免费看大片的,一级a性色生活片久久毛片,国产精品黄网站免费观看

K波段跨導(dǎo)增強(qiáng)雙路噪聲抵消低噪聲放大器[微波|射頻][通信網(wǎng)絡(luò)]

為滿足通信系統(tǒng)發(fā)展對(duì)高性能硅基低噪聲放大器的需要，提出了一種跨導(dǎo)增強(qiáng)雙路噪聲抵消電路拓?fù)洌軐?duì)晶體管噪聲進(jìn)行抵消，以實(shí)現(xiàn)良好的噪聲性能。共柵路徑中引入的跨導(dǎo)增強(qiáng)結(jié)構(gòu)進(jìn)一步改善了增益與噪聲性能。基于以上拓?fù)湓O(shè)計(jì)了一款K波段低噪聲放大器，由共柵與共源兩條路徑組成，兩者互為反饋支路，通過(guò)兩路合成實(shí)現(xiàn)雙路的噪聲抵消。電路采用90 nm CMOS SOI工藝設(shè)計(jì)，芯片核心尺寸為500 μm×280 μm。仿真結(jié)果表明，在17~22 GHz頻帶內(nèi)實(shí)現(xiàn)了1.61~1.87 dB的噪聲系數(shù)和15.8 dB的峰值增益，1 dB壓縮點(diǎn)輸入功率為-4.3 dBm，體現(xiàn)了較好的噪聲性能與線性增益。

發(fā)表于：4/22/2025

一種陡峭截止的曲面三階帶通頻率選擇表面天線罩設(shè)計(jì)[微波|射頻][通信網(wǎng)絡(luò)]

針對(duì)傳統(tǒng)頻率選擇表面（ Frequency Selective Surface，F(xiàn)SS）天線罩存在結(jié)構(gòu)剖面高以及帶外截止性能不足等問(wèn)題，提出了一種K波段具有帶外陡峭截止的低剖面帶通型FSS天線罩設(shè)計(jì)方法。該方法通過(guò)采用多層非諧振型FSS單元結(jié)構(gòu)及其電磁強(qiáng)耦合設(shè)計(jì)，實(shí)現(xiàn)了K波段三階帶通頻率選擇濾波特性。該天線罩不僅具有極低的剖面，而且實(shí)現(xiàn)了通帶到阻帶的快速陡峭過(guò)渡。進(jìn)一步采用多層電路板壓合技術(shù)和天線罩敷制工藝加工了該K波段曲面FSS天線罩樣件，不僅保證了天線罩的圖案加工精度，同時(shí)也確保了復(fù)雜曲面成型精度。最后，進(jìn)行了天線罩傳輸特性及對(duì)天線方向圖影響的測(cè)試驗(yàn)證，測(cè)試結(jié)果與設(shè)計(jì)結(jié)果吻合較好，證明了設(shè)計(jì)方法的可行性。

發(fā)表于：4/22/2025

19~21 GHz GaAs高線性功率放大器MMIC[微波|射頻][通信網(wǎng)絡(luò)]

基于0.15 μm GaAs高電子遷移率晶體管（pHEMT）工藝研制了一款19~21 GHz的高線性功率放大器單片微波集成電路。高峰均比信號(hào)傳輸場(chǎng)景中，功率放大器的效率和線性度對(duì)射頻前端性能具有關(guān)鍵影響。該放大器在功放柵極級(jí)聯(lián)冷模線性化電路，以補(bǔ)償放大器輻相失真特性，進(jìn)而實(shí)現(xiàn)線性度和效率的提升，為克服冷模對(duì)電壓敏感問(wèn)題，采用片上有源穩(wěn)壓及溫度補(bǔ)償偏置電路擴(kuò)展動(dòng)態(tài)范圍，降低大動(dòng)態(tài)失真，抑制工藝離散、外部離散等帶來(lái)的線性度惡化問(wèn)題。測(cè)試結(jié)果表明，在19~21 GHz頻帶內(nèi)，飽和輸出功率為22.3~22.8 dBm，飽和功率附加效率為35.3%~36.5%。在19 GHz、20 GHz和21 GHz頻點(diǎn)，輸出功率19 dBm時(shí)，三階互調(diào)失真均小于-30 dBc；6 dB峰均比、100 MHz正交頻分多路復(fù)用的64-QAM調(diào)制信號(hào)激勵(lì)下，平均輸出功率及對(duì)應(yīng)的功率附加效率為19 dBm和27%，實(shí)現(xiàn)了-31.9 dBc、-33.2 dBc和-31.2 dBc的鄰道功率比及4.32%、4.13%和5.3%的誤差矢量幅度。

