日日人人爽人人爽人人片av ,青草视频在线播放

民用無(wú)人機(jī)商用密碼技術(shù)應(yīng)用與安全性評(píng)估研究[通信與網(wǎng)絡(luò)][信息安全]

針對(duì)無(wú)人機(jī)網(wǎng)絡(luò)安全現(xiàn)狀和挑戰(zhàn)，深入研究了商用密碼技術(shù)在民用無(wú)人機(jī)網(wǎng)絡(luò)安全防護(hù)中的作用，提出了商用密碼應(yīng)用與測(cè)試驗(yàn)證方案。該方案構(gòu)建了無(wú)人機(jī)系統(tǒng)在實(shí)際業(yè)務(wù)環(huán)境中的運(yùn)行場(chǎng)景，設(shè)計(jì)了密碼應(yīng)用驗(yàn)證流程，對(duì)身份認(rèn)證、數(shù)據(jù)傳輸、數(shù)據(jù)存儲(chǔ)等環(huán)節(jié)進(jìn)行了功能及性能測(cè)試，對(duì)無(wú)人機(jī)劫持場(chǎng)景進(jìn)行了對(duì)比測(cè)試。測(cè)試數(shù)據(jù)顯示，應(yīng)用商用密碼后，無(wú)人機(jī)系統(tǒng)的安全性得到有效提升；加密處理時(shí)延對(duì)性能影響較小，保證了實(shí)時(shí)通信性能；國(guó)密算法和國(guó)際算法性能持平。該研究為無(wú)人機(jī)密碼應(yīng)用提供了技術(shù)支撐，有利于無(wú)人機(jī)網(wǎng)絡(luò)安全能力提升。

發(fā)表于：7/28/2025

半導(dǎo)體創(chuàng)新推動(dòng)能源格局演變的三種方式[人工智能][智能電網(wǎng)]

　　能源格局正在經(jīng)歷迅速且具有歷史意義的變革。到 2030 年，全球可再生能源發(fā)電量預(yù)計(jì)將超過(guò) 17,000 太瓦時(shí)，較 2023 年增長(zhǎng)近 90%。顯而易見(jiàn)，可再生能源已不再是遙不可及的夢(mèng)想；它不僅真實(shí)存在，更在持續(xù)發(fā)展壯大?？稍偕茉凑谝?guī)?；l(fā)展，電氣化進(jìn)程持續(xù)加速，自動(dòng)化應(yīng)用不斷拓展，而能夠支撐這一演進(jìn)的半導(dǎo)體技術(shù)至關(guān)重要。

發(fā)表于：7/24/2025

負(fù)責(zé)任的賦能技術(shù)實(shí)現(xiàn)邊緣AI全面適用[人工智能][汽車(chē)電子]

　　當(dāng)部分人仍在探索AI的應(yīng)用方式時(shí)，恩智浦已著眼未來(lái)，提出關(guān)鍵問(wèn)題：如何確保AI以安全、可靠且負(fù)責(zé)任的方式運(yùn)行？通過(guò)與技術(shù)、政府及商界精英的合作，使其真正落地，正是負(fù)責(zé)任AI（Responsible AI）成為焦點(diǎn)的關(guān)鍵。

發(fā)表于：7/24/2025

多芯粒異構(gòu)集成的雷達(dá)探測(cè)微系統(tǒng)設(shè)計(jì)[模擬設(shè)計(jì)][安防電子]

