設(shè)計(jì)資源-AET-電子技術(shù)應(yīng)用

面向高動態(tài)無線網(wǎng)絡(luò)的信道狀態(tài)收集系統(tǒng)研究[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

在以無線體域網(wǎng)為典型代表的高動態(tài)無線網(wǎng)絡(luò)中，如何以高時(shí)間精度記錄無線信道狀態(tài)是開展傳輸優(yōu)化方案研究的關(guān)鍵前置問題之一。以低成本便攜化為核心目標(biāo)，綜合對比研究了幾類典型無線開發(fā)組件，選取ESP32+ESP-NOW作為軟硬件開發(fā)平臺；并設(shè)計(jì)了一套高精度的無線信道狀態(tài)收集記錄系統(tǒng)。經(jīng)過設(shè)計(jì)優(yōu)化，這套軟硬件系統(tǒng)最高能達(dá)到約257 μs的收發(fā)間隔。另外，通過控制變量的多組實(shí)驗(yàn)測試，詳細(xì)評估了協(xié)議模式、收發(fā)速率、核心數(shù)、線程數(shù)、主頻、串口通信及文件讀寫等變量對報(bào)文收發(fā)間隔和穩(wěn)定性的影響。研究成果為高動態(tài)無線網(wǎng)絡(luò)鄰域的相關(guān)研究提供了設(shè)計(jì)方案和測試數(shù)據(jù)參考。

發(fā)表于：5/14/2025

基于SCA-PSO的支持向量回歸車輛尾氣傳感器溫濕度補(bǔ)償方法研究[MEMS|傳感技術(shù)][工業(yè)自動化]

氮氧化物和顆粒物是柴油機(jī)車尾氣排放的兩種主要污染物。利用車輛尾氣檢測裝置對柴油機(jī)車進(jìn)行尾氣排放監(jiān)控是治理城市空氣污染的一項(xiàng)有效措施。對于氮氧化物氣體傳感器而言，基于其檢測原理，溫度和濕度會對其檢測過程發(fā)生的化學(xué)反應(yīng)產(chǎn)生較大影響，因此需要相應(yīng)的溫濕度補(bǔ)償方法來提升傳感器測量精度。為此，設(shè)計(jì)了一種車載式車輛尾氣檢測裝置，并提出了一種基于正余弦優(yōu)化算法（SCA）和改進(jìn)式粒子群優(yōu)化算法（PSO）的支持向量回歸（SVR）的傳感器溫濕度補(bǔ)償方法，通過傳感器實(shí)時(shí)檢測氮氧化物氣體和顆粒物濃度，并利用補(bǔ)償模型對傳感器檢測值進(jìn)行溫濕度補(bǔ)償。經(jīng)過測試數(shù)據(jù)訓(xùn)練和驗(yàn)證，補(bǔ)償模型可以有效降低由溫濕度造成的誤差，能夠滿足工程需求。

發(fā)表于：5/14/2025

一種可調(diào)電壓DC-DC電源無線智能測控系統(tǒng)設(shè)計(jì)[電源技術(shù)][工業(yè)自動化]

工業(yè)生產(chǎn)中有線通信方式通常受布線和傳輸距離的影響，給測控任務(wù)帶來諸多不便。特別是在一些高低溫、高噪聲和高電壓等不宜人員參與的環(huán)境中，有線數(shù)據(jù)傳輸方式很易受到干擾，同時(shí)需要人員不斷干預(yù)而存在安全隱患問題。為了解決以上問題，并結(jié)合系統(tǒng)設(shè)計(jì)自身特征，提出了基于“5G模塊+STM32+PC”的一種可調(diào)電壓DC-DC電源無線智能測控系統(tǒng)設(shè)計(jì)方案，通過用戶端上位機(jī)智能測控軟件實(shí)現(xiàn)對遠(yuǎn)端設(shè)備的測控功能。該系統(tǒng)具有電源電壓測控、誤差智能補(bǔ)償、5G無線通信等功能。整個(gè)系統(tǒng)具有控制精度高、可靠性高的特點(diǎn)。

