判定，該不良域名核驗(yàn)方法總體準(zhǔn)確率為99.67%，淫穢色情類準(zhǔn)確率為99.66%，網(wǎng)絡(luò)賭博類準(zhǔn)確率為99.68%，大幅提升了不良域名人工審核效率。

發(fā)表于：10/12/2022

自動(dòng)鄰區(qū)優(yōu)化技術(shù)共享網(wǎng)絡(luò)中應(yīng)用研究[其他][其他]

4G共建共享后鄰近的異運(yùn)營商共享基站間X2互通后實(shí)施ANR技術(shù)可實(shí)現(xiàn)eNodeB層面的鄰區(qū)互配。對(duì)共享網(wǎng)絡(luò)ANR技術(shù)進(jìn)行了深入分析，并基于大量數(shù)據(jù)驗(yàn)證了共享網(wǎng)絡(luò)ANR效果。結(jié)果表明ANR技術(shù)實(shí)施3天及以上達(dá)到鄰區(qū)關(guān)系穩(wěn)定，ANR應(yīng)用后解放了優(yōu)化人員雙手，提高了鄰區(qū)添加效率，改善了小區(qū)掉話率。

發(fā)表于：10/12/2022

基于Q算法的認(rèn)證協(xié)議漏洞挖掘技術(shù)研究[其他][其他]

認(rèn)證授權(quán)協(xié)議在不泄露用戶口令的情況下允許第三方獲取用戶資源，解決了云平臺(tái)下第三方授權(quán)問題，提高了用戶的交互體驗(yàn)。但是協(xié)議在交互處理中的不確定性和復(fù)雜性導(dǎo)致其在實(shí)際應(yīng)用時(shí)可能會(huì)存在邏輯漏洞。針對(duì)該問題提出一種模糊仿真方法，通過對(duì)協(xié)議交互過程進(jìn)行模糊處理，利用協(xié)議實(shí)體動(dòng)作的不確定性，發(fā)現(xiàn)協(xié)議的邏輯漏洞。同時(shí)，結(jié)合SA-Q強(qiáng)化學(xué)習(xí)算法訓(xùn)練智能體學(xué)習(xí)最優(yōu)模糊策略，智能化挖掘漏洞。經(jīng)過測試發(fā)現(xiàn)，相比于基本的Q學(xué)習(xí)算法，該方法的收斂速度提升了9.27%，使得模型在訓(xùn)練時(shí)更容易收斂，有效提高了漏洞的挖掘效率。

發(fā)表于：10/12/2022

5G遠(yuǎn)端干擾優(yōu)化應(yīng)用[其他][5G]

遠(yuǎn)端干擾伴隨TDD通信制式誕生就一直存在的特有干擾現(xiàn)象，當(dāng)前5G網(wǎng)絡(luò)主力承載架構(gòu)為C-Band TDD制式，高頻段干擾問題愈發(fā)嚴(yán)重。針對(duì)5G結(jié)構(gòu)特性進(jìn)行深入分析，同時(shí)通過網(wǎng)絡(luò)優(yōu)化調(diào)整來有效規(guī)避當(dāng)前遠(yuǎn)端干擾短板，進(jìn)而提升網(wǎng)絡(luò)系統(tǒng)穩(wěn)定性。最后，豐富5G遠(yuǎn)端干擾實(shí)際優(yōu)化手段，為TDD網(wǎng)絡(luò)質(zhì)量提升提供研究方向。

發(fā)表于：10/12/2022

基于故障樹的復(fù)雜航天系統(tǒng)故障預(yù)測方法[其他][航空航天]

針對(duì)航天數(shù)據(jù)處理中心運(yùn)控管理系統(tǒng)長期不間斷高可靠運(yùn)行要求，采用了基于規(guī)則和故障樹分析的故障預(yù)測方法，設(shè)計(jì)了航天數(shù)據(jù)處理中心運(yùn)控管理系統(tǒng)的故障預(yù)測分系統(tǒng)。首先提出了航天數(shù)據(jù)處理中心軟硬件故障診斷分系統(tǒng)架構(gòu);其次設(shè)計(jì)了可視化故障樹和規(guī)則相結(jié)合的推理方法，實(shí)現(xiàn)了基于故障樹和規(guī)則的系統(tǒng)故障診斷;然后在故障診斷的基礎(chǔ)上，通過趨勢預(yù)測方法的歷史數(shù)據(jù)學(xué)習(xí)結(jié)合人工手段，選擇預(yù)測方法進(jìn)行故障預(yù)測；最后通過預(yù)測結(jié)果與實(shí)測數(shù)據(jù)比對(duì)，驗(yàn)證了方法的可用性和有效性，并通過系統(tǒng)應(yīng)用，有效地提前避免了系統(tǒng)故障的出現(xiàn)。

