宅男无码在线亚洲,久久伊人国产精品

“實時控制”介紹及其重要性[嵌入式技術][汽車電子]

　　從汽車示例引出文章主題，我們假設汽車是一個系統(tǒng)，外界條件（司機）踩下油門即增加車速，則系統(tǒng)實現(xiàn)了所謂的“實時控制”。實時控制是閉環(huán)系統(tǒng)在定義的時間窗口內(nèi)收集數(shù)據(jù)、處理數(shù)據(jù)并更新系統(tǒng)的能力。如果系統(tǒng)錯過定義的時間窗口，其穩(wěn)定性、精度和效率都會降低?？刂颇芰ο陆悼赡軙绊懴到y(tǒng)性能；例如，不能達到所需速度，甚至過熱。本文將介紹實時控制系統(tǒng)的功能塊，并以機器人應用為例進行說明。

發(fā)表于：7/18/2022

國產(chǎn)EDA驗證調(diào)試工具實現(xiàn)破局助力芯片設計效率提升[EDA與制造][工業(yè)自動化]

經(jīng)過數(shù)十年的發(fā)展，如今芯片設計的每個環(huán)節(jié)已離不開EDA工具的參與，涉及驗證、調(diào)試、邏輯綜合、布局布線等全流程。尤其是在關鍵的驗證和調(diào)試環(huán)節(jié)，可謂是打通芯片流片的“任督二脈”，如果在這一環(huán)節(jié)受阻，那帶來的“次生傷害”將難以想象。

發(fā)表于：7/12/2022

如何通過傳感器融合技術提升自動駕駛水平[MEMS|傳感技術][汽車電子]

隨著ADAS技術擴展至緊急剎車、前方碰撞警告和避讓以及盲點探測等時間敏感型關鍵應用領域，它可通過結(jié)合來自多個傳感器的數(shù)據(jù)實時提供可靠的決策，從而帶來更安全的自動駕駛體驗。

發(fā)表于：7/11/2022

打破內(nèi)存墻、功耗墻國產(chǎn)芯片AI-NPU的現(xiàn)在和未來[人工智能][物聯(lián)網(wǎng)]

隨著5G的落地，物聯(lián)網(wǎng)的成本效益顯現(xiàn)，工業(yè)數(shù)字化、城市智慧化等演進趨勢日益明顯，越來越多的企業(yè)和城市開始在物聯(lián)網(wǎng)創(chuàng)新中加入數(shù)字孿生這種顛覆性的概念，來提高生產(chǎn)力和生產(chǎn)效率、降低成本，加速新型智慧城市的建設。值得一提的是，數(shù)字孿生技術已被寫進國家“十四五”規(guī)劃，為數(shù)字孿生城市建設提供國家戰(zhàn)略指引。

發(fā)表于：7/9/2022

超高數(shù)據(jù)流通量FPGA新品類中的Block RAM級聯(lián)架構(gòu)[嵌入式技術][數(shù)據(jù)中心]

隨著數(shù)據(jù)中心、人工智能、自動駕駛、5G、計算存儲和先進測試等應用的數(shù)據(jù)量和數(shù)據(jù)流量不斷增大，不僅需要引入高性能、高密度FPGA來發(fā)揮其并行計算和可編程硬件加速功能，而且還對大量數(shù)據(jù)在FPGA芯片內(nèi)外流動提出了更高的要求。于是，在FPGA芯片中集成包括片上二維網(wǎng)絡（2D NoC）和各種最新高速接口的新品類FPGA芯片應運而生，成為FPGA產(chǎn)業(yè)和相關應用的新熱點。

發(fā)表于：7/8/2022

MaxLinear 與 Qorvo 合作，為大規(guī)模 MIMO 無線電解決方案提供高效功率放大器[電源技術][智能電網(wǎng)]

中國北京 - 2022 年 6 月 30 日-MaxLinear Inc. (NASDAQ: MXL) 和 Qorvo (NASDAQ: QRVO) 今天宣布推出一項聯(lián)合解決方案，旨在應對 32x32 和 64x64 大規(guī)模 MIMO 無線電在尺寸、重量和功耗方面的關鍵挑戰(zhàn)。該解決方案支持高效功率放大器 (PA)，減小了無線電的功率、重量和體積，使大規(guī)模 MIMO 無線電更加實用。此外，此解決方案在功耗和功率損耗方面為每個多元件無線電節(jié)省了數(shù)百瓦的功率。

發(fā)表于：7/7/2022

基于交叉口多維狀態(tài)評估的信號配時優(yōu)化研究[其他][其他]