發(fā)表于：5/14/2025

風(fēng)力發(fā)電系統(tǒng)MPPT特性測控系統(tǒng)設(shè)計(jì)[模擬設(shè)計(jì)][智能電網(wǎng)]

在中小型永磁同步風(fēng)力發(fā)電機(jī)中，橋式整流+DC/DC變換器拓?fù)渚哂薪Y(jié)構(gòu)簡單的優(yōu)點(diǎn)，其中DC/DC電路有Boost和Buck兩種拓?fù)洌骄績烧叩淖畲蠊β庶c(diǎn)跟蹤（Maximum Power Point Tracking，MPPT）控制性能區(qū)別是對其優(yōu)化設(shè)計(jì)的關(guān)鍵，測控系統(tǒng)是性能分析的重要手段。通過系統(tǒng)總體方案設(shè)計(jì)，確認(rèn)了系統(tǒng)參數(shù)及指標(biāo)；分析了四橋臂DC/DC拓?fù)洌⒒诟叨穗娏鞑蓸雍透綦x采樣技術(shù)實(shí)現(xiàn)了系統(tǒng)電壓、電流、功率和頻率的采集，設(shè)計(jì)了功率驅(qū)動及單片機(jī)控制電路；探討了適合單片機(jī)的MPPT爬坡搜索法軟件；給出了基于LabVIEW的上位機(jī)操控系統(tǒng)的軟件設(shè)計(jì)實(shí)現(xiàn)；搭建了測控系統(tǒng)，進(jìn)行了MPPT和兩種拓?fù)錅y控結(jié)果對比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明測控系統(tǒng)達(dá)到了設(shè)計(jì)目標(biāo)。

發(fā)表于：5/14/2025

集成電路卡數(shù)據(jù)完整性保護(hù)機(jī)制快速檢測方法[模擬設(shè)計(jì)][工業(yè)自動化]

介紹了集成電路（Integrated Circuit，IC）卡數(shù)據(jù)完整性保護(hù)機(jī)制檢測方法，針對傳統(tǒng)單指令斷電檢測手段的局限性和不足提出二次斷電理論，用于檢測驗(yàn)證IC卡在執(zhí)行數(shù)據(jù)恢復(fù)過程中出現(xiàn)中斷的事務(wù)保護(hù)機(jī)制。采用時(shí)間統(tǒng)計(jì)法和功耗統(tǒng)計(jì)法兩種改進(jìn)方案，計(jì)算斷電測試有效時(shí)間區(qū)域，解決二次斷電檢測效率低下問題。最后通過實(shí)驗(yàn)結(jié)果驗(yàn)證數(shù)據(jù)完整性保護(hù)機(jī)制快速檢測方法的有效性。

發(fā)表于：5/14/2025

硅基GaN功率器件與驅(qū)動集成設(shè)計(jì)[電源技術(shù)][工業(yè)自動化]

為滿足高頻電源模塊的應(yīng)用需求，設(shè)計(jì)了一款全GaN功率芯片。芯片集成了驅(qū)動電路和300 V功率管，有效減少分立式封裝所帶來的寄生電感，集成化設(shè)計(jì)能夠提升芯片抗噪聲能力和可靠性。芯片在GaN-on-Si工藝平臺進(jìn)行制備，采用E/D模集成電路設(shè)計(jì)。該芯片的驅(qū)動電路在2 MHz開關(guān)頻率下輸出信號上升時(shí)間為4.3 ns、下降時(shí)間為3.4 ns，芯片的功率管在300 V下能夠穩(wěn)定工作。

發(fā)表于：5/14/2025

一種雙向使能的負(fù)壓低壓差線性穩(wěn)壓器[模擬設(shè)計(jì)][工業(yè)自動化]

設(shè)計(jì)實(shí)現(xiàn)了一種可以雙向使能的負(fù)壓低壓差線性穩(wěn)壓器（LDO）。首先介紹了傳統(tǒng)的負(fù)壓LDO基本架構(gòu)及工作特點(diǎn)，根據(jù)負(fù)壓LDO的應(yīng)用場景，提出負(fù)壓LDO的使能需要雙向使能。其次展示傳統(tǒng)的使能電路和提出的雙向使能電路，并按照正壓啟動和負(fù)壓啟動兩種情況分析。最后該負(fù)壓LDO芯片基于350 nm CMOS工藝設(shè)計(jì)制造，測試結(jié)果顯示，該負(fù)壓LDO在使能信號大于0.6 V小于5 V區(qū)間和大于-5 V小于-0.9 V區(qū)間內(nèi)可以實(shí)現(xiàn)雙向啟動，且使能電路在正壓啟動過程中消耗電流873 nA，在負(fù)壓啟動過程中消耗電流219 nA。