發(fā)表于：4/22/2025

基于多尺度伸縮卷積與注意力機(jī)制的光伏組件缺陷分割算法[模擬設(shè)計(jì)][智能電網(wǎng)]

無(wú)人機(jī)在光伏系統(tǒng)的巡檢過(guò)程中需要對(duì)光伏組件的缺陷進(jìn)行準(zhǔn)確和快速識(shí)別，為此提出了一種基于多尺度伸縮卷積與注意力機(jī)制的光伏組件缺陷分割網(wǎng)絡(luò)。首先在傳統(tǒng)的U-Net網(wǎng)絡(luò)每個(gè)Stage加入多尺度伸縮卷積模塊，從而對(duì)光伏組件缺陷進(jìn)行分割，PA達(dá)到了98.61%，與傳統(tǒng)U-Net、FCN網(wǎng)絡(luò)進(jìn)行對(duì)比分析，準(zhǔn)確率分別提高了0.32%和1.17%，算法消耗時(shí)間0.054 s，相較于對(duì)比的分割算法提高了0.006 s~0.013 s；然后將分割后的缺陷掩碼mask和原圖進(jìn)行與操作，最后通過(guò)輕量級(jí)網(wǎng)絡(luò)MobileNetV3對(duì)光伏組件缺陷（熱斑、裂縫、鳥糞）進(jìn)行檢測(cè)并分類，精確率達(dá)到了98.82%，與SqueezeNet、ShuffleNet V2和GhostNet網(wǎng)絡(luò)進(jìn)行對(duì)比，分別提高了0.43%、1.08%和0.8%，平均檢測(cè)時(shí)間0.026 s，相較于對(duì)比的檢測(cè)算法提高了0.002 s~0.036 s。實(shí)驗(yàn)結(jié)果表明基于多尺度伸縮卷積與注意力機(jī)制的光伏組件缺陷分割網(wǎng)絡(luò)具有較高的準(zhǔn)確率和識(shí)別速率。

發(fā)表于：4/22/2025

基于零信任的無(wú)人機(jī)系統(tǒng)安全防護(hù)研究[通信與網(wǎng)絡(luò)][信息安全]

近年來(lái)，無(wú)人機(jī)在軍民領(lǐng)域得到廣泛應(yīng)用，尤其是俄烏沖突以來(lái)，其成本低、功能強(qiáng)的優(yōu)勢(shì)尤為凸顯，發(fā)揮了巨大的作用。但無(wú)人機(jī)的使用環(huán)境復(fù)雜、通常不可控，面臨更嚴(yán)重的安全威脅，如無(wú)人機(jī)劫持、網(wǎng)絡(luò)攻擊、無(wú)線通信干擾、惡意接入和數(shù)據(jù)竊取等安全風(fēng)險(xiǎn)，針對(duì)上述風(fēng)險(xiǎn)，目前無(wú)人機(jī)系統(tǒng)主要采取傳統(tǒng)安全防護(hù)手段，如采取無(wú)線網(wǎng)絡(luò)安全、數(shù)據(jù)加密等防護(hù)措施。零信任架構(gòu)作為一種新的安全模式，強(qiáng)調(diào)動(dòng)態(tài)信任，為無(wú)人機(jī)系統(tǒng)安全防護(hù)提供了新思路。對(duì)零信任安全防護(hù)架構(gòu)展開研究，結(jié)合無(wú)人機(jī)系統(tǒng)的典型應(yīng)用，對(duì)無(wú)人機(jī)測(cè)控、數(shù)據(jù)傳輸面臨的安全風(fēng)險(xiǎn)進(jìn)行分析，針對(duì)風(fēng)險(xiǎn)提出基于零信任的無(wú)人機(jī)系統(tǒng)安全防護(hù)架構(gòu)，并設(shè)計(jì)零信任技術(shù)在無(wú)人機(jī)測(cè)控、數(shù)據(jù)通信和典型場(chǎng)景的實(shí)現(xiàn)方案，為零信任架構(gòu)在軍民無(wú)人機(jī)系統(tǒng)中的具體實(shí)現(xiàn)提供有力支撐。

