中日韩A片一级少妇,欧洲vodafonewifi高

面向車聯(lián)網(wǎng)多播業(yè)務(wù)中斷概率約束的資源優(yōu)化研究[通信與網(wǎng)絡(luò)][汽車電子]

隨著汽車工業(yè)和通信技術(shù)的迅速發(fā)展，獲取高質(zhì)量的交通信息在車輛緊急情況中至關(guān)重要。在車聯(lián)網(wǎng)中車輛的高速移動(dòng)性會(huì)導(dǎo)致信息傳輸面臨中斷的風(fēng)險(xiǎn)，同時(shí)隨著車輛數(shù)目的增加，有限的頻譜資源為車聯(lián)網(wǎng)的功率分配帶來(lái)了挑戰(zhàn)。為了解決這一難題，采用單頻網(wǎng)絡(luò)技術(shù)，通過(guò)資源分配策略來(lái)降低信干噪比的中斷概率，最小化單頻網(wǎng)絡(luò)中每個(gè)路邊單元的傳輸功率。該優(yōu)化問(wèn)題被建模為馬爾可夫決策過(guò)程，并采用基于好奇心驅(qū)動(dòng)的DQN（C-DQN）資源優(yōu)化算法來(lái)求解。大量仿真結(jié)果表明，該方案在滿足較低中斷概率的前提下最小化傳輸功率，所采用的算法與基準(zhǔn)算法相比，在學(xué)習(xí)速度和穩(wěn)定性方面具有良好的性能。

發(fā)表于：10/23/2023

一種高效的衛(wèi)星通信多模式身份認(rèn)證協(xié)議方案的設(shè)計(jì)方法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對(duì)現(xiàn)有星地協(xié)同認(rèn)證模式認(rèn)證時(shí)延高、地面認(rèn)證服務(wù)器受到攻擊易導(dǎo)致故障等問(wèn)題，創(chuàng)新性地提出一種可切換的高效多模式身份認(rèn)證方案。該方案采用星上主用、地面?zhèn)溆玫恼J(rèn)證模式，星上認(rèn)證模式下，可有效降低傳統(tǒng)星地認(rèn)證傳輸過(guò)程帶來(lái)的通信高時(shí)延，實(shí)現(xiàn)在不依賴地面歸屬網(wǎng)絡(luò)的情況下快速認(rèn)證；當(dāng)星上認(rèn)證模式不可使用時(shí)，可迅速切換地面認(rèn)證模式，保證認(rèn)證過(guò)程穩(wěn)定可靠，提高系統(tǒng)穩(wěn)定性和抗毀壞性。同時(shí)，該方案采用哈希算法和對(duì)稱加密算法完成認(rèn)證核心運(yùn)算，有效減少認(rèn)證過(guò)程計(jì)算開(kāi)銷，在提高衛(wèi)星通信設(shè)備接入效率和安全性方面具有較高的應(yīng)用價(jià)值。

發(fā)表于：10/23/2023

基于改進(jìn)OS-ELM的電子鼻在線氣體濃度檢測(cè)*[測(cè)試測(cè)量][消費(fèi)電子]

電子鼻是一種仿生傳感系統(tǒng)，該設(shè)備能夠同時(shí)對(duì)多種氣體進(jìn)行識(shí)別，因此應(yīng)用在許多領(lǐng)域當(dāng)中。氣體濃度算法是電子鼻對(duì)氣體定量分析時(shí)的核心部分，為了提高電子鼻濃度檢測(cè)算法精度，提出一種基于在線序列極限學(xué)習(xí)機(jī)（Online Sequential-Extreme Learning Machine， OS-ELM）的預(yù)測(cè)模型。該模型通過(guò)一維卷積神經(jīng)網(wǎng)絡(luò)（One Dimensional Convolutional Neural Network， 1DCNN）提取特征，使用OS-ELM對(duì)氣體濃度進(jìn)行預(yù)測(cè)，并提出了一種改進(jìn)的粒子群（Particle Swarm Optimization， PSO）算法以克服OS-ELM需人工調(diào)整模型參數(shù)的問(wèn)題。由理論分析，改進(jìn)的算法比傳統(tǒng)PSO算法有更強(qiáng)的搜索能力。實(shí)驗(yàn)結(jié)果表明，所提模型對(duì)氣體的預(yù)測(cè)精度上較傳統(tǒng)的預(yù)測(cè)模型具有更高的預(yù)測(cè)精度和泛化能力。