交叉口運行狀態(tài)的準確評估能夠為交通管理系統(tǒng)提供可量化的交叉口信息，為優(yōu)化交叉口信號控制提供依據(jù)。針對當前交叉口運行狀態(tài)評估側(cè)重行車感受，客觀性不強，確定了結(jié)合機動車和行人需求的多維評估指標體系，利用AHP-變異系數(shù)雙層集成賦權(quán)模型確定各指標權(quán)重，得到交叉口運行評估模型?；谠u估模型采用含噪聲的深度Q學習（NoisyNet DQN）算法進行信號配時優(yōu)化研究。以合肥市某交叉口為例，基于交通仿真軟件證明了該方法能有效減緩交通擁堵，提高行人感受，具備較高的應用拓展性。

發(fā)表于：7/5/2022

基于緩存機制的Hyperledger Fabric并發(fā)沖突檢測方法[其他][其他]

Hyperledger Fabric(Fabric)是一個受關注度較高的許可鏈平臺，具有高度模塊化、可定制化和可插拔的特點。針對Fabric在高并發(fā)的場景下會出現(xiàn)并發(fā)沖突導致交易無效的問題，提出一種沖突檢測與處理的方法,即利用緩存交易寫集的方式在執(zhí)行階段檢測交易是否沖突，最大程度減小沖突交易在Fabric系統(tǒng)的資源消耗。實驗結(jié)果表明，在具有沖突交易的場景下，提出的方法能降低平均交易時延，提高系統(tǒng)有效交易吞吐量；并且在沒有沖突交易的情況下，不會明顯降低性能。

發(fā)表于：7/5/2022

分布式VANETs中車流自適應的低沖突TDMA-MAC協(xié)議[通信與網(wǎng)絡][汽車電子]

在分布式車載自組織網(wǎng)絡中，動態(tài)變化的雙向車流會嚴重影響基于slot分組的TDMA-MAC協(xié)議降低沖突的效果以及整體協(xié)議的安全性與可靠性，對此設計一種車流自適應的低沖突TDMA-MAC協(xié)議TALC-MAC。采用slot占用率作為分組調(diào)整的判斷依據(jù)，設計詳細的分組擴展與收縮策略以適應車流實際分布。同時優(yōu)化幀內(nèi)slot分組方案與節(jié)點預約slot的策略，進一步降低網(wǎng)絡中發(fā)生沖突的概率。仿真實驗結(jié)果表明TALC-MAC能有效適應雙向車流的動態(tài)變化，保持協(xié)議整體低沖突的特性。

發(fā)表于：7/5/2022

基于凸優(yōu)化的FSO/RF自動請求重傳協(xié)議方案[其他][其他]

針對FSO/RF混合鏈路的高效可靠數(shù)據(jù)傳輸問題,研究系統(tǒng)在二進制相移鍵控（BPSK）調(diào)制與ARQ差錯控制模式下雙鏈路重傳協(xié)作的優(yōu)化設計方法?；贔SO信道雙伽馬（Gamma-Gamma）分布的湍流模型和RF信道Nakagami-m分布的衰落模型,推導得出混合鏈路平均包錯誤率與吞吐量的解析表達式,并運用凸優(yōu)化求解方法得出吞吐量最優(yōu)解時的數(shù)據(jù)重傳協(xié)作比例系數(shù)。在不同大氣湍流強度與衰落因子條件下,計算分析了FSO/RF混合鏈路ARQ數(shù)傳方案的平均包錯誤率與吞吐量性能。數(shù)值結(jié)果表明,采用優(yōu)化后的ARQ雙鏈路重傳比例策略,可有效提高混合鏈路傳輸?shù)目煽啃耘c數(shù)據(jù)吞吐量性能。

發(fā)表于：7/5/2022

基于直接高階注意力和多尺度路由的圖神經(jīng)網(wǎng)絡[通信與網(wǎng)絡][通信網(wǎng)絡]

圖神經(jīng)網(wǎng)絡中的注意力機制在處理圖結(jié)構(gòu)化數(shù)據(jù)方面表現(xiàn)出優(yōu)異的性能。傳統(tǒng)的圖注意力計算直接連接的節(jié)點之間的注意力，并通過堆疊層數(shù)隱式獲取高階信息。盡管在圖注意力機制方面目前已有廣泛的研究，但用于注意力計算的堆疊范式在建模遠程依賴方面效果較差。為了提高表達能力，設計了一種新穎的直接注意力機制，這一機制通過K階鄰接矩陣直接計算高階鄰居之間的注意力。通過自適應路由聚合過程進一步傳播高階信息，這使得聚合過程更靈活地適應不同圖的特性。在引文網(wǎng)絡上的節(jié)點分類任務上進行了大量的實驗。實驗表明，該方法優(yōu)于最先進的基線模型。

