設(shè)計應(yīng)用-AET-電子技術(shù)應(yīng)用

基于隊列行駛的車聯(lián)網(wǎng)安全通信研究[通信與網(wǎng)絡(luò)][汽車電子]

基于隊列的駕駛模式能夠有效提高道路的通行能力和能源效率，在此基礎(chǔ)上，研究了基于隊列的車輛網(wǎng)絡(luò)在有竊聽者存在下的無線連接性能，推導(dǎo)出隊列內(nèi)、隊列外和整個網(wǎng)絡(luò)的安全連通概率，以分別描述單個隊列、兩個隊列和所有隊列組成的網(wǎng)絡(luò)。仿真結(jié)果表明，影響連接性能的系統(tǒng)參數(shù)包括傳輸范圍、竊聽者數(shù)量和車輛密度，且存在最優(yōu)車輛密度使安全連接性能達(dá)到最佳。

發(fā)表于：5/31/2023 2:27:14 PM

基于超寬帶系統(tǒng)的雙卡爾曼濾波定位算法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對室內(nèi)復(fù)雜通信環(huán)境中對于移動目標(biāo)的循跡需求，設(shè)計了一種削弱非視距誤差的雙卡爾曼濾波器，將經(jīng)典卡爾曼濾波器與擴展卡爾曼濾波器進(jìn)行級聯(lián)，并引入一種根據(jù)殘差分區(qū)調(diào)整卡爾曼濾波器協(xié)方差的區(qū)分誤差方式，用于自適應(yīng)調(diào)整經(jīng)典卡爾曼濾波器的濾波增益，從而達(dá)到平滑觀測值的作用，最終在擴展卡爾曼濾波后輸出待測移動目標(biāo)的位置信息，實現(xiàn)了移動目標(biāo)的實時定位。在MATLAB上對該設(shè)計思路進(jìn)行了仿真，在勻速運動模型下與現(xiàn)有的幾種算法進(jìn)行了精度的比較，所提出的雙卡爾曼濾波器在仿真上能達(dá)到較高的循跡精度，均方根誤差在視距情況下達(dá)到3 cm以內(nèi)，非視距情況下達(dá)到10 cm以內(nèi)。

發(fā)表于：5/31/2023 2:12:00 PM

電感參數(shù)可視化測量方法研究[測試測量][智能電網(wǎng)]

電感器有很多參數(shù)，其中最重要的兩個參數(shù)決定了電感器的性能：電感值和飽和電流。既有的電感參數(shù)測量方法要么能比較精確地測量電感值，要么能用其他輔助手段測量飽和電流，但都不能同時測量電感值和飽和電流。結(jié)合數(shù)字存儲示波器特殊的單次觸發(fā)和圖形顯示技術(shù)，設(shè)計簡易的電阻電感串聯(lián)測量電路，根據(jù)電感值的測量定義，測量出電感兩端的電壓值以及取樣電阻的電流變動值，從而計算出電感值。數(shù)字存儲示波器顯示測量曲線的拐點，即可求出電感飽和電流。通過實驗驗證，此方法能得到精確的電感值，同時能得到直觀的飽和電流值。方法原理簡單，設(shè)計合理，易于操作，是在實驗室缺少LCR測試儀的情況下一個經(jīng)濟(jì)有效的電感參數(shù)測量方法。

發(fā)表于：5/31/2023 2:05:45 PM

基于改進(jìn)模糊PID位置隨動系統(tǒng)控制[測試測量][工業(yè)自動化]

針對直流有刷電機在使用傳統(tǒng)模糊PID控制器進(jìn)行位置隨動控制時，由于負(fù)載轉(zhuǎn)矩變化導(dǎo)致系統(tǒng)跟隨性能下降以及負(fù)載轉(zhuǎn)矩未知的問題，提出了基于負(fù)載觀測器的改進(jìn)模糊PID控制器代替?zhèn)鹘y(tǒng)模糊PID控制器，在傳統(tǒng)模糊控制結(jié)構(gòu)的基礎(chǔ)上增加負(fù)載觀測器，實時觀測系統(tǒng)負(fù)載轉(zhuǎn)矩，并利用負(fù)載轉(zhuǎn)矩實時調(diào)節(jié)系統(tǒng)控制器參數(shù)，提升了系統(tǒng)在負(fù)載轉(zhuǎn)矩突變時的位置跟隨能力。仿真結(jié)果表明：負(fù)載觀測器能實時、準(zhǔn)確地觀測負(fù)載轉(zhuǎn)矩，改進(jìn)模糊PID控制器對負(fù)載擾動有較強的抑制能力，并有效減小了系統(tǒng)的調(diào)節(jié)時間和穩(wěn)態(tài)誤差。

發(fā)表于：5/31/2023 1:59:12 PM

基于USB2.0總線的NAND Flash檢測及控制方法[測試測量][工業(yè)自動化]

在高速大容量存儲裝置設(shè)計中多采用NAND Flash存儲器，針對目前采用串口檢測壞塊、實現(xiàn)數(shù)據(jù)讀寫的方法存在檢測速度慢、等待時間長等缺點，提出了基于USB2.0總線的NAND Flash檢測與控制方法。利用FPGA邏輯控制功能和高速USB接口芯片設(shè)計通信和控制電路，并通過上位機軟件實現(xiàn)對Flash的命令、操作控制，由用戶通過PC應(yīng)用程序完成對NAND Flash的讀寫、擦除檢測及壞塊標(biāo)定。經(jīng)實驗應(yīng)用驗證，該方法檢測、讀寫速度快，使用靈活，能準(zhǔn)確、有效實現(xiàn)數(shù)據(jù)的快速讀寫、擦除及壞塊標(biāo)定，可廣泛應(yīng)用于存儲測試裝置的設(shè)計研制中。