發(fā)表于：10/23/2023

基于國(guó)產(chǎn)化云平臺(tái)的航天數(shù)據(jù)混合組播應(yīng)用技術(shù)[測(cè)試測(cè)量][航空航天]

構(gòu)建了一種基于云架構(gòu)的一體化計(jì)算機(jī)系統(tǒng)，系統(tǒng)國(guó)產(chǎn)化率100%。提出了基于國(guó)產(chǎn)化云平臺(tái)航天數(shù)據(jù)混合組播應(yīng)用技術(shù)，實(shí)現(xiàn)了操作系統(tǒng)、云平臺(tái)、虛擬機(jī)CPU資源三個(gè)層面技術(shù)優(yōu)化，解決了國(guó)產(chǎn)操作系統(tǒng)及云平臺(tái)網(wǎng)絡(luò)資源虛擬化對(duì)數(shù)據(jù)組播的性能瓶頸問(wèn)題，提升了云平臺(tái)數(shù)據(jù)組播的性能。經(jīng)過(guò)實(shí)際測(cè)試，提升后性能可滿足了航天任務(wù)中心業(yè)務(wù)使用需求。

發(fā)表于：10/23/2023

H.265/HEVC熵解碼的分組并行流水線實(shí)現(xiàn)[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

針對(duì)高效視頻編碼（H.265/HEVC）中CABAC熵解碼模塊的高資源消耗和數(shù)據(jù)依賴性，設(shè)計(jì)了一種多路并行的高效FPGA實(shí)現(xiàn)結(jié)構(gòu)。根據(jù)不同類型語(yǔ)法元素特性，采用分組并行數(shù)據(jù)調(diào)度方法，減少數(shù)據(jù)處理等待時(shí)間和內(nèi)部存儲(chǔ)器訪問(wèn)次數(shù)，同時(shí)利用流水線技術(shù)實(shí)現(xiàn)運(yùn)算加速。評(píng)估驗(yàn)證結(jié)果表明，熵解碼模塊吞吐量可以達(dá)到1.64位元/時(shí)鐘周期，滿足當(dāng)下超高清視頻實(shí)時(shí)解碼的要求。

發(fā)表于：10/23/2023

一種應(yīng)用分段式電容陣列的20 MS/s 10-bit SAR ADC*[電子元件][工業(yè)自動(dòng)化]

設(shè)計(jì)了一個(gè)10位分辨率，20 MS/s采樣率的逐次逼近型模擬數(shù)字轉(zhuǎn)換器（SAR ADC）。該電路通過(guò)采用分段式電容陣列設(shè)計(jì)，縮短了量化過(guò)程中高位電容翻轉(zhuǎn)后所需要的穩(wěn)定時(shí)間，從而提高了量化速度。此外，還提出了一種新穎、高效的比較器校準(zhǔn)方法，以較低的成本實(shí)現(xiàn)了比較器失調(diào)電壓的抑制。該ADC芯片基于180 nm CMOS工藝設(shè)計(jì)制造，核心面積為0.213 5 mm2。實(shí)際測(cè)試結(jié)果表明，在1.8 V電源電壓、20 MS/s采樣頻率下，該ADC的信號(hào)噪聲失真比（SNDR）達(dá)到了58.24 dB。

