設(shè)計(jì)資源-AET-電子技術(shù)應(yīng)用

基于FreeRTOS的嵌入式智能騎行臺(tái)[其他][其他]

為了解決傳統(tǒng)的非智能騎行臺(tái)功能單一，不能與騎行臺(tái)客戶端進(jìn)行數(shù)據(jù)交互，且阻力調(diào)節(jié)不均勻，騎行體驗(yàn)一般等問(wèn)題，設(shè)計(jì)了基于FreeRTOS實(shí)時(shí)操作系統(tǒng)的嵌入式智能騎行臺(tái)。騎行阻力的設(shè)計(jì)方案選用磁阻式，目的在于降低噪聲，提高騎行體驗(yàn)。硬件電路方面根據(jù)系統(tǒng)的功能需要設(shè)計(jì)了主控模塊、電源模塊、速度測(cè)算模塊以及磁阻控制模塊。程序設(shè)計(jì)部分包括藍(lán)牙通信、ANT+通信、速度計(jì)算、功率擬合、休眠與喚醒以及磁阻控制等功能程序。最后，制作實(shí)驗(yàn)裝置對(duì)系統(tǒng)的無(wú)線通信功能、擋位控制功能、騎行臺(tái)客戶端適配功能等進(jìn)行測(cè)試。實(shí)驗(yàn)結(jié)果表明，測(cè)試效果良好，系統(tǒng)具有較好的實(shí)時(shí)性和較高的可靠性，滿足預(yù)設(shè)的功能需求。

發(fā)表于：2/10/2022

基于FPGA的多通道音頻信號(hào)評(píng)估系統(tǒng)[其他][其他]

設(shè)計(jì)并實(shí)現(xiàn)了一種基于FPGA的六通道音頻信號(hào)評(píng)估系統(tǒng)。系統(tǒng)由最高64 kS/s的16位模數(shù)轉(zhuǎn)換器AD73360對(duì)常用音頻信號(hào)進(jìn)行采樣。設(shè)計(jì)了一個(gè)嵌套式狀態(tài)機(jī)，按照狀態(tài)跳變，將輸入信號(hào)暫存到FIFO中。FIFO中的數(shù)據(jù)會(huì)通過(guò)USB協(xié)議上傳到電腦端的MATLAB GUI(Graphical User Interface)中，GUI負(fù)責(zé)處理數(shù)據(jù)并顯示結(jié)果。系統(tǒng)配備了ARM處理器作為輔助，可以根據(jù)不同的ADC采樣頻率和輸入信號(hào)頻率，計(jì)算并實(shí)時(shí)糾正FPGA和GUI的通信波特率，確保不丟碼。試驗(yàn)結(jié)果表明，該系統(tǒng)可以實(shí)現(xiàn)對(duì)音頻信號(hào)的高精度采集。該系統(tǒng)為保真采集音頻信號(hào)提供了完整的解決方案。

發(fā)表于：2/10/2022

基于C/S架構(gòu)的OpenFOAM網(wǎng)格生成客戶端軟件設(shè)計(jì)[其他][其他]

面向云端部署的OpenFOAM的GUI圖形用戶界面人機(jī)交互需求，設(shè)計(jì)實(shí)現(xiàn)了一個(gè)OpenFOAM網(wǎng)格生成客戶端軟件。客戶端軟件采用了插件式架構(gòu)設(shè)計(jì)，由公共模塊、自定義模塊、網(wǎng)格生成業(yè)務(wù)插件組成，網(wǎng)格生成業(yè)務(wù)用戶交互界面由插件創(chuàng)建實(shí)現(xiàn)，提高了軟件的可擴(kuò)展性。客戶端與云端部署的OpenFOAM服務(wù)組成了C/S架構(gòu)，客戶端通過(guò)網(wǎng)格生成應(yīng)用協(xié)議遠(yuǎn)程調(diào)用云上的OpenFOAM網(wǎng)格生成計(jì)算服務(wù)，根據(jù)服務(wù)的交互界面模板構(gòu)建用戶交互界面，實(shí)現(xiàn)了云端協(xié)同的網(wǎng)格生成計(jì)算功能。通過(guò)實(shí)際算例網(wǎng)格生成，驗(yàn)證表明客戶端軟件能夠通過(guò)遠(yuǎn)程調(diào)用服務(wù)端服務(wù)實(shí)現(xiàn)完整的網(wǎng)格生成流程。

