設(shè)計(jì)應(yīng)用-AET-電子技術(shù)應(yīng)用

基于系統(tǒng)級(jí)封裝技術(shù)的X頻段變頻模塊研制[EDA與制造][工業(yè)自動(dòng)化]

研制了一款利用系統(tǒng)級(jí)封裝技術(shù)（SIP）的小體積X頻段雙通道收發(fā)變頻模塊，在其內(nèi)部集成了采用不同工藝制成的器件。模塊把發(fā)射通道和接收通道集成到一個(gè)腔體中，并實(shí)現(xiàn)收發(fā)分時(shí)控制。模塊采用上下雙腔結(jié)構(gòu)，不同腔體之間采用BGA球柵陣列進(jìn)行垂直連接，顯著減小模塊體積，模塊體積為21 mm×16 mm×3.8 mm。模塊主要指標(biāo)測(cè)試結(jié)果為：接收通道輸入P-1dB ≤-10 dBm，接收信號(hào)增益30～35 dB，接收通道隔離度大于等于55 dB，接收噪聲系數(shù)小于等于8 dB；發(fā)射通道增益10～12 dB，發(fā)射通道最大輸出功率大于等于12 dBm，二次三次諧波抑制大于等于60 dBc，雜波抑制大于等于55 dBc，模塊可在-55～+85 ℃正常工作。實(shí)測(cè)結(jié)果與仿真結(jié)果基本一致。

發(fā)表于：12/17/2024 1:31:30 PM

基于鎖相放大器的電渦流金屬分類系統(tǒng)設(shè)計(jì)[測(cè)試測(cè)量][工業(yè)自動(dòng)化]

電渦流檢測(cè)是一種通過(guò)檢測(cè)金屬導(dǎo)體感應(yīng)出的微小渦流信號(hào)來(lái)識(shí)別被測(cè)材料性質(zhì)的方法。在利用電渦流檢測(cè)技術(shù)進(jìn)行金屬分類時(shí)，微弱信號(hào)甚至?xí)辉肼曅盘?hào)完全淹沒(méi)，這使提取有效信號(hào)變得非常困難。針對(duì)這種實(shí)際問(wèn)題，根據(jù)相關(guān)檢測(cè)法設(shè)計(jì)了基于鎖相放大器的金屬分類系統(tǒng)。在設(shè)計(jì)中，微弱待測(cè)信號(hào)經(jīng)過(guò)低噪聲放大后與兩路正交參考信號(hào)進(jìn)行互相關(guān)，再經(jīng)過(guò)低通濾波電路后被采集，對(duì)被采集的信號(hào)進(jìn)行計(jì)算即可實(shí)現(xiàn)對(duì)微弱信號(hào)的檢測(cè)。實(shí)驗(yàn)結(jié)果表明，系統(tǒng)具有較高的精度和靈敏度，能夠極大地提高信號(hào)的信噪比，實(shí)現(xiàn)對(duì)金屬材料的快速分類，分類準(zhǔn)確率可達(dá)93%。

發(fā)表于：12/17/2024 1:20:56 PM

基于編程組態(tài)軟件的二總線圖形建模及調(diào)試研究[通信與網(wǎng)絡(luò)][工業(yè)自動(dòng)化]

以太網(wǎng)控制自動(dòng)化技術(shù)（Ethernet Control Automation Technology，EtherCAT）是當(dāng)前工業(yè)控制領(lǐng)域的一個(gè)重要應(yīng)用技術(shù)。基于EtherCAT總線的PLC可以集成控制二總線系統(tǒng)，在實(shí)施過(guò)程中，用戶為PLC編程時(shí)會(huì)編寫大量代碼，在異步系統(tǒng)間也會(huì)存在消息不同步的問(wèn)題。為解決上述問(wèn)題，提出了一種基于編程組態(tài)軟件對(duì)二總線設(shè)備組態(tài)建模和圖形化調(diào)試技術(shù)，該技術(shù)包括異步系統(tǒng)間消息同步、二總線協(xié)議轉(zhuǎn)換與解析、二總線拓?fù)錁?gòu)建狀態(tài)機(jī)、在線實(shí)時(shí)調(diào)試功能以及可視化交互界面設(shè)計(jì)。

發(fā)表于：12/16/2024 5:31:01 PM

通信模塊和計(jì)算主機(jī)分離場(chǎng)景下安全有效入網(wǎng)認(rèn)證的研究[通信與網(wǎng)絡(luò)][5G]