發(fā)表于：10/23/2023

一種基于深度學(xué)習(xí)模型的無(wú)人機(jī)巡檢輸電線路山火檢測(cè)方法[人工智能][智能電網(wǎng)]

輸電巡檢圖像的背景復(fù)雜，目標(biāo)檢測(cè)易受干擾，基于YOLOX神經(jīng)網(wǎng)絡(luò)模型，提出一種輸電線路山火檢測(cè)方法。首先采用YOLOX的主干特征提取網(wǎng)絡(luò)框架，并將其中多尺度特征提取模塊的常規(guī)卷積替換為可變形卷積；其次在加強(qiáng)特征提取階段增加了通道注意力和空間注意力模塊的融合，能夠自適應(yīng)火焰的外形多變特點(diǎn)，更加有效地提取到山火特征，從而提高目標(biāo)檢測(cè)的準(zhǔn)確率。經(jīng)實(shí)驗(yàn)驗(yàn)證，所提方法能夠較為準(zhǔn)確地檢測(cè)到山火，滿足日常巡檢的需求。

發(fā)表于：10/23/2023

結(jié)合不確定性估計(jì)的輕量級(jí)人體關(guān)鍵點(diǎn)檢測(cè)算法[人工智能][醫(yī)療電子]

人體關(guān)鍵點(diǎn)檢測(cè)在智能視頻監(jiān)控、人機(jī)交互等領(lǐng)域有重要應(yīng)用。針對(duì)基于熱圖的人體關(guān)鍵點(diǎn)檢測(cè)算法依賴高分辨率熱圖、計(jì)算資源消耗大的問(wèn)題，提出一種結(jié)合不確定性估計(jì)的輕量級(jí)算法。使用低分辨率熱圖，結(jié)合不確定性估計(jì)預(yù)測(cè)誤差分布的尺度參數(shù)，提高了預(yù)測(cè)結(jié)果的可信度；利用尺度參數(shù)監(jiān)督和約束熱圖，緩解梯度消失，增強(qiáng)了網(wǎng)絡(luò)的魯棒性。COCO數(shù)據(jù)集上實(shí)驗(yàn)結(jié)果表明，與積分姿態(tài)回歸算法相比，改進(jìn)后算法的平均精度提高了3.3%，降低了資源占用。

發(fā)表于：10/23/2023

集成電路產(chǎn)業(yè)的多源數(shù)據(jù)融合前沿識(shí)別研究[電子元件][數(shù)據(jù)中心]

大數(shù)據(jù)時(shí)代，能夠精準(zhǔn)及時(shí)地識(shí)別研究前沿對(duì)于科技戰(zhàn)略的定位和科研方向的部署尤為重要，可提供更加全面的決策參考和依據(jù)。利用自開(kāi)發(fā)的多源數(shù)據(jù)融合分析方法，從全球期刊論文、會(huì)議論文、專利文獻(xiàn)、科技新聞、研究報(bào)告、科技政策、標(biāo)準(zhǔn)等數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘和去噪，有效識(shí)別出集成電路領(lǐng)域當(dāng)前的研究前沿和技術(shù)清單。當(dāng)前全球集成電路領(lǐng)域的研究熱點(diǎn)和重點(diǎn)發(fā)展方向集中在半導(dǎo)體制造設(shè)備、高制程制造技術(shù)上，重點(diǎn)產(chǎn)品集中在高端芯片、功率器件、傳感器、存儲(chǔ)器以及第三代半導(dǎo)體的相關(guān)產(chǎn)品上。中國(guó)半導(dǎo)體產(chǎn)業(yè)國(guó)產(chǎn)化迫在眉睫，前沿識(shí)別結(jié)果為政府與企業(yè)提供有價(jià)值的決策支持和參考。

發(fā)表于：10/23/2023

考慮多主體利益電力-交通耦合網(wǎng)絡(luò)定價(jià)策略*[電源技術(shù)][智能電網(wǎng)]

