設計資源-AET-電子技術應用

成都博高借助LoRa®賦能智慧醫(yī)療和大健康黃金賽道[通信與網(wǎng)絡][物聯(lián)網(wǎng)]

　　隨著我國老齡人口比例的不斷攀升，要求醫(yī)療和健康保護行業(yè)必須進一步提升效率，才能應對當前日益增長的醫(yī)療和健康保障服務需求。采用基于LoRa®等物聯(lián)網(wǎng)技術的智慧醫(yī)療，將新型傳感器和控制技術等與現(xiàn)代醫(yī)療保健手段相結合，優(yōu)化醫(yī)療資源配置，從而為病患提供更加及時有效的治療，同時也為醫(yī)護人員的健康安全筑起一道屏障，并減輕其工作負擔。

發(fā)表于：4/17/2021

MEMS陀螺儀在惡劣高溫環(huán)境下提供準確的慣性檢測[MEMS|傳感技術][其他]

越來越多的應用需要從處于高溫環(huán)境中的傳感器收集數(shù)據(jù)。近年來，半導體、無源器件和互連領域取得了很大進展，使得高精度數(shù)據(jù)采集和處理成為可能。但是，人們需要能夠在175°C高溫條件下運行的傳感器，尤其是采用微機電系統(tǒng)(MEMS)提供的易于使用的傳感器，這一需求尚未得到滿足。相比同等的分立式傳感器，MEMS通常更小巧，功耗和成本都更低。此外，它們還可以在同樣大小的半導體封裝內集成信號調理電路。

發(fā)表于：4/16/2021

領先的SiC/GaN功率轉換器的驅動[電源技術][汽車電子]

目前，功率轉換器市場快速演進，將來也會快速發(fā)展，從簡單的高性價比設計模式走向更為廣泛、更具持續(xù)性的創(chuàng)新模式。新的挑戰(zhàn)不斷涌現(xiàn)，比如，生產(chǎn)能供小型伺服驅動使用或者能集成到分布式存能單元功率轉換器中的更小、更高效的功率轉換器。這也意味著，要用更高的工作電壓來管理更高的功率，卻不能增加重量和尺寸，比如，太陽能串式逆變器和電動汽車牽引電機等應用場合。

發(fā)表于：4/16/2021

泛林集團全新干膜光刻膠技術突破技術瓶頸，滿足下一代器件的縮放需求[EDA與制造][工業(yè)自動化]

　　隨著芯片制造商開始轉向更先進的技術節(jié)點，愈發(fā)精細的特征成為了棘手的難題。其中一個主要難點是將芯片設計轉到晶圓上的材料，因為當前的材料很快就無法滿足精細度要求。為了能及時滿足下一代器件的縮放要求，泛林集團推出了一項突破性的干膜光刻膠技術。要更好地了解該解決方案，我們需要首先了解圖形化工藝和當前使用的光刻膠，之后再探討該技術的潛在優(yōu)勢。

發(fā)表于：4/16/2021

對NBC-128的安全性分析[其他][其他]

NBC算法是由徐洪等人設計的基于廣義Feistel結構的分組密碼算法，支持128/128、128/256和256/256 3種分組和密鑰尺寸，其非線性部分采用16 bit S盒。對分組長度為128 bit的兩個NBC版本算法進行了改進的安全性分析。針對不可能差分攻擊，修正了原有分析過程，可以分析17輪NBC-128/256、15輪NBC-128/128；對于多維零相關攻擊，擴展了攻擊輪數(shù)，可以分析19輪NBC-128/256、16輪NBC-128/128，針對NBC-128/256的結果在輪數(shù)上是已知最長的；對于積分攻擊，給出了新的12輪積分路線，需要的數(shù)據(jù)量低于原有結果。

發(fā)表于：4/16/2021

基于疊加擴頻頻譜中心技術的抗欺騙干擾研究[其他][其他]