發(fā)表于：10/12/2022

寬帶微功率MAC層一致性測試系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[其他][其他]

為應(yīng)對(duì)智能電網(wǎng)發(fā)展要求，國家電網(wǎng)正在研究寬帶微功率技術(shù)，旨在提高電網(wǎng)通信的傳輸速率和實(shí)時(shí)性。為保證協(xié)議開發(fā)的準(zhǔn)確性，需要進(jìn)行一致性測試，確保后期各產(chǎn)商生產(chǎn)的寬帶微功率設(shè)備能夠互聯(lián)互通。因此，設(shè)計(jì)了一種針對(duì)寬帶微功率MAC層的一致性測試系統(tǒng)，并詳細(xì)講解了系統(tǒng)的軟硬件設(shè)計(jì)。最后對(duì)系統(tǒng)的功能和性能進(jìn)行驗(yàn)證，驗(yàn)證結(jié)果表明，該一致性測試系統(tǒng)已滿足各項(xiàng)要求，可實(shí)現(xiàn)對(duì)寬帶微功率MAC層的一致性測試。

發(fā)表于：10/12/2022

技術(shù)前瞻——能源危機(jī)下輔助駕駛算力技術(shù)路線展望[模擬設(shè)計(jì)][汽車電子]

新能源車發(fā)熱和能耗問題自動(dòng)駕駛、ADAS、FPGA、Microchip 根據(jù)中國國家應(yīng)急管理部門統(tǒng)計(jì)，2022年第一季度，智能汽車發(fā)生自燃的事故一共發(fā)生了640起，平均1天有7輛電動(dòng)車發(fā)生自燃。電動(dòng)車起火的原因主要是以下幾點(diǎn)：電池過熱、電池老化、電池遭受碰撞、高負(fù)荷運(yùn)行等等。其中，電池的高負(fù)荷運(yùn)行是最嚴(yán)重的原因之一。視覺算法算力的高功耗和低效率隨著特斯拉通過視覺算法來實(shí)現(xiàn)自動(dòng)駕駛。各大Tier 1大廠紛紛進(jìn)入算力的軍備競賽，算力不斷加大，較大的算力需要消耗較高的功耗。

發(fā)表于：10/12/2022

應(yīng)用于電源監(jiān)控芯片的高精度、低功耗RC振蕩器設(shè)計(jì)[其他][其他]

基于0.35 μmBCD工藝，設(shè)計(jì)了一種應(yīng)用于電源監(jiān)控芯片的單比較器結(jié)構(gòu)的高精度、低功耗RC振蕩器。RC振蕩器電路包括基準(zhǔn)模塊和RC電路產(chǎn)生模塊。源于RC電路工作原理以及如何減少溫度、電源電壓的變化對(duì)振蕩器頻率的影響。引入新型電源電壓補(bǔ)償，減少了由電源電壓變化引起的比較器遲滯時(shí)間的變化，導(dǎo)致振蕩器頻率發(fā)生改變。采用MOS管穩(wěn)態(tài)導(dǎo)通電阻具有正溫度系數(shù)特性，補(bǔ)償多晶電阻負(fù)溫度系數(shù)特性的線性補(bǔ)償方式，抑制了振蕩頻率隨溫度的變化。同時(shí)設(shè)計(jì)了一種帶5位譯碼器高精度、低功耗數(shù)字修調(diào)電路，有效提高了MOS管導(dǎo)通電阻的精度，克服了傳統(tǒng)溫度補(bǔ)償電路補(bǔ)償電阻阻值不精確的問題。Spectre仿真結(jié)果顯示，電源電壓在2.5 V~5.5 V范圍變化，振蕩周期誤差范圍為-0.8%~+0.14%，溫度在-40 ℃~125 ℃范圍變化，振蕩周期誤差范圍為-0.3%~+0.79%。整個(gè)RC振蕩器電路最大工作電流為5.1 μA，其中RC電路產(chǎn)生模塊最大工作電流為0.9 μA。RC電路產(chǎn)生模塊結(jié)構(gòu)簡單，降低了電路復(fù)雜性從而減少電路的實(shí)現(xiàn)成本，該電路結(jié)構(gòu)已成功應(yīng)用于高精度、低功耗電源監(jiān)控芯片中。

發(fā)表于：10/12/2022

一種基于頂部熱沉的混合集成電源結(jié)構(gòu)設(shè)計(jì)[電源技術(shù)][其他]