發(fā)表于：5/31/2023 1:52:17 PM

基于木馬特征風(fēng)險敏感的硬件木馬檢測方法[測試測量][信息安全]

針對現(xiàn)有硬件木馬檢測方法中存在的木馬檢出率偏低問題，提出一種基于木馬特征風(fēng)險敏感的門級硬件木馬檢測方法。通過分析木馬電路的結(jié)構(gòu)特征和信號特征，構(gòu)建11維硬件木馬特征向量；提出了基于Borderline-SMOTE的硬件木馬特征擴展算法，有效擴充了訓(xùn)練數(shù)據(jù)集中的木馬樣本信息；基于PSO智能尋優(yōu)算法優(yōu)化SVM模型參數(shù)，建立了木馬特征風(fēng)險敏感分類模型。該方法基于Trust-Hub木馬庫中的17個基準(zhǔn)電路展開實驗驗證，其中16個基準(zhǔn)電路的平均真陽率（TPR）達(dá)到100%，平均真陰率（TNR）高達(dá)99.04%，與現(xiàn)有的其他檢測方法相比，大幅提升了硬件木馬檢出率。

發(fā)表于：5/31/2023 1:44:50 PM

基于OpenMV的共享單車規(guī)范停車檢測[人工智能][智能交通]

為了解決城市中共享單車亂停亂放的問題，提出了一種基于OpenMV的共享單車規(guī)范停車系統(tǒng)。系統(tǒng)主要由OpenMV開發(fā)板、BC20通信定位模塊以及OneNET云服務(wù)器等組成。其中OpenMV完成對停車狀態(tài)的檢測與識別，借助BC20內(nèi)置的網(wǎng)絡(luò)模塊與OneNET云服務(wù)器進(jìn)行數(shù)據(jù)交互，并將檢測結(jié)果反饋至小程序客戶端，從而實現(xiàn)對共享單車的停車檢測和控制。系統(tǒng)通過大量的測試，實驗結(jié)果表明系統(tǒng)運行穩(wěn)定，識別準(zhǔn)確率為94.1%，可以實現(xiàn)共享單車的規(guī)范停車自動檢測，具有良好的市場應(yīng)用前景與價值。

發(fā)表于：5/31/2023 1:34:42 PM

基于單頁語義特征的垃圾網(wǎng)頁檢測[人工智能][通信網(wǎng)絡(luò)]

為解決垃圾網(wǎng)頁檢測中特征提取難度高、計算量大的問題，提出一種僅基于當(dāng)前網(wǎng)頁的HTML腳本提取語義特征的方法。首先使用深度優(yōu)先搜索和動態(tài)規(guī)劃相結(jié)合的記憶化搜索算法對域名進(jìn)行單詞切割，采用隱含狄利克雷分布提取主題詞，基于Word2Vec詞向量和詞移距離計算3個單頁語義相似度特征；然后將單頁語義相似度特征融合單頁統(tǒng)計特征，使用隨機森林等分類算法構(gòu)建分類模型進(jìn)行垃圾網(wǎng)頁檢測。實驗結(jié)果表明，基于單頁內(nèi)容提取語義特征融合單頁統(tǒng)計特征進(jìn)行分類的AUC值達(dá)到88.0%，比對照方法提高4%左右。

發(fā)表于：5/31/2023 1:29:26 PM

基于動態(tài)圖卷積的點云補全網(wǎng)絡(luò)[人工智能][通信網(wǎng)絡(luò)]

大多數(shù)傳統(tǒng)的深度學(xué)習(xí)點云補全學(xué)習(xí)方法僅僅使用了全局特征而忽略了局部特征，為了更好地提取和使用點云的局部特征，提出了一個基于深度學(xué)習(xí)的端到端點云補全網(wǎng)絡(luò)。在點云補全網(wǎng)絡(luò)（PCN）的基礎(chǔ)上，編碼部分引入針對局部特征改進(jìn)的動態(tài)圖卷積（DGCNN），使用多個不同維度的邊卷積提取較為豐富的局部特征，并按照距離弱化遠(yuǎn)點的特征；然后用深度殘差網(wǎng)絡(luò)連接的思想優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)以實現(xiàn)多尺度特征的融合，并加入平均池化彌補全局池化造成的信息損失；在解碼部分引入折疊網(wǎng)絡(luò)（FoldingNet），使輸出的點云更加完整。實驗結(jié)果表明，該點云補全網(wǎng)絡(luò)相對PCN等點云補全網(wǎng)絡(luò)有部分提升，驗證了新方法的有效性。

發(fā)表于：5/31/2023 1:24:32 PM

紋理特征提取方法綜述[其他][其他]

圖像紋理特征提取是圖像紋理分類與分割的基礎(chǔ)，廣泛應(yīng)用于醫(yī)學(xué)圖像、遙感圖像等領(lǐng)域。對近期的主流紋理特征提取方法以及融合方法進(jìn)行了分析與總結(jié)，并探討了紋理特征提取方法未來的研究方向。首先詳細(xì)介紹了12個主流的公開紋理數(shù)據(jù)集的特點及其適用場景；接著總結(jié)了近幾年出現(xiàn)的一些紋理特征提取方法，并根據(jù)特征融合方式從多個角度對紋理特征融合方法進(jìn)行了分類介紹；最后總結(jié)了紋理特征提取存在的難點和挑戰(zhàn)，并對未來的紋理特征提取方法研究方向進(jìn)行思考和討論。

發(fā)表于：5/31/2023 1:19:13 PM