發(fā)表于：2/10/2022

獅群優(yōu)化核極限學(xué)習(xí)機(jī)的分類算法[其他][其他]

在核極限學(xué)習(xí)機(jī)(Kernel Based Extreme Learning Machine，KELM)分類應(yīng)用的基礎(chǔ)上，結(jié)合獅群算法(Loin Swarm Optimization，LSO)強(qiáng)全局尋優(yōu)能力與收斂快的特性，提出一種LSO優(yōu)化KELM算法。將測(cè)試準(zhǔn)確率作為L(zhǎng)SO優(yōu)化KELM的適應(yīng)度函數(shù)，根據(jù)移動(dòng)位置獲取最優(yōu)適應(yīng)度值進(jìn)行數(shù)據(jù)分類測(cè)試的評(píng)價(jià)標(biāo)準(zhǔn)。采用UCI數(shù)據(jù)集仿真測(cè)試，實(shí)驗(yàn)結(jié)果表明，較KELM分類，LSO優(yōu)化KELM可獲得更優(yōu)的分類準(zhǔn)確率；較麻雀搜索算法(Sparrow Search Algorithm，SSA)優(yōu)化KELM，LSO優(yōu)化KELM收斂速度快，分類性能更優(yōu)。

發(fā)表于：2/10/2022

未來(lái)網(wǎng)絡(luò)信息體系密碼技術(shù)研究[通信與網(wǎng)絡(luò)][信息安全]

網(wǎng)絡(luò)空間戰(zhàn)略意義日益突出，人工智能、邊緣計(jì)算、動(dòng)態(tài)重構(gòu)等技術(shù)廣泛應(yīng)用于網(wǎng)絡(luò)空間，未來(lái)網(wǎng)絡(luò)信息體系在引入新興技術(shù)的同時(shí)也面臨新型威脅和攻擊風(fēng)險(xiǎn)。圍繞未來(lái)網(wǎng)絡(luò)信息體系多域融合、泛在感知、智慧化、服務(wù)定制和內(nèi)生安全的特點(diǎn)，進(jìn)行安全保密需求分析和安全威脅與風(fēng)險(xiǎn)分析，設(shè)計(jì)了一種包括密碼軟硬件平臺(tái)技術(shù)、密碼算法和協(xié)議、密碼應(yīng)用和安全目標(biāo)，層次化的且面向未來(lái)網(wǎng)絡(luò)信息體系的密碼體系結(jié)構(gòu)。

發(fā)表于：2/10/2022

基于VR+AR技術(shù)的電纜接頭制作虛擬培訓(xùn)系統(tǒng)設(shè)計(jì)[其他][其他]

設(shè)計(jì)了一種基于VR+AR技術(shù)的電纜接頭制作虛擬培訓(xùn)系統(tǒng)。首先通過(guò)VR虛擬現(xiàn)實(shí)和AR增強(qiáng)現(xiàn)實(shí)技術(shù)模擬電纜接頭制作場(chǎng)景，并在場(chǎng)景中添加電纜接頭組件和工具箱供制作人員操作和使用；其次通過(guò)深度學(xué)習(xí)方法捕捉和識(shí)別制作人員手部動(dòng)作,并與標(biāo)準(zhǔn)動(dòng)作進(jìn)行對(duì)比來(lái)判別其動(dòng)作規(guī)范性，從而可以對(duì)受訓(xùn)人員進(jìn)行考核，完成反饋互動(dòng)。整個(gè)系統(tǒng)包括理論學(xué)習(xí)、電纜接頭制作模擬、故障檢修、考核評(píng)估四部分。利用VR及AR技術(shù)所創(chuàng)造出的模擬環(huán)境高度還原電力作業(yè)現(xiàn)場(chǎng)，可以使工作人員在不存在任何危險(xiǎn)的狀態(tài)下完成訓(xùn)練，降低了風(fēng)險(xiǎn)，提高了培訓(xùn)效率，同時(shí)還能提高作業(yè)人員動(dòng)作標(biāo)準(zhǔn)化程度。