介紹了一種基于頂部熱沉的混合集成電源結(jié)構(gòu)設(shè)計(jì)，該電源結(jié)構(gòu)的載體為ALN陶瓷基板，內(nèi)部采用多層布線結(jié)構(gòu)，功率芯片植球后倒扣焊到陶瓷基板的焊盤上，無源器件采用高溫焊料焊接在陶瓷基板焊盤上，頂部的熱沉通過有機(jī)膠與陶瓷基板的邊緣粘接，熱沉和芯片背面、電感頂部之間采用導(dǎo)熱膠填充，以提高芯片和電感的散熱效果。該結(jié)構(gòu)在抗輻射負(fù)載點(diǎn)電源中應(yīng)用，驗(yàn)證了該方案的可行性。

發(fā)表于：10/12/2022

有源鉗位正激變換器電源設(shè)計(jì)[電源技術(shù)][其他]

正激變換器適用于輸出功率為200 W以內(nèi)的電源產(chǎn)品中，而有源鉗位正激變換器由于可以實(shí)現(xiàn)變壓器磁自復(fù)位，結(jié)構(gòu)簡單，加上有較多成熟的有源鉗位正激變換器PWM控制器，使用最為廣泛。討論了有源鉗位正激變換器的工作原理；給出在實(shí)際工程應(yīng)用時(shí)關(guān)鍵參數(shù)設(shè)計(jì)方法；以LM5025C為例進(jìn)行仿真分析，對(duì)關(guān)鍵參數(shù)設(shè)計(jì)方法進(jìn)行交叉驗(yàn)證。

發(fā)表于：10/12/2022

一種片上嵌入式Flash測試接口的設(shè)計(jì)[測試測量][其他]

Flash存儲(chǔ)器具有功耗低、存儲(chǔ)容量大、體積小等特點(diǎn),被廣泛應(yīng)用于嵌入式系統(tǒng)。目前Flash存儲(chǔ)器多數(shù)使用串行接口進(jìn)行擦寫測試，存在著測試效率低、測試成本高等問題。針對(duì)以上問題，設(shè)計(jì)并實(shí)現(xiàn)了一種片上嵌入式Flash的測試接口。結(jié)合片上嵌入式Flash的接口特點(diǎn)和時(shí)序要求，設(shè)計(jì)了基于多線SPI的測試接口，并在確保穩(wěn)定性的情況下實(shí)現(xiàn)了對(duì)多塊Flash存儲(chǔ)器并行測試的設(shè)計(jì)，提高了測試速度。通過NCverilog仿真結(jié)果表明，該設(shè)計(jì)有效縮短了測試時(shí)間，達(dá)到了測試要求，并成功應(yīng)用于一款32位浮點(diǎn)微處理器中。

發(fā)表于：10/12/2022

基于加權(quán)KNN算法的腦電信號(hào)情緒識(shí)別[其他][其他]

情緒與人類的行為、家庭及社會(huì)密切相關(guān)。情緒不僅能反映人類的各種感覺、思想和行為，而且也是各種外部刺激所產(chǎn)生的心理和生理反應(yīng)，所以在很多領(lǐng)域中對(duì)情緒的正確識(shí)別十分重要。情緒的變化會(huì)導(dǎo)致腦電圖(EEG)信號(hào)發(fā)生變化，反之，這些變化也反映了情緒狀態(tài)。基于DEAP數(shù)據(jù)庫，對(duì)EEG信號(hào)進(jìn)行時(shí)域特征和頻域特征提取，通過PCA主成分分析法對(duì)特征進(jìn)行降維處理。利用加權(quán)KNN算法進(jìn)行5折交叉驗(yàn)證訓(xùn)練，最終對(duì)興奮(excited)、放松(relaxed)、沮喪(depressed)、憤怒(angry)4種情緒狀態(tài)的識(shí)別準(zhǔn)確率達(dá)到80%。

發(fā)表于：10/12/2022

基于人機(jī)交互的智能電臺(tái)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[其他][其他]

在信息化戰(zhàn)爭中，人機(jī)交互在指揮控制裝備中的應(yīng)用日益廣泛。采用語音識(shí)別方式代替鍵盤、旋鈕、按鍵等方式更改電臺(tái)參數(shù)，使其操作更智能化、更便捷。本系統(tǒng)將LD3320語音識(shí)別芯片采集到的語音進(jìn)行處理，通過主控芯片STM32F407發(fā)送相關(guān)協(xié)議控制電臺(tái)的系列操作。通過實(shí)驗(yàn)表明，該系統(tǒng)在語音識(shí)別識(shí)別率達(dá)到95%左右，能實(shí)現(xiàn)對(duì)電臺(tái)的改頻、開關(guān)等操作。

發(fā)表于：10/12/2022