隨著5G、移動(dòng)技術(shù)的不斷發(fā)展，移動(dòng)終端的形態(tài)越來(lái)越多樣，具備移動(dòng)接入能力的設(shè)備推動(dòng)了萬(wàn)物互聯(lián)時(shí)代的到來(lái)。移動(dòng)終端從CDMA時(shí)代開(kāi)始就已經(jīng)實(shí)現(xiàn)了機(jī)卡分離，全網(wǎng)通的出現(xiàn)使得計(jì)算主機(jī)和通信模塊進(jìn)一步解耦。人們希望自己的移動(dòng)終端可以在任何時(shí)間、任何地點(diǎn)接入任何網(wǎng)絡(luò)。無(wú)線技術(shù)之所以能夠?qū)崿F(xiàn)突飛猛進(jìn)的發(fā)展，正是因?yàn)轫槕?yīng)了分工合作、各自發(fā)展這一趨勢(shì)。物聯(lián)網(wǎng)的時(shí)代，終端設(shè)備往往規(guī)格低、數(shù)量大，新技術(shù)、新頻段的不斷涌現(xiàn)，導(dǎo)致主機(jī)和通信模塊發(fā)展不同步，終端組合式接入給移動(dòng)安全提出新挑戰(zhàn)。探討了如何通過(guò)數(shù)字證書、安全管控等技術(shù)實(shí)現(xiàn)通信模塊和計(jì)算主機(jī)機(jī)分離場(chǎng)景下終端的入網(wǎng)認(rèn)證。

發(fā)表于：12/16/2024 5:12:29 PM

基于深度殘差神經(jīng)網(wǎng)絡(luò)的5G信號(hào)室內(nèi)分布預(yù)測(cè)[通信與網(wǎng)絡(luò)][5G]

為解決5G信號(hào)室內(nèi)覆蓋的質(zhì)量與穩(wěn)定性問(wèn)題，提出了一種基于深度殘差神經(jīng)網(wǎng)絡(luò)的5G信號(hào)室內(nèi)分布預(yù)測(cè)方法。采用基于全連接的深度殘差神經(jīng)網(wǎng)絡(luò)構(gòu)建預(yù)測(cè)模型，利用發(fā)射機(jī)與接收機(jī)的三維空間坐標(biāo)信息和接收機(jī)的參考信號(hào)接收功率（Reference Signal Receiving Power， RSRP）數(shù)據(jù)作為輸入特征，而無(wú)需收集復(fù)雜的環(huán)境特征信息。實(shí)驗(yàn)結(jié)果表明，該深度殘差神經(jīng)網(wǎng)絡(luò)模型在不依賴詳細(xì)環(huán)境參數(shù)的情況下，經(jīng)歸一化訓(xùn)練，預(yù)測(cè)出的RSRP與實(shí)際值相比，MAE為0.029 455，RMSE為0.041 495，能有效地預(yù)測(cè)室內(nèi)的5G信號(hào)分布，驗(yàn)證了基于深度殘差神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法在室內(nèi)5G信號(hào)覆蓋預(yù)測(cè)問(wèn)題上的有效性，為優(yōu)化室內(nèi)5G網(wǎng)絡(luò)部署和提升用戶體驗(yàn)提供了科學(xué)依據(jù)和技術(shù)手段，具有重要的實(shí)際應(yīng)用價(jià)值。

發(fā)表于：12/16/2024 5:02:13 PM

改進(jìn)LCR儀表測(cè)量穩(wěn)定性的相位裕度優(yōu)化方法及硬件實(shí)現(xiàn)[測(cè)試測(cè)量][工業(yè)自動(dòng)化]

為解決LCR表在測(cè)量容性阻抗時(shí)的自激問(wèn)題，設(shè)計(jì)了一種增強(qiáng)測(cè)量穩(wěn)定性的LCR儀表。通過(guò)分析測(cè)量前端自平衡電橋電路的相位裕度，采用相位補(bǔ)償電路解決因相位滯后造成的自激問(wèn)題。應(yīng)用直接數(shù)字頻率合成技術(shù)結(jié)合相位校準(zhǔn)電路設(shè)計(jì)，產(chǎn)生相位準(zhǔn)確的正交測(cè)量信號(hào)。使用開(kāi)關(guān)鑒相式鎖相放大器處理微弱信號(hào)，經(jīng)16位模數(shù)轉(zhuǎn)換器采集后輸入到微處理器進(jìn)行矢量信號(hào)合成與輸出顯示。相比專業(yè)儀器，所設(shè)計(jì)樣機(jī)對(duì)電阻測(cè)量相對(duì)誤差可達(dá)0.5%，對(duì)大電容測(cè)量相對(duì)誤差可達(dá)1%。

發(fā)表于：12/16/2024 4:53:21 PM

速度型水聲傳感器的頻率響應(yīng)特性[MEMS|傳感技術(shù)][通信網(wǎng)絡(luò)]