針對機載多天線收發(fā)系統(tǒng)(Multiple Input Multiple Output，MIMO)面臨存在虛假指令的欺騙干擾威脅導致性能下降甚至失鎖問題，提出了一種基于疊加擴頻頻譜中心技術檢測欺騙干擾方案，最后通過試驗驗證了該方案的可行性，對MIMO抗虛假指令欺騙干擾性能的提升具有實際意義。

發(fā)表于：4/16/2021

基于可穿戴傳感器的實時心電檢測方法研究[其他][其他]

為了實時監(jiān)控人體的心電信號，以胸帶作為穿戴載體，設計一個可穿戴心電檢測系統(tǒng)。內嵌于胸帶的心電傳感器采集佩戴者心電信號，通過藍牙傳輸至移動設備應用程序，實現(xiàn)心電信號及心率的實時顯示。所實現(xiàn)的心電檢測算法基于自適應閾值，檢測心電信號的R波并計算實時心率。設計和實施了實地實驗以檢測系統(tǒng)和算法性能。結果表明，心率檢測算法的R波檢測錯誤率為-1.99%，較好地適應了可穿戴心電傳感器采集的信號。

發(fā)表于：4/15/2021

基于多特征融合的商品識圖匹配算法研究[其他][其他]

隨著近幾年無人超市的不斷發(fā)展成熟，自助購物越來越普及。如果商品售出后沒能及時補充，會影響消費者的購買意愿。為提升商品圖像識別的準確率，采用多特征融合的方法，即將多種算法的特征聯(lián)合，形成優(yōu)勢互補。采用融合SIFT特征和灰度共生矩陣特征的方法完成貨架商品圖像的匹配。實驗表明，該方法對比灰度共生矩陣方法準確率提升20.6%，對比SIFT算法和PCA-SIFT算法準確率分別提升8.9%和5.6%；處理時間對比以上三種算法略有增加。此方法還可用于分析貨物受歡迎程度以及確認哪些柜臺需要加貨等，從而及時有效地對短缺的商品進行補充。

發(fā)表于：4/15/2021

自動氣象溫濕度傳感器采集電路設計與實現(xiàn)[其他][其他]

為了順應民航氣象自動化發(fā)展需求，設計了一種自動氣象溫濕度傳感器采集電路，能夠實現(xiàn)對民用機場跑道周邊溫濕度要素的較高精度采集。系統(tǒng)對硬件電路部分進行了模塊化結構設計，對溫濕度采集原理進行了分析，利用4線制PT100鉑電阻對溫度進行測量，通過恒流源驅動的方式產(chǎn)生溫度對應電壓，再通過AD7792進行采集，計算出溫度傳感器的電阻值Rpt100。濕度信號輸出類型為0～1 V的直流電壓，利用AD7792的第2通道以及片內1.17 V的基準電壓進行采集，得到ADSample2采樣值,計算出濕度對應的電壓值Vrh(單位：mV)， Vrh在數(shù)值上與濕度采樣值相等。試驗證明采集電路可以完成對溫濕度信號的采集。

發(fā)表于：4/15/2021

一種多通道高速高精度PXIe數(shù)據(jù)采集模塊設計[其他][其他]

介紹了一種基于放大器、模數(shù)轉換(Analog to Digital Converter，ADC)和現(xiàn)場可編程門陣列(Field Programmable Gate Array，F(xiàn)PGA)的多通道數(shù)據(jù)采集方案，包括采集系統(tǒng)的主要構成以及實現(xiàn)方法，最后對系統(tǒng)性能進行了測試。該電路模塊為子母板結構，通過PCI Extensions for Instrumentation Express(PXIe)機箱背板總線實現(xiàn)數(shù)據(jù)的讀出能力。該模塊可支持8個采集通道的同步采集，每通道采樣率可達500 MS/s。測試結果表明，在其帶寬內有效位可接近11 bit(ADC采樣精度為14 bit)，能夠滿足高速高精度的數(shù)據(jù)采集需求。

發(fā)表于：4/15/2021

衛(wèi)星網(wǎng)絡負載均衡路由技術研究綜述[其他][其他]

發(fā)表于：4/15/2021

基于GRU神經(jīng)網(wǎng)絡的有毒氣體擴散預測方法[其他][其他]