發(fā)表于：5/14/2025

一種應(yīng)用于電流檢測的低失調(diào)運(yùn)算放大器設(shè)計(jì)[模擬設(shè)計(jì)][工業(yè)自動化]

針對電流檢測對運(yùn)算放大器性能的要求，提出一種新型低失調(diào)運(yùn)算放大器電路。采用低失調(diào)運(yùn)放、PMOS管和電阻構(gòu)成閉環(huán)電流采樣電路，整個(gè)運(yùn)放電路由主運(yùn)放和輔助運(yùn)放構(gòu)成，主運(yùn)放構(gòu)成的高頻通路控制電路帶寬，輔助放大器低頻通路利用斬波技術(shù)以及自調(diào)零技術(shù)降低電路失調(diào)。基于東部高科180BCD工藝對電路進(jìn)行仿真，仿真結(jié)果表明，溫度為27 ℃，輸入失調(diào)電壓穩(wěn)定在9 μV，運(yùn)放增益為95.50 dB，增益帶寬積為28.2 MHz，相位裕度在76.6°以上，CMRR的值為148 dB，PSRR的值大于116 dB。該電路可用于高側(cè)電流檢測。

發(fā)表于：5/14/2025

基于芯粒的Flash FPGA驅(qū)動測試技術(shù)[可編程邏輯][工業(yè)自動化]

針對基于芯粒的Flash FPGA驅(qū)動覆蓋率測試，利用Flash FPGA的系統(tǒng)控制寄存器與邊界掃描寄存器模塊，配置FPGA不同的驅(qū)動模式，并通過傳統(tǒng)的單芯片F(xiàn)lash單元配置進(jìn)行對比驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，基于芯粒的Flash FPGA控制寄存器配置的驅(qū)動性能與傳統(tǒng)的單芯片F(xiàn)lash單元配置一致，測試時(shí)間縮短到1/3。

發(fā)表于：5/14/2025

機(jī)器“掘金潮”：面向人工智能時(shí)代擴(kuò)展基礎(chǔ)設(shè)施[人工智能][數(shù)據(jù)中心]

在淘金熱時(shí)期，懷揣著致富夢想的探礦者們紛紛涌入美國西部，希望通過淘金發(fā)家致富。如今，科技領(lǐng)域的開拓者也同樣躍躍欲試，希望在人工智能（AI）領(lǐng)域大展拳腳。普華永道（PWC）估計(jì)，到2030年，全球經(jīng)濟(jì)總收益的45%將由人工智能驅(qū)動，越來越多的行業(yè)將受益于人工智能帶來的生產(chǎn)力和產(chǎn)品性能提升。普華永道的研究進(jìn)一步指出，人工智能有望為全球GDP額外貢獻(xiàn)15.7萬億美元，增幅約為14%。

發(fā)表于：4/30/2025

破解AI集群擴(kuò)展中的關(guān)鍵瓶頸[人工智能][工業(yè)自動化]

人工智能（AI）正以前所未有的速度向前發(fā)展，整個(gè)市場迫切需要更加強(qiáng)大、更加高效的數(shù)據(jù)中心來夯實(shí)技術(shù)底座。德科技署名文章旨在探討人工智能集群擴(kuò)展面臨的關(guān)鍵挑戰(zhàn)，同時(shí)揭示為何“網(wǎng)絡(luò)會是新的瓶頸”。

發(fā)表于：4/30/2025

數(shù)字經(jīng)濟(jì)下跨境避稅與反避稅規(guī)則研究[其他][其他]