超寬帶探測(cè)雷達(dá)，因其高分辨率、高抗干擾能力和強(qiáng)穿透性等優(yōu)點(diǎn)而獲得了廣闊的發(fā)展前景及市場(chǎng)。當(dāng)前生命探測(cè)雷達(dá)趨于復(fù)雜化，這導(dǎo)致雷達(dá)系統(tǒng)體積、重量變大，限制了其在復(fù)雜救援、探測(cè)現(xiàn)場(chǎng)的應(yīng)用。系統(tǒng)級(jí)封裝技術(shù)（SiP）有效地解決了上述問(wèn)題，它將多個(gè)具有不同類型的電子元器件組裝成為能實(shí)現(xiàn)特定功能的單個(gè)標(biāo)準(zhǔn)封裝體。與板級(jí)設(shè)計(jì)相比，實(shí)現(xiàn)相同的功能，SiP只需要占據(jù)PCB面積的10%~40%，功耗的70%~80%左右?；谖⑾到y(tǒng)方案設(shè)計(jì)了一套小型化生命探測(cè)雷達(dá)系統(tǒng)，實(shí)現(xiàn)了較好的便攜性，為各類儀器小型化設(shè)計(jì)提供了解決方案。

發(fā)表于：7/24/2025

基于雙鎖相環(huán)的高分辨率步進(jìn)頻探地雷達(dá)設(shè)計(jì)[模擬設(shè)計(jì)][其他]

步進(jìn)頻探地雷達(dá)（Ground Penetrating Radar，GPR）因其寬帶寬的優(yōu)勢(shì)在淺表層高分辨率探測(cè)中得到了廣泛的發(fā)展和應(yīng)用。然而，傳統(tǒng)的步進(jìn)頻GPR硬件實(shí)現(xiàn)較為陳舊，無(wú)法同時(shí)滿足高分辨率、小體積、低成本、穩(wěn)定可靠和使用靈活的現(xiàn)代化要求。針對(duì)上述要求，設(shè)計(jì)了雙鎖相環(huán)發(fā)射機(jī)和數(shù)字固定中頻結(jié)構(gòu)接收機(jī)，實(shí)現(xiàn)了一套新型的高分辨率步進(jìn)頻GPR硬件系統(tǒng)。為解決超寬帶步進(jìn)頻率信號(hào)諧波干擾問(wèn)題，設(shè)計(jì)了新型的帶通濾波器組。多組環(huán)回和實(shí)地探測(cè)實(shí)驗(yàn)的結(jié)果表明，該系統(tǒng)分辨率優(yōu)于5 cm，探測(cè)深度至少2.5 m，能夠滿足現(xiàn)代GPR的多重要求，為步進(jìn)頻GPR硬件的研發(fā)提供了有價(jià)值的參考。

發(fā)表于：7/24/2025

基于FMEA的多電力設(shè)備故障預(yù)測(cè)維護(hù)算法[模擬設(shè)計(jì)][智能電網(wǎng)]

針對(duì)大型電廠多個(gè)異常運(yùn)行開(kāi)關(guān)柜的維修問(wèn)題，當(dāng)前維護(hù)方案往往忽視了設(shè)備內(nèi)部復(fù)雜部件間緊密相連的相互作用，這對(duì)于包含各種運(yùn)動(dòng)和固定的零部件的開(kāi)關(guān)柜而言，其適用性顯得尤為不足。鑒于此，提出了一種預(yù)測(cè)性維修調(diào)度策略，此方法旨在雙重目標(biāo)下尋求最佳平衡點(diǎn)。首先，采用FMEA技術(shù)，得出更為貼近實(shí)際的失效概率預(yù)測(cè)。隨后，設(shè)計(jì)了一套綜合風(fēng)險(xiǎn)評(píng)估體系，該體系不僅考慮了開(kāi)關(guān)設(shè)備故障可能給電網(wǎng)帶來(lái)的損失，還全面評(píng)估了維護(hù)活動(dòng)所伴隨的成本與效益。為驗(yàn)證該方法的實(shí)效性，選取一個(gè)10千伏變電站作為研究案例，通過(guò)數(shù)據(jù)分析發(fā)現(xiàn)，相較于傳統(tǒng)的基于時(shí)間間隔的維護(hù)策略，提出的方法在成本效率上實(shí)現(xiàn)了36%的顯著提升。

發(fā)表于：7/24/2025

一種M.2固態(tài)硬盤(pán)熱插拔和RAID功能的創(chuàng)新設(shè)計(jì)[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