發(fā)表于：2/10/2022

基于GAMP的實(shí)時(shí)PPP軟件實(shí)現(xiàn)及性能分析[其他][其他]

針對(duì)GAMP精密單點(diǎn)定位解算軟件現(xiàn)階段無(wú)法進(jìn)行實(shí)時(shí)定位解算的問(wèn)題，分析和研究了軟件中事后精密單點(diǎn)定位算法的原理和流程，對(duì)比實(shí)時(shí)及事后精密單點(diǎn)定位數(shù)據(jù)來(lái)源和處理方式的不同，結(jié)合現(xiàn)有的實(shí)時(shí)數(shù)據(jù)處理軟件的處理方式，在GAMP的基礎(chǔ)上增加了實(shí)時(shí)數(shù)據(jù)流接收及預(yù)處理模塊，同時(shí)將衛(wèi)星精密軌道及鐘差的來(lái)源從事后精密星歷文件轉(zhuǎn)向廣播星歷結(jié)合實(shí)時(shí)改正數(shù)的方式。分別通過(guò)網(wǎng)絡(luò)接收四測(cè)站衛(wèi)星觀測(cè)數(shù)據(jù)以及UBLOX-F9T模塊接收數(shù)據(jù)進(jìn)行實(shí)時(shí)精密單點(diǎn)定位可以發(fā)現(xiàn)，靜態(tài)實(shí)時(shí)精密單點(diǎn)定位精度可達(dá)厘米級(jí)，動(dòng)態(tài)可達(dá)分米級(jí)，滿足了實(shí)時(shí)定位解算需求。

發(fā)表于：2/10/2022

基于聯(lián)盟博弈的D2D網(wǎng)絡(luò)資源分配算法研究[通信與網(wǎng)絡(luò)][5G]

無(wú)線網(wǎng)絡(luò)中用戶數(shù)激增使得現(xiàn)有網(wǎng)絡(luò)架構(gòu)面臨巨大挑戰(zhàn)，如何有效提升系統(tǒng)容量是當(dāng)前亟待解決的問(wèn)題。作為5G發(fā)展中的關(guān)鍵技術(shù),終端直連(Device-to-Device，D2D)通信和稀疏碼多址(Sparse Code Multiple Access，SCMA)技術(shù)憑借在增大系統(tǒng)容量上的優(yōu)越性受到了廣泛研究。針對(duì)SCMA系統(tǒng)中D2D通信的資源分配問(wèn)題，以最大化系統(tǒng)吞吐量并保證用戶最低門限速率為目標(biāo)，將其建模為聯(lián)盟博弈進(jìn)行求解。由于傳統(tǒng)的聯(lián)盟博弈算法存在復(fù)雜度高、收斂速度慢等問(wèn)題，提出建立優(yōu)先級(jí)指導(dǎo)聯(lián)盟初始化及形成過(guò)程，從而減少算法迭代次數(shù)，降低系統(tǒng)復(fù)雜度。最后，通過(guò)仿真驗(yàn)證了算法的可行性。

發(fā)表于：2/10/2022

面向針對(duì)性攻擊的SDVN控制層魯棒性方案[通信與網(wǎng)絡(luò)][汽車電子]

將軟件定義網(wǎng)絡(luò)應(yīng)用于車聯(lián)網(wǎng)能顯著提升其性能，但該方法也面臨傳統(tǒng)SDN要應(yīng)對(duì)的安全問(wèn)題。基于軟件定義車聯(lián)網(wǎng)體系架構(gòu)中控制平面可能面臨的針對(duì)性節(jié)點(diǎn)攻擊問(wèn)題，提出一種魯棒的控制器放置方法。該方法結(jié)合傳統(tǒng)的SDN控制平面部署問(wèn)題，首先將控制平面魯棒性問(wèn)題建模為交換機(jī)與控制器的連通冗余性問(wèn)題，提升交換機(jī)在極端情形下與控制器的連通性；其次設(shè)計(jì)一個(gè)魯棒性指標(biāo)，以衡量控制平面魯棒性。仿真結(jié)果表明，該方法的魯棒性要優(yōu)于基于時(shí)延可靠性的部署方案。