有毒氣體的擴散預測在應急響應中起著重要作用。現(xiàn)有的計算流體力學(CFD)方法存在計算耗時長等問題，無法快速進行毒害氣體擴散預測。提出了一種利用深度學習技術進行有毒氣體擴散預測的方法。根據(jù)有毒氣體擴散原理，設計基于GRU的神經(jīng)網(wǎng)絡模型，實現(xiàn)快速、有效的氣體擴散濃度的預測。將本文的方法在經(jīng)典的公開數(shù)據(jù)集草原牧場數(shù)據(jù)集上進行驗證，實驗結果表明本文方法可實現(xiàn)較高精度的氣體擴散濃度的預測，并且優(yōu)于基于BP神經(jīng)網(wǎng)絡模型的方法。

發(fā)表于：4/15/2021

基于高階圖卷積網(wǎng)絡的城市空氣質量推斷模型[其他][其他]

能否精確地預測城市區(qū)域空氣質量分布，對于政府環(huán)境治理以及人們日常預防等方面，具有重要的意義。該問題面臨的挑戰(zhàn)是：一是不同區(qū)域的空氣質量分布具有時空交互性；二是空氣質量分布受到外部因素的影響。通用化卷積神經(jīng)網(wǎng)絡以處理任意圖結構數(shù)據(jù)，成為近些年來研究的熱點之一，將城市空氣質量預測問題可制定為時空圖預測問題。基于提出的高階圖卷積網(wǎng)絡，設計了一種有效的空氣質量推斷模型。該模型可以捕獲空氣質量分布的時空交互性和提取外部影響因素特征，從而精確預測空氣質量分布。通過驗證現(xiàn)實北京市空氣質量數(shù)據(jù)，結果表明提出的模型遠遠優(yōu)于目前已知的通用方法。

發(fā)表于：4/15/2021

基于卷積LSTM的視頻中Deepfake檢測方法[其他][其他]

以Deepfake為代表的偽造人臉技術，使用少量的人臉數(shù)據(jù)就能將視頻中的人臉替換成為目標人臉，從而達到偽造視頻的目的。此類技術的濫用將帶來惡劣的社會影響，需要使用檢測技術加以制裁。針對這一問題，已有若干檢測算法被提出。現(xiàn)有方法具有一定局限性，單幀檢測算法忽略了Deepfake動態(tài)缺陷；當數(shù)據(jù)存在缺陷時，模型可能會陷入“學會特定臉”的陷阱中。提出了一種對視頻數(shù)據(jù)中的Deepfake檢測方法，使用結合CNN和LSTM的卷積LSTM，判斷視頻真?zhèn)巍Ｌ岢隽艘环N基于人臉特征點的cutout方法，能抑制網(wǎng)絡學會特定臉。實驗表明，在不同場景下，準確度對比基準算法均有提升。

發(fā)表于：4/15/2021

基于KDMSPCS-GRNN的室內定位技術研究[其他][其他]

針對利用廣義神經(jīng)網(wǎng)絡(Generalized Regression Neural Network，GRNN)搭建的定位預測模型定位精度低、效率慢等問題，基于動態(tài)分群策略，提出一種線性遞減粒子群(Linear Decreasing Contraction Particle Swarm Optimization，LDCPSO)和布谷鳥(Cuckoo Search，CS)混合尋優(yōu)算法，并利用此算法為GRNN選擇最優(yōu)參數(shù)，構建定位預測模型。該算法主要利用K均值聚類算法(K-means)對整個種群進行周期性的分群，底層使用LDCPSO算法優(yōu)化各個子群，并將最優(yōu)粒子傳至高層，高層使用CS算法優(yōu)化各個子群的最優(yōu)粒子，并將最終結果返回底層，執(zhí)行下一次迭代。實驗過程中，一方面將提出的算法應用于多個測試函數(shù)，結果表明該算法具有更好的收斂速度和收斂精度；另一方面利用該算法搭建定位模型，并與其他定位模型對比，結果顯示該定位模型具有更好的定位效果。

發(fā)表于：4/15/2021