M.2固態(tài)硬盤(pán)因其自身的優(yōu)勢(shì)得到了越來(lái)越廣泛的應(yīng)用，企業(yè)級(jí)的產(chǎn)品也普遍使用M.2固態(tài)硬盤(pán)作為操作系統(tǒng)的啟動(dòng)盤(pán)。但是由于其不具備熱插拔功能，難以滿足企業(yè)市場(chǎng)對(duì)高可用性、24小時(shí)不停機(jī)、數(shù)據(jù)保護(hù)以及在線維護(hù)的特殊需求。提出了一種新穎的綜合設(shè)計(jì)方案，在載板、FPGA、BIOS和BMC的配合下，實(shí)現(xiàn)了熱插拔功能和RAID功能。同時(shí)，依靠M.2固態(tài)硬盤(pán)引腳定義的不同實(shí)現(xiàn)了在M.2接口上PCIe和SATA總線的自動(dòng)識(shí)別和兼容，利用FPGA和MOSFET引入了一種新的動(dòng)態(tài)時(shí)鐘信號(hào)控制方式。該綜合設(shè)計(jì)方案不需要額外的硬件投入，以極高的成本效益實(shí)現(xiàn)以上功能，并提升系統(tǒng)的可靠性和可用性。

發(fā)表于：7/24/2025

一種電纜終端頭紅外識(shí)別算法的FPGA實(shí)現(xiàn)研究[可編程邏輯][智能電網(wǎng)]

針對(duì)在電站巡檢中電纜終端頭識(shí)別準(zhǔn)確率低、實(shí)時(shí)性差等問(wèn)題，設(shè)計(jì)一種基于粒子群算法（Particle Swarm Optimization，PSO）優(yōu)化反向傳播（Back Propagation，BP）神經(jīng)網(wǎng)絡(luò)的現(xiàn)場(chǎng)可編程門(mén)陣列（Field Programmable Gate Array，F(xiàn)PGA）紅外識(shí)別系統(tǒng)。紅外識(shí)別算法實(shí)現(xiàn)包括使用改進(jìn)區(qū)域生長(zhǎng)算法對(duì)紅外圖像進(jìn)行分割，隨后計(jì)算Hu不變矩作為神經(jīng)網(wǎng)絡(luò)輸入特征。對(duì)于PSO-BP神經(jīng)網(wǎng)絡(luò)，選擇7-10-1的網(wǎng)絡(luò)結(jié)構(gòu)，訓(xùn)練后均方誤差為0.085，優(yōu)于BP神經(jīng)網(wǎng)絡(luò)的0.136。在FPGA上實(shí)現(xiàn)時(shí)，采用定點(diǎn)數(shù)據(jù)量化、流水線結(jié)構(gòu)及并行計(jì)算方法，同時(shí)對(duì)Sigmoid激活函數(shù)應(yīng)用二次方程多段擬合。最終經(jīng)過(guò)仿真驗(yàn)證，該系統(tǒng)識(shí)別率達(dá)到了92%并且算法速度提高了約6倍。

發(fā)表于：7/24/2025

基于組件復(fù)用的可重構(gòu)I²C總線讀寫(xiě)控制電路設(shè)計(jì)[可編程邏輯][工業(yè)自動(dòng)化]

現(xiàn)代軟件無(wú)線電架構(gòu)中通常為了滿足軟件實(shí)時(shí)性而采用FPGA作預(yù)處理功能，但隨著軟件無(wú)線電系統(tǒng)不斷朝綜合化和智能化方向發(fā)展，如何應(yīng)對(duì)各類復(fù)雜使用場(chǎng)景給系統(tǒng)設(shè)計(jì)者帶來(lái)越來(lái)越多的挑戰(zhàn)。面對(duì)不斷激增的需求，F(xiàn)PGA設(shè)計(jì)中經(jīng)常暴露出可移植性差、平臺(tái)依賴性強(qiáng)、程序?qū)﹂_(kāi)發(fā)人員的依賴度高、系統(tǒng)集成與整合度難度大等問(wèn)題。選取電子裝備中常用的I²C總線控制部分，借鑒軟件工程中“高內(nèi)聚、低耦合”的模塊化設(shè)計(jì)思想，提出一種總線控制電路的優(yōu)化策略，即基于組件復(fù)用的方法設(shè)計(jì)了一種可重構(gòu)I²C總線讀寫(xiě)控制電路。該電路具備按需配置波特率功能，同時(shí)具有可選的APB接口以及中斷功能，提供讀/寫(xiě)數(shù)據(jù)位寬分別為1 B/2 B/4 B系列控制組件，并通過(guò)配置系列組件的方式重構(gòu)讀/寫(xiě)數(shù)據(jù)位寬。該電路具有實(shí)際的工程價(jià)值且已成功應(yīng)用于不同項(xiàng)目以及TPAFEA008、ADT75和LTC2991等常用器件上。