隨著電動(dòng)汽車滲透率的增加，電力網(wǎng)絡(luò)和交通網(wǎng)絡(luò)在時(shí)空上的耦合更加密切。為降低電動(dòng)汽車無(wú)序并入給電網(wǎng)安全穩(wěn)定運(yùn)行帶來(lái)的挑戰(zhàn)，充分考慮電力負(fù)荷需求和交通路況不確定性的影響，建立電動(dòng)汽車用戶-充電站聚合商-電網(wǎng)運(yùn)營(yíng)商多主體利益分層博弈模型，在滿足約束條件的前提下基于改進(jìn)型蝙蝠算法對(duì)多主體利益分層優(yōu)化問(wèn)題進(jìn)行求解。由仿真算例可知，電網(wǎng)運(yùn)營(yíng)商針對(duì)不同電動(dòng)汽車滲透率積極調(diào)整定價(jià)策略可以獲得更高的運(yùn)行效益。所提方法能有效改善電網(wǎng)電壓質(zhì)量以確保系統(tǒng)安全穩(wěn)定運(yùn)行，為完善電力產(chǎn)業(yè)價(jià)值鏈體系提供理論支撐。

發(fā)表于：10/23/2023

基于圖像識(shí)別的用電安全檢查子系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)*[電源技術(shù)][智能電網(wǎng)]

用電安全檢查是保障電網(wǎng)正常運(yùn)行的重要途徑，傳統(tǒng)的用電安全檢查主要依賴人工的形式對(duì)存在安全隱患的場(chǎng)所、設(shè)備進(jìn)行逐一排查。隨著人工智能技術(shù)的發(fā)展，基于圖像數(shù)據(jù)的智能分析可協(xié)助及時(shí)排查相關(guān)安全隱患，也可減少對(duì)于檢查人員的經(jīng)驗(yàn)要求，在提升效率的同時(shí)，保障安全檢查準(zhǔn)確性。為了更好地提升用電安全檢查的準(zhǔn)確性，提出了基于YOLO神經(jīng)網(wǎng)絡(luò)的用電隱患識(shí)別算法，該算法可對(duì)用電設(shè)備的指示燈進(jìn)行識(shí)別，并與正常狀態(tài)進(jìn)行比對(duì)，發(fā)現(xiàn)異常狀態(tài)及時(shí)發(fā)出告警信息。基于該算法，還設(shè)計(jì)并實(shí)現(xiàn)了基于圖像識(shí)別的用電安全檢查子系統(tǒng)。通過(guò)實(shí)際數(shù)據(jù)驗(yàn)證，系統(tǒng)對(duì)設(shè)備指示燈狀態(tài)不一致性檢測(cè)等可達(dá)到較高水平，滿足對(duì)用電安全檢查的需求。

發(fā)表于：10/23/2023

計(jì)及MCMC方法的電網(wǎng)概率檢修計(jì)劃指標(biāo)優(yōu)化模型*[電源技術(shù)][智能電網(wǎng)]

電力檢修是保證電力系統(tǒng)正常運(yùn)行的重要環(huán)節(jié)，有效的電力檢修計(jì)劃安排將大幅提升電網(wǎng)運(yùn)行的可靠性。通過(guò)設(shè)備狀態(tài)分級(jí)、設(shè)備運(yùn)行年限、設(shè)備運(yùn)行成本等指標(biāo)構(gòu)建概率檢修模型，實(shí)現(xiàn)檢修計(jì)劃的優(yōu)化，采用概率檢修計(jì)劃優(yōu)化策略提高電網(wǎng)可靠性和經(jīng)濟(jì)性指標(biāo)，并在檢修模型采用馬爾可夫鏈-蒙特卡洛法用于提高模型準(zhǔn)確度。最后通過(guò)仿真對(duì)概率檢修模型與傳統(tǒng)檢修模型進(jìn)行分析比較，在確定最優(yōu)檢修概率的同時(shí)，突顯了概率檢修模型的優(yōu)越性，為電力產(chǎn)業(yè)價(jià)值鏈體系中電力檢修環(huán)節(jié)的完善提供理論基礎(chǔ)。