發(fā)表于：7/5/2022

地鐵運營崗位應急處置培訓的語音識別研究[通信與網(wǎng)絡][通信網(wǎng)絡]

地鐵交通運營是一種整體性活動，離不開各部門間的協(xié)調(diào)配合,地鐵運營崗位應急處置培訓系統(tǒng)應用于多個崗位的聯(lián)合培訓。該系統(tǒng)通過語音識別來實現(xiàn)模擬崗位間語音交互及對培訓過程智能評價的功能。提出的語音識別方法可實現(xiàn)離線網(wǎng)絡下對地鐵培訓專業(yè)術語的高識別精度，利用深度全序列卷積神經(jīng)網(wǎng)絡（DFCNN）和鏈接時序分類（CTC）構(gòu)建聲學模型，對應急處置培訓用語進行整理并構(gòu)建專業(yè)術語庫，基于統(tǒng)計學構(gòu)建語言模型。實驗結(jié)果表明，該語音識別方法能夠有效識別地鐵應急處置培訓用語，為地鐵運營崗位人員的培訓和考核提供更全面的評價指標。

發(fā)表于：7/5/2022

基于方向一致?lián)p失的輕量車道線檢測[通信與網(wǎng)絡][汽車電子]

目前，輕量型車道線檢測網(wǎng)絡存在彎道檢測效果差、網(wǎng)絡感受野不夠與實時性受限等問題，故提出了一種改進的輕量型車道線檢測網(wǎng)絡模型。首先，為提高彎道檢測效果，設計了一種方向一致?lián)p失，以使模型適用于彎道場景。其次，為在增強網(wǎng)絡實時性的同時提高其感受野，提出將自注意力機制與RepVGG相融合的網(wǎng)絡作為模型的主干網(wǎng)絡。該模型在CULane測試集上測試的總F1-measure達到了70.7%，在Tusimple測試集上測試的準確率達到95.92%，其平均推斷速度達到了408 FPS。實驗結(jié)果表明，該模型相較于目前輕量型模型在性能上有一定的提升，尤其對彎道場景下的車道線檢測效果提升明顯。

發(fā)表于：7/5/2022

基于注意力機制的無監(jiān)督單目標跟蹤算法[其他][其他]

為提升目標跟蹤精度，設計一種基于注意力機制的無監(jiān)督單目標跟蹤算法。該算法使用DCFNet網(wǎng)絡作為基本網(wǎng)絡，通過前向跟蹤和后向驗證實現(xiàn)無監(jiān)督跟蹤。為結(jié)合上下文信息，引入特征融合方法，且將DCFNet網(wǎng)絡每一層所提取的特征通過雙線性池化調(diào)整分辨率以便進行特征融合；為關注不同特征通道上的關系，引入通道注意力機制SENet模塊；設計一個反向逐幀驗證方法，在反向驗證中間幀的基礎上再預測第一幀，進而減少判別位置的誤差。在公共數(shù)據(jù)集OTB-2015上的測試結(jié)果顯示，本算法AUC分數(shù)達60.6%，速度達61FPS。與無監(jiān)督單目標跟蹤UDT算法相比，所設計算法取得了更優(yōu)的目標跟蹤性能。

發(fā)表于：7/5/2022

交通場景下基于深度強化學習的感知型路徑分配算法[其他][其他]

路徑分配問題是交通數(shù)字孿生系統(tǒng)的重要研究方向之一，其重點是綜合考量行駛需求的動態(tài)變化以及路網(wǎng)信息的實時改變，實現(xiàn)高效合理的路徑規(guī)劃?，F(xiàn)階段一些經(jīng)典的分配算法如粒子群、Dijkstra等算法及其優(yōu)化模型僅能達到全局靜態(tài)最優(yōu)，忽略了現(xiàn)實交通中的復雜變化。而逐漸推出的各種深度學習算法雖能進行全面的時空預測，但受限于海量歷史數(shù)據(jù)的歸納分析以及較高的運算成本，難以大規(guī)模應用。鑒于此，提出了一種靜態(tài)分配算法與深度強化學習算法結(jié)合的感知型路徑分配算法,在行駛中依據(jù)實時路網(wǎng)信息和車輛當前狀態(tài)，實現(xiàn)全局路徑動態(tài)再分配及更新，相關算法的精度和效率在仿真實驗中得到驗證。

發(fā)表于：7/5/2022