發(fā)表于：7/24/2025

基于人臉檢測(cè)跟蹤和輸入噪聲過(guò)濾的rPPG信號(hào)實(shí)時(shí)提取方法[模擬設(shè)計(jì)][醫(yī)療電子]

遠(yuǎn)程光體積描記是非接觸式生理信號(hào)檢測(cè)領(lǐng)域的重要研究方向?，F(xiàn)有算法主要從人臉部分區(qū)域提取脈搏信號(hào)，存在信號(hào)獲取不全面及噪聲過(guò)大的問(wèn)題。提出了一種基于人臉檢測(cè)、跟蹤、分割和輸入噪聲過(guò)濾的實(shí)時(shí)rPPG信號(hào)提取方法，旨在提高心率檢測(cè)的準(zhǔn)確性和魯棒性。首先，通過(guò)小型深度神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)視頻幀中的人臉檢測(cè)和跟蹤，準(zhǔn)確定位人臉區(qū)域。其次，通過(guò)人臉?lè)指钏惴ㄌ崛∑つw信息。最后，采用輸入噪聲過(guò)濾策略，去除與心率無(wú)關(guān)的頻率成分和信噪比較低的信號(hào)，從而優(yōu)化rPPG信號(hào)。實(shí)驗(yàn)在自建數(shù)據(jù)集上進(jìn)行，結(jié)果表明，該方法在信噪比、平均絕對(duì)誤差和均方根誤差等指標(biāo)上均表現(xiàn)出色。綜上所述，所提出的方法在rPPG信號(hào)實(shí)時(shí)提取中表現(xiàn)出優(yōu)異的精度和穩(wěn)定性，為非接觸式生理信號(hào)檢測(cè)提供了一種新的解決方案。

發(fā)表于：7/24/2025

基于機(jī)器視覺(jué)的監(jiān)控視頻移動(dòng)目標(biāo)輪廓提取算法[模擬設(shè)計(jì)][安防電子]

在監(jiān)控視頻中，移動(dòng)目標(biāo)易受到邊緣模糊和背景噪聲干擾等影響，使得目標(biāo)輪廓提取結(jié)果不準(zhǔn)確。為此，提出基于機(jī)器視覺(jué)的監(jiān)控視頻移動(dòng)目標(biāo)輪廓提取算法。采用機(jī)器視覺(jué)技術(shù)處理圖像，結(jié)合圖像背景模型建立像素高斯分布，并計(jì)算各個(gè)像素值與背景模型中高斯分布的匹配度，將匹配度低于閾值的像素視為前景像素，由此完成前景分割，結(jié)合鏈碼對(duì)前景目標(biāo)邊緣進(jìn)行編碼，標(biāo)識(shí)與預(yù)設(shè)閾值最接近的閉合邊緣，以此作為目標(biāo)輪廓粗定位結(jié)果，基于此，將目標(biāo)區(qū)域的統(tǒng)計(jì)分布參數(shù)融合到灰度光流圖像中，得到灰度差分圖像，進(jìn)而提取移動(dòng)目標(biāo)輪廓。實(shí)驗(yàn)結(jié)果表明，在所提方法的應(yīng)用下，目標(biāo)輪廓毛刺數(shù)始終控制在50以下，輪廓提取精度較高。