發(fā)表于：4/22/2025

基于ROS的家用老年服務(wù)機(jī)器人設(shè)計(jì)[人工智能][消費(fèi)電子]

針對(duì)當(dāng)前老年服務(wù)機(jī)器人存在的問(wèn)題，如智能語(yǔ)音功能單一、感知能力不足和集成化水平不高等，設(shè)計(jì)了一款具有人臉識(shí)別、語(yǔ)音交互和摔倒檢測(cè)功能的機(jī)器人。該機(jī)器人基于機(jī)器人操作系統(tǒng)（ROS）開發(fā)，配備Jeston Nano主控板和ZED2i雙目立體相機(jī)等多種傳感器。通過(guò)基于Haar特征和LBPH算法的人臉識(shí)別、利用百度語(yǔ)音API和Alpaca-2模型實(shí)現(xiàn)的語(yǔ)音交互，以及基于ZED2i雙目相機(jī)的摔倒檢測(cè)，為老年人提供更加綜合、智能的護(hù)理服務(wù)。實(shí)驗(yàn)結(jié)果顯示，該機(jī)器人在人臉識(shí)別、語(yǔ)音交互和摔倒檢測(cè)方面均表現(xiàn)出色。

發(fā)表于：4/22/2025

高穩(wěn)定性光纖激光器恒流驅(qū)動(dòng)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

光纖激光器波長(zhǎng)和輸出功率的穩(wěn)定性易受泵浦源驅(qū)動(dòng)電流波動(dòng)的影響，為應(yīng)對(duì)該問(wèn)題，設(shè)計(jì)了一款高精度、高穩(wěn)定性恒流驅(qū)動(dòng)系統(tǒng)。恒流源部分采用閉環(huán)負(fù)反饋原理，通過(guò)金屬氧化物半導(dǎo)體場(chǎng)效應(yīng)晶體管（MOSFET）來(lái)控制恒流輸出，實(shí)現(xiàn)了對(duì)半導(dǎo)體激光器（LD）驅(qū)動(dòng)電流的精準(zhǔn)控制；限流保護(hù)電路利用二極管的限幅作用使LD免受過(guò)電流沖擊的影響，電流緩慢啟動(dòng)采用軟件控制的方法確保LD免受浪涌電流損害；光功率探測(cè)電路采用ADA4530芯片，確保在極低光照水平下也可精準(zhǔn)探測(cè)到功率輸出。實(shí)驗(yàn)結(jié)果表明，該電路可實(shí)現(xiàn)驅(qū)動(dòng)電流在0~1.2 A連續(xù)可調(diào)，電流短期（120 min）和長(zhǎng)期（24 h）穩(wěn)定性分別為±0.001 mA和±0.002 mA；激光器中心波長(zhǎng)波動(dòng)不超過(guò)±0.03 nm，輸出功率的穩(wěn)定度不超過(guò)0.084 3%，精度小于±0.15 mW。

發(fā)表于：4/21/2025

基于多線縫隙耦合的Ka波段薄膜功分器設(shè)計(jì)[微波|射頻][工業(yè)自動(dòng)化]

傳統(tǒng)的功分器結(jié)構(gòu)由于高頻串?dāng)_明顯、阻抗變換線體積大等原因，難以滿足微波系統(tǒng)高頻率、小型化的需求。為此，提出一種基于多線縫隙耦合結(jié)構(gòu)的Ka波段功分器。從電路拓?fù)涑霭l(fā)，對(duì)該器件進(jìn)行了電路設(shè)計(jì)、建模仿真與實(shí)驗(yàn)驗(yàn)證。測(cè)試結(jié)果表明，該器件具備良好的高頻性能，且表現(xiàn)出通帶兩側(cè)具有傳輸零點(diǎn)的濾波響應(yīng)，實(shí)現(xiàn)了多線縫隙耦合的薄膜功分器設(shè)計(jì)。

發(fā)表于：4/21/2025

T型柵GaN HEMT微波器件ESD特性研究[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

對(duì)Si基GaN HEMT器件在ESD事件下的失效機(jī)理與影響因素進(jìn)行了研究。探究了器件在不同偏置下的失效電壓分布情況，并結(jié)合微光顯微鏡定位了引起器件退化的異常點(diǎn)，進(jìn)行了對(duì)應(yīng)的微區(qū)分析。另外，還探究了T型柵幾何尺寸如柵腳、柵帽寬度與總柵寬等工藝參數(shù)對(duì)器件抗靜電能力的影響并進(jìn)行相關(guān)機(jī)理分析，為器件ESD性能、可靠性的優(yōu)化提供了方向與參考。