發(fā)表于：10/23/2023

基于狀態(tài)任務(wù)網(wǎng)絡(luò)的水泥生產(chǎn)流程分析*[通信與網(wǎng)絡(luò)][智能電網(wǎng)]

我國(guó)當(dāng)前工業(yè)用電價(jià)格在一天中存在波峰電價(jià)和波谷電價(jià)時(shí)段，而水泥生產(chǎn)具備耗電高的特點(diǎn)，對(duì)水泥生產(chǎn)安排進(jìn)行優(yōu)化，可以提升生產(chǎn)設(shè)備利用率，同時(shí)利用優(yōu)化結(jié)果對(duì)其生產(chǎn)可調(diào)節(jié)能力進(jìn)行研究，使得生產(chǎn)可以根據(jù)峰谷電價(jià)對(duì)可調(diào)節(jié)部分進(jìn)行調(diào)節(jié)，達(dá)到節(jié)約成本及降低電網(wǎng)負(fù)載的目的。該研究利用任務(wù)狀態(tài)網(wǎng)絡(luò)，在考慮用電安全約束條件的前提下對(duì)帶倉(cāng)儲(chǔ)過(guò)程及不帶倉(cāng)儲(chǔ)過(guò)程的水泥生產(chǎn)流程進(jìn)行建模，通過(guò)求解對(duì)應(yīng)混合整數(shù)線性規(guī)劃模型得到最優(yōu)化生產(chǎn)安排，從中得出帶倉(cāng)儲(chǔ)過(guò)程的水泥生產(chǎn)流程可以提供更多的生產(chǎn)調(diào)節(jié)能力的結(jié)論。

發(fā)表于：10/23/2023

基于區(qū)塊鏈的價(jià)值鏈上下游用電安全協(xié)同系統(tǒng)*[電源技術(shù)][智能電網(wǎng)]

在集團(tuán)型制造企業(yè)價(jià)值鏈運(yùn)行過(guò)程中，存在高峰期電力供應(yīng)不足，生產(chǎn)用電需求得不到有效保障的問(wèn)題。集團(tuán)公司亟需綜合考慮生產(chǎn)基地生產(chǎn)需求和用電安全的協(xié)同關(guān)系，完成精細(xì)化的價(jià)值鏈上下游電力調(diào)配，保障價(jià)值鏈安全可靠運(yùn)行。設(shè)計(jì)了基于區(qū)塊鏈的價(jià)值鏈上下游用電安全協(xié)同系統(tǒng)，采用基于智能合約的方法對(duì)價(jià)值鏈數(shù)據(jù)使用進(jìn)行合規(guī)性保障，有效解決了集團(tuán)型制造企業(yè)價(jià)值鏈數(shù)據(jù)共享風(fēng)險(xiǎn)問(wèn)題和各生產(chǎn)基地價(jià)值沖突問(wèn)題。系統(tǒng)通過(guò)完整記錄生產(chǎn)基地的訂單協(xié)同數(shù)據(jù)和生產(chǎn)基地用電負(fù)荷數(shù)據(jù)，為價(jià)值鏈上下游用電安全保障提供良好的參考及決策依據(jù)，對(duì)維持公司安全穩(wěn)定運(yùn)行、提升公司經(jīng)濟(jì)效益有著重要意義。

發(fā)表于：10/23/2023

DDR5 時(shí)代來(lái)臨，新挑戰(zhàn)不可忽視[人工智能][工業(yè)自動(dòng)化]

DDR5 的新時(shí)代已經(jīng)來(lái)臨，然而，一些挑戰(zhàn)也阻礙了產(chǎn)業(yè)的進(jìn)一步發(fā)展

發(fā)表于：10/20/2023