發(fā)表于：2/10/2022

基于FPGA的高精度S型熱電偶溫度測(cè)量系統(tǒng)設(shè)計(jì)[其他][其他]

針對(duì)傳統(tǒng)的多通道S型熱電偶測(cè)溫系統(tǒng)測(cè)量精度低、各通道精度相差較大的問(wèn)題，提出了一種以FPGA為核心的高精度S型熱電偶測(cè)溫系統(tǒng)。系統(tǒng)以FPGA為核心控制器，采用模塊化設(shè)計(jì)，利用AD590溫度傳感器對(duì)S型熱電偶進(jìn)行冷端補(bǔ)償。采用多通道采集、單通道調(diào)理的設(shè)計(jì)方法以改善由于元器件差異引起的各通道精度相差較大的情況。同時(shí)選用高精度ADC將采集的溫度模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)傳輸?shù)缴衔粰C(jī)顯示，上位機(jī)通過(guò)查表法準(zhǔn)確定位溫度值，提高測(cè)溫精度。經(jīng)過(guò)多次試驗(yàn)驗(yàn)證，該測(cè)溫系統(tǒng)溫度采集精度優(yōu)于0.2%F.S.。目前該系統(tǒng)已經(jīng)應(yīng)用到工程實(shí)踐中，為多通道S型熱電偶測(cè)溫系統(tǒng)設(shè)計(jì)提供了有效、可靠的手段。

發(fā)表于：2/10/2022

大范圍遠(yuǎn)距離分布式爆炸聲波測(cè)試系統(tǒng)[其他][其他]

針對(duì)爆炸場(chǎng)遠(yuǎn)場(chǎng)聲波信號(hào)特性測(cè)試，提出一種基于北斗衛(wèi)星導(dǎo)航系統(tǒng)和LoRa無(wú)線通信技術(shù)的大范圍遠(yuǎn)距離分布式爆炸聲波測(cè)試系統(tǒng)。該系統(tǒng)以FPGA為核心控制器，利用存儲(chǔ)測(cè)試技術(shù)實(shí)現(xiàn)了爆炸聲波信號(hào)的采集存儲(chǔ)；利用北斗衛(wèi)星導(dǎo)航系統(tǒng)的授時(shí)、定位功能，實(shí)現(xiàn)了遠(yuǎn)距離分布式測(cè)量中的時(shí)間同步和節(jié)點(diǎn)定位；利用LoRa的線性擴(kuò)頻調(diào)制技術(shù)，組建了大范圍、遠(yuǎn)距離、低功耗的分布式傳感網(wǎng)絡(luò)。實(shí)驗(yàn)結(jié)果表明，此分布式測(cè)試系統(tǒng)在獲取有效數(shù)據(jù)的同時(shí)實(shí)現(xiàn)了100 ns的時(shí)間同步和2 m的定位精度以及2 km的大范圍網(wǎng)絡(luò)覆蓋。

發(fā)表于：2/10/2022

環(huán)境自適應(yīng)灰度循跡傳感器設(shè)計(jì)[其他][其他]

針對(duì)灰度循跡傳感器在環(huán)境光照發(fā)生變化時(shí)不能自動(dòng)適應(yīng)調(diào)節(jié)基準(zhǔn)電壓的問(wèn)題，設(shè)計(jì)了一種新型灰度循跡傳感器。該傳感器將微處理器與傳統(tǒng)灰度循跡傳感器電路進(jìn)行結(jié)合。微處理器對(duì)多路傳統(tǒng)灰度傳感器電路采集到的檢測(cè)電壓信號(hào)進(jìn)行融合計(jì)算，得到該環(huán)境光照下最優(yōu)基準(zhǔn)電壓，以解決傳統(tǒng)灰度循跡傳感器基準(zhǔn)電壓無(wú)法自適應(yīng)環(huán)境光照，存在循跡誤判的問(wèn)題。實(shí)驗(yàn)表明，該傳感器設(shè)計(jì)方案提高了灰度循跡傳感器循跡準(zhǔn)確性，提高了傳統(tǒng)灰度循跡傳感器環(huán)境適應(yīng)性。