數(shù)字經(jīng)濟(jì)時(shí)代下，高凈值人士往往采取跨境的方式進(jìn)行避稅，我國《個(gè)人所得稅法》尚沒有系統(tǒng)的反避稅條款設(shè)置，與應(yīng)對高凈值人士反避稅的實(shí)踐需求并不匹配。我國反避稅規(guī)則存在著核心認(rèn)定標(biāo)準(zhǔn)模糊、稅收征管體系不健全納稅人自覺納稅程度較低以及國際協(xié)作缺乏等問題。因此，通過分析我國高凈值人士征管困境，借鑒其他國家的先進(jìn)經(jīng)驗(yàn)，可以從如下方面進(jìn)行完善；第一，提升高凈值人士納稅的自覺遵從度；第二，完善高凈值人群稅收征管體系；第三，加強(qiáng)國際信息交換機(jī)制。

發(fā)表于：4/28/2025

生成式人工智能在偵查訊問中的應(yīng)用——基礎(chǔ)、嘗試、風(fēng)險(xiǎn)及對策建議[人工智能][其他]

目前犯罪態(tài)勢深刻變化，必須技術(shù)賦能偵查訊問來提質(zhì)增效，生成式人工智能的強(qiáng)大功能和巨大潛力為賦能偵查訊問、實(shí)現(xiàn)智慧審訊提供了可能路徑。從生成式人工智能運(yùn)用于偵查訊問的優(yōu)勢基礎(chǔ)、模擬嘗試、風(fēng)險(xiǎn)及其紓解對策與發(fā)展建議展開研究，以期為未來生成式人工智能在偵查訊問中的應(yīng)用提供一定的參考。

發(fā)表于：4/28/2025

司法自動化決策的紓困原理與算法解釋權(quán)路徑展開[其他][其他]

當(dāng)前,司法自動化決策可以滿足司法預(yù)防目的、提高案件信息整合進(jìn)程，故具有一定的正當(dāng)性和可行性。然而，司法自動化決策的適用仍面臨諸多阻礙：在程序?qū)用妫惴ê谙鋵?dǎo)致決策邏輯無法被公眾所理解；在實(shí)體層面，算法過度參與則易誘發(fā)責(zé)任不當(dāng)偏移風(fēng)險(xiǎn)。鑒于此，應(yīng)基于歐盟GDPR以及我國《個(gè)人信息保護(hù)法》中的算法解釋權(quán)，以滿足司法問責(zé)的理論要求，實(shí)現(xiàn)事前、事中、事后的全過程救濟(jì)，破除黑箱型司法決策的固有不足。具體而言，需完善司法算法解釋權(quán)的主、客體以及行為要件，規(guī)范司法自動化決策的程序機(jī)制，并形塑司法自動化決策的責(zé)任機(jī)制。通過明確司法自動化決策中算法解釋權(quán)的權(quán)屬與運(yùn)作方式，為司法權(quán)力向算法的部分轉(zhuǎn)移提供制度保障。

發(fā)表于：4/28/2025

藏文網(wǎng)絡(luò)敏感信息檢測研究[人工智能][信息安全]

隨著互聯(lián)網(wǎng)的普及，藏文網(wǎng)絡(luò)空間也面臨著日益增多的敏感信息傳播風(fēng)險(xiǎn)，給社會穩(wěn)定和國家安全帶來挑戰(zhàn)。傳統(tǒng)的敏感信息檢測方法難以有效應(yīng)對藏文語言的特殊性和網(wǎng)絡(luò)信息的復(fù)雜性。為了解決這一問題，提出了一種基于CINO-DPCNN的混合神經(jīng)網(wǎng)絡(luò)模型。該模型結(jié)合了CINO模型對藏文語義的深層次理解和DPCNN模型對文本特征的高效提取能力，能夠更準(zhǔn)確地識別藏文網(wǎng)絡(luò)敏感信息。實(shí)驗(yàn)結(jié)果表明，CINO-DPCNN模型在準(zhǔn)確率、F1值等指標(biāo)方面取得了良好的結(jié)果，相較于現(xiàn)有模型有顯著提高。這為構(gòu)建安全、健康的藏文網(wǎng)絡(luò)環(huán)境提供了新的技術(shù)支撐，也為其他少數(shù)民族語言的敏感信息檢測提供了借鑒。

發(fā)表于：4/28/2025