發(fā)表于：4/21/2025

器件級(jí)帶電器件模型靜電放電測(cè)試標(biāo)準(zhǔn)分析及應(yīng)用[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

針對(duì)器件級(jí)帶電器件模型（CDM）靜電放電國(guó)內(nèi)外主要測(cè)試標(biāo)準(zhǔn)進(jìn)行了整理、分析與解讀。梳理了各標(biāo)準(zhǔn)之間的差異性和關(guān)聯(lián)性，明確了各標(biāo)準(zhǔn)的應(yīng)用范圍與技術(shù)要點(diǎn)。深入研究了影響器件級(jí)帶電器件模型（CDM）靜電放電測(cè)試結(jié)果的因素與控制方法，提出了在標(biāo)準(zhǔn)應(yīng)用過(guò)程中保障結(jié)果一致性和準(zhǔn)確性的相關(guān)技術(shù)技巧，為器件級(jí)帶電器件模型（CDM）測(cè)試標(biāo)準(zhǔn)的選擇、測(cè)試和工程應(yīng)用提供了指導(dǎo)。

發(fā)表于：4/21/2025

基于改進(jìn)U-Net的瀝青拌合站混合料裝車語(yǔ)義分割[人工智能][其他]

針對(duì)現(xiàn)有的瀝青拌合站混合料裝車語(yǔ)義分割方法平均交并比（Mean Intersection over Union，mIoU）值較低、檢測(cè)速度較慢等問(wèn)題，提出一種輕量化網(wǎng)絡(luò)RCS-UNet對(duì)瀝青拌合站混合料裝車狀態(tài)進(jìn)行語(yǔ)義分割。首先在U-Net網(wǎng)絡(luò)中加入殘差連接以緩解梯度消失的問(wèn)題，使網(wǎng)絡(luò)在訓(xùn)練過(guò)程中更加穩(wěn)定，提高模型的收斂速度和泛化能力；其次加入坐標(biāo)注意力（Coordinate Attention，CA）機(jī)制，增強(qiáng)位置與通道的信息感知，提高模型的特征提取能力，使模型更加關(guān)注圖像中的重要區(qū)域；最后將U-Net網(wǎng)絡(luò)中的標(biāo)準(zhǔn)卷積修改為深度可分離卷積，以減小模型的體積和參數(shù)量，使得模型在保持較高性能的同時(shí)，具有更低的資源消耗和更快的推理速度。實(shí)驗(yàn)結(jié)果表明，改進(jìn)模型的準(zhǔn)確率、mIoU值以及FPS值分別為99.20%、98.41%和22.98，與經(jīng)典模型和當(dāng)前先進(jìn)模型相比三個(gè)指標(biāo)均為最高，取得了最優(yōu)的語(yǔ)義分割效果。

發(fā)表于：4/21/2025

基于SAM和pix2pix的商品數(shù)據(jù)集生成網(wǎng)絡(luò)[人工智能][消費(fèi)電子]

針對(duì)商品包裝快速變換帶來(lái)的商品數(shù)據(jù)集采集和標(biāo)注過(guò)程繁瑣的問(wèn)題，設(shè)計(jì)了一種基于SAM和pix2pix的商品數(shù)據(jù)集生成網(wǎng)絡(luò)。該網(wǎng)絡(luò)以單個(gè)商品多角度圖像作為輸入，生成與實(shí)際結(jié)算場(chǎng)景相近似的數(shù)據(jù)集。在RPC大型商品數(shù)據(jù)集上進(jìn)行數(shù)據(jù)集生成，在YOLOv7、Fast R-CNN、AlexNet三種目標(biāo)檢測(cè)網(wǎng)絡(luò)上驗(yàn)證生成數(shù)據(jù)集對(duì)目標(biāo)檢測(cè)效果的提升。實(shí)驗(yàn)結(jié)果表明，生成數(shù)據(jù)集融合到原數(shù)據(jù)集后用于訓(xùn)練模型能夠有效提升商品識(shí)別準(zhǔn)確率，并且與真實(shí)數(shù)據(jù)集相比具有較好的替代性。相較于原數(shù)據(jù)集，融合生成數(shù)據(jù)集三個(gè)網(wǎng)絡(luò)上識(shí)別精度分別提升7.3%、4.9%、7.8%。通過(guò)該方法，顯著提高了模型訓(xùn)練的效率與實(shí)用性，減輕傳統(tǒng)商品數(shù)據(jù)集采集與標(biāo)注所需的人力物力投入。