發(fā)表于：2/10/2022

一種高速施密特觸發(fā)器的設(shè)計(jì)[其他][其他]

在數(shù)字隔離器系統(tǒng)中，因?yàn)榇嬖陔娐芳纳?yīng)和隨機(jī)噪聲，數(shù)字信號(hào)的波形會(huì)發(fā)生嚴(yán)重畸變。針對(duì)該問(wèn)題，提出了一種電壓—電流模式高速施密特觸發(fā)器，該電路能有效還原信號(hào)的波形。電路主體結(jié)構(gòu)采用電流放大器和跨導(dǎo)運(yùn)算放大器相結(jié)合，在輸入高速數(shù)據(jù)時(shí)，電流放大器提供了快速的前饋通路來(lái)增加比較器的響應(yīng)速度，實(shí)現(xiàn)施密特觸發(fā)器的高速翻轉(zhuǎn)。設(shè)計(jì)采用GF_0.18 μm_BCD工藝，在電源電壓5 V的條件下，可實(shí)現(xiàn)500 MHz高速信號(hào)的整形，信號(hào)的傳輸延時(shí)為652 ps。

發(fā)表于：2/10/2022

一種新型自毀芯片監(jiān)測(cè)和執(zhí)行電路的設(shè)計(jì)[其他][其他]

針對(duì)當(dāng)前自毀技術(shù)中，自毀監(jiān)測(cè)方式單一且自毀執(zhí)行較長(zhǎng)和自毀不徹底、不穩(wěn)定導(dǎo)致自毀成功率較低的問(wèn)題，設(shè)計(jì)了一種同時(shí)具備自毀實(shí)時(shí)監(jiān)測(cè)和執(zhí)行的電路系統(tǒng)。該電路系統(tǒng)設(shè)計(jì)了封裝拆卸和上電時(shí)序兩種自毀監(jiān)測(cè)方式，使自毀監(jiān)測(cè)的方式更加多樣，提高結(jié)果的準(zhǔn)確性。同時(shí)利用MOS管作為開關(guān)特性，來(lái)減少自毀執(zhí)行的時(shí)間。實(shí)驗(yàn)結(jié)果表明，該電路系統(tǒng)在3.3 V的供電電壓且鉭電容存儲(chǔ)電壓為20 V時(shí)，可以通過(guò)自毀監(jiān)測(cè)電路對(duì)工作芯片進(jìn)行實(shí)時(shí)的監(jiān)測(cè)，同時(shí)經(jīng)過(guò)測(cè)試表明，從監(jiān)測(cè)到自毀信號(hào)到自毀執(zhí)行開始，需要時(shí)間為0.28 ms。

發(fā)表于：2/10/2022

基于雙向GRU模型的網(wǎng)絡(luò)流量預(yù)測(cè)的研究[其他][其他]

當(dāng)前使用門控循環(huán)單元(Gated Recurrent Units，GRU)神經(jīng)網(wǎng)絡(luò)進(jìn)行流量預(yù)測(cè)時(shí)，普遍存在滯后性以及預(yù)測(cè)準(zhǔn)確性不高的問(wèn)題，因此提出一種改進(jìn)的GRU模型進(jìn)行流量預(yù)測(cè)的方法。首先基于GRU神經(jīng)網(wǎng)絡(luò)提出一種雙向GRU神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)堆疊的網(wǎng)絡(luò)模型，適用于流量特征、時(shí)間特征、事件特征等多維向量的輸入；同時(shí)為解決部分時(shí)間段準(zhǔn)確度不高的問(wèn)題，將訓(xùn)練樣本進(jìn)行日期分類，針對(duì)每一類日期生成單獨(dú)的網(wǎng)絡(luò)模型，能大幅提升預(yù)測(cè)的準(zhǔn)確度以及改善預(yù)測(cè)的滯后性。最后，為了提升流量峰值的預(yù)測(cè)準(zhǔn)確度，采用樣本的再平衡手段以及自定義損失函數(shù)，實(shí)驗(yàn)結(jié)果表明，能較好地達(dá)成預(yù)期目標(biāo)。

發(fā)表于：2/10/2022