聲納技術(shù)是人類探索海洋的主要手段，而水聲傳感器是聲納裝置的重要組成部分。水聲傳感器分為標(biāo)量和矢量水聲傳感器。矢量傳感器可以彌補(bǔ)標(biāo)量傳感器獲取聲場(chǎng)信息不完整的不足，可以實(shí)現(xiàn)對(duì)水中聲壓和介質(zhì)振速的精確測(cè)量從而確定目標(biāo)方位等。主要對(duì)速度型矢量水聲傳感器的頻率響應(yīng)特性進(jìn)行了研究，討論高保真和高增益下速度型水聲振幅模型、響應(yīng)比及頻率響應(yīng)特性，提出頻響設(shè)計(jì)原則，最后概括速度型水聲傳感器的應(yīng)用。水聲傳感器是水下探測(cè)、定位和通信的重要手段。研究有助于開(kāi)發(fā)高靈敏度和更好低頻特性的速度型水聲傳感器，從而極大提升傳統(tǒng)水聲傳感器的作用距離。遠(yuǎn)聲場(chǎng)傳感器的研制，提升諸如潛艇、UUV等水下目標(biāo)的探測(cè)距離，將有利于從根本改變目前我國(guó)水聲探測(cè)網(wǎng)絡(luò)的格局，具有重要軍事意義。

發(fā)表于：12/16/2024 4:44:01 PM

基于多頭注意力的社交網(wǎng)絡(luò)用戶身份鏈接方法[人工智能][消費(fèi)電子]

隨著社交網(wǎng)絡(luò)的快速發(fā)展，人們?cè)谏缃痪W(wǎng)絡(luò)中擁有越來(lái)越多的虛擬身份，識(shí)別同一自然人不同網(wǎng)絡(luò)虛擬身份的網(wǎng)絡(luò)用戶身份鏈接問(wèn)題變得越來(lái)越重要。用戶身份鏈接有助于挖掘網(wǎng)絡(luò)用戶的隱信息，構(gòu)建全面的網(wǎng)絡(luò)用戶畫像，進(jìn)而促進(jìn)跨網(wǎng)絡(luò)的推薦、鏈接預(yù)測(cè)、信息傳播等多個(gè)研究領(lǐng)域發(fā)展。現(xiàn)有的基于用戶屬性和基于網(wǎng)絡(luò)結(jié)構(gòu)的用戶身份鏈接方法，沒(méi)有考慮不同用戶之間影響力差異因素，收斂速度較慢。基于深度游走的用戶身份鏈接方法，融入多頭注意力機(jī)制，對(duì)用戶間影響力進(jìn)行建模，實(shí)驗(yàn)結(jié)果表明，該方法可以很好地改進(jìn)算法有效性，提高訓(xùn)練效率。

發(fā)表于：12/16/2024 4:34:14 PM

基于改進(jìn)YOLOv5n的腐敗水果檢測(cè)模型[人工智能][消費(fèi)電子]

為了實(shí)現(xiàn)多種水果在采摘后自動(dòng)化篩選和分揀中腐敗水果識(shí)別的問(wèn)題，提出了改進(jìn)的YOLOv5n模型，命名為mobile-YOLO。首先將YOLOv5n的主干網(wǎng)絡(luò)替換為MobileNetV3并引入深度可分離卷積，相較于原模型，這種改進(jìn)在計(jì)算效率和速度上都有所提升，并且準(zhǔn)確率也得到了提高。為了進(jìn)一步提升速度，將C3模塊替換為C2f模塊，實(shí)現(xiàn)輕量化的同時(shí)獲得了更豐富的梯度流信息。最后將原有的CIoU替換為α-CIoU，以加快收斂速度并保證圖像框位置的準(zhǔn)確性。mobile-YOLO相較于原始的YOLOv5n，[email protected]（mean Average Precision）達(dá)到了98.1%，[email protected]：.95達(dá)到了94.2%，同時(shí)在P（Precision）值為97.1%和R（Recall）值為96.8%的情況下，參數(shù)量幾乎與YOLOv5n保持一致。

發(fā)表于：12/16/2024 4:24:06 PM

一種基于狀態(tài)預(yù)測(cè)的多線程數(shù)據(jù)過(guò)濾算法[人工智能][其他]

數(shù)據(jù)過(guò)濾算法在大數(shù)據(jù)處理領(lǐng)域有著重要的作用。基于正則表達(dá)式匹配技術(shù)的數(shù)據(jù)過(guò)濾算法憑借強(qiáng)大的特征表達(dá)能力適合于處理大規(guī)模復(fù)雜數(shù)據(jù)。然而，傳統(tǒng)的正則表達(dá)式匹配過(guò)程為串行匹配，造成性能低，無(wú)法滿足現(xiàn)代數(shù)據(jù)處理的需求。針對(duì)傳統(tǒng)正則表達(dá)式匹配性能低的問(wèn)題，提出一種基于多線程和狀態(tài)預(yù)測(cè)的正則表達(dá)式加速匹配算法，稱之為μFA：基于向量指令執(zhí)行字符值比較，獲取可直接跳過(guò)的信任字符數(shù)。同時(shí)，基于多線程加速和狀態(tài)猜測(cè)技術(shù)，實(shí)現(xiàn)字符串的分段匹配處理，通過(guò)圈定字符危險(xiǎn)區(qū)域，研判各分段最終匹配結(jié)果的正確性。實(shí)驗(yàn)結(jié)果表明，μFA算法的吞吐率是原始DFA算法的10.12~91.36倍、ßFA算法的1.08~2.97倍。

發(fā)表于：12/16/2024 4:22:38 PM