發(fā)表于：4/21/2025

一種基于改進(jìn)的生成式對(duì)抗網(wǎng)絡(luò)的完整12導(dǎo)聯(lián)心電圖重構(gòu)方法[人工智能][醫(yī)療電子]

心電圖（ECG）是評(píng)估心臟健康的重要工具。隨著科技的進(jìn)步，越來(lái)越多的智能設(shè)備被開發(fā)用于監(jiān)測(cè)心電信號(hào)。然而，由于便攜性的要求，這些智能設(shè)備通常只能測(cè)量有限導(dǎo)聯(lián)數(shù)量的心電信號(hào)，這可能會(huì)影響心臟疾病診斷的準(zhǔn)確性。為了解決這一問(wèn)題，提出了一種基于生成對(duì)抗網(wǎng)絡(luò)（GAN）的模型。該模型融合了Transformer和U-Net結(jié)構(gòu)，能夠從單一導(dǎo)聯(lián)的心電信號(hào)重建完整的12導(dǎo)聯(lián)心電信號(hào)，從而提高便攜式智能設(shè)備的診斷性能。在PTB-XL和紹興人民醫(yī)院12導(dǎo)聯(lián)心電信號(hào)數(shù)據(jù)集上對(duì)提出的模型進(jìn)行了評(píng)估，并將其與幾種先進(jìn)的方法進(jìn)行了比較。相關(guān)代碼全部上傳至https：//github.com/Chaoquan-123/12-lead-ECG-reconstruction。

發(fā)表于：4/21/2025

航空兵場(chǎng)站信息保障體系發(fā)展研究[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

場(chǎng)站作為航空兵部隊(duì)訓(xùn)練保障基地，為任務(wù)單位飛行和裝備維修進(jìn)行組織指揮和專業(yè)勤務(wù)工作。飛行任務(wù)全過(guò)程通信導(dǎo)航保障是場(chǎng)站信息通信保障的中心工作，信息通信發(fā)展更新速度不斷加快，面臨的新問(wèn)題急需解決。為了更好適應(yīng)當(dāng)前信息通信體系建設(shè)的發(fā)展，通過(guò)研究網(wǎng)絡(luò)信息一體化建設(shè)，采取仿真計(jì)算模型，得到了實(shí)現(xiàn)場(chǎng)站高效通信導(dǎo)航保障、控制方式全面的系統(tǒng)發(fā)展思路。該研究為適應(yīng)信息化條件下的航空兵導(dǎo)航保障體制、提高體系信息保障能力，奠定了扎實(shí)的理論基礎(chǔ)。

發(fā)表于：4/21/2025

機(jī)器學(xué)習(xí)在惡意加密流量檢測(cè)中的應(yīng)用及研究[人工智能][信息安全]

隨著加密通信的普及，惡意攻擊者利用加密流量隱藏活動(dòng)，傳統(tǒng)基于簽名和規(guī)則的檢測(cè)方法面臨挑戰(zhàn)。機(jī)器學(xué)習(xí)為惡意加密流量檢測(cè)提供了新解決方案。綜述了監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)、深度學(xué)習(xí)和集成學(xué)習(xí)在該領(lǐng)域的應(yīng)用。監(jiān)督學(xué)習(xí)通過(guò)標(biāo)記數(shù)據(jù)識(shí)別已知攻擊，非監(jiān)督學(xué)習(xí)在未標(biāo)記數(shù)據(jù)中發(fā)現(xiàn)新型攻擊模式，深度學(xué)習(xí)提升了在大數(shù)據(jù)環(huán)境中的特征提取能力，而集成學(xué)習(xí)則通過(guò)模型融合增強(qiáng)系統(tǒng)魯棒性。研究表明，機(jī)器學(xué)習(xí)顯著提高了惡意行為識(shí)別的準(zhǔn)確性，特別是在復(fù)雜數(shù)據(jù)特征提取和新攻擊模式發(fā)現(xiàn)方面。

發(fā)表于：4/21/2025