發(fā)表于：7/24/2025

基于廣義Jaccard系數(shù)的稀疏自適應(yīng)匹配追蹤水聲信道估計(jì)方法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

經(jīng)典稀疏自適應(yīng)匹配追蹤（Sparsity Adaptive Matching Pursuit，SAMP）算法可以通過(guò)設(shè)置迭代步長(zhǎng)，不斷逼近真實(shí)的稀疏度，以提高稀疏重構(gòu)的精度。然而，該算法使用內(nèi)積匹配準(zhǔn)則，存在原子丟失的現(xiàn)象，同時(shí)由于無(wú)法精確估計(jì)信號(hào)中存在的真實(shí)稀疏度，導(dǎo)致重構(gòu)的精度依然無(wú)法達(dá)到滿意的效果，信道估計(jì)結(jié)果不佳。提出了一種基于廣義Jaccard系數(shù)的稀疏自適應(yīng)匹配追蹤水聲信道估計(jì)方法。該算法使用了廣義Jaccard系數(shù)匹配代替了內(nèi)積匹配，然后利用DFT對(duì)信號(hào)進(jìn)行稀疏度預(yù)估計(jì)，同時(shí)用可變步長(zhǎng)代替固定步長(zhǎng)，可以精確、快速地逼近真實(shí)稀疏度。實(shí)驗(yàn)結(jié)果表明，該信道估計(jì)方法優(yōu)于SAMP和其他傳統(tǒng)方法，并且可以用于實(shí)際水聲信道估計(jì)。

發(fā)表于：7/24/2025

基于等概率同步功耗補(bǔ)償?shù)腅CC抗側(cè)信道攻擊方案[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對(duì)資源受限的橢圓曲線密碼算法芯片抗側(cè)信道攻擊往往以犧牲芯片性能為代價(jià)的問(wèn)題，提出一種基于等概率同步功耗補(bǔ)償?shù)臋E圓曲線密碼抗側(cè)信道攻擊方案。首先，根據(jù)密鑰猜測(cè)產(chǎn)生的中間數(shù)據(jù)的漢明距離特征生成概率分布差異函數(shù)；其次，根據(jù)生成的函數(shù)構(gòu)建可同步補(bǔ)償功耗的等概率映射模型；最后，利用模擬退火算法求出該模型的最優(yōu)解。仿真驗(yàn)證結(jié)果表明：與其他傳統(tǒng)基于隨機(jī)化方式的抗側(cè)信道攻擊方案相比，在防護(hù)能力相當(dāng)?shù)臈l件下，所提方案的運(yùn)算性能幾乎沒(méi)有損失，非常適用于資源受限的橢圓曲線密碼算法芯片。

發(fā)表于：7/24/2025

一種基于PPO算法的低空基站優(yōu)化模型[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

通過(guò)優(yōu)化現(xiàn)有地面網(wǎng)絡(luò)基站來(lái)實(shí)現(xiàn)低空網(wǎng)絡(luò)服務(wù)具有成本低、建設(shè)快等優(yōu)點(diǎn)，面對(duì)低空基站優(yōu)化過(guò)程中存在的無(wú)線環(huán)境復(fù)雜、配置參數(shù)多樣、優(yōu)化目標(biāo)互相影響等問(wèn)題，提出了一種基于近端策略優(yōu)化算法的多維低空網(wǎng)絡(luò)基站優(yōu)化模型：通過(guò)射線追蹤技術(shù)計(jì)算不同類型、不同角度基站的低空覆蓋能力，并構(gòu)建支持多目標(biāo)優(yōu)化和多參數(shù)配置的低空網(wǎng)絡(luò)基站優(yōu)化模型，利用PPO算法得到基站配置策略。在仿真環(huán)境中進(jìn)行訓(xùn)練與結(jié)果驗(yàn)證，證明該模型可有效生成基站優(yōu)化方案，且相較于基于A2C方法的模型具有更快的收斂速度和更好的基站優(yōu)化效果。

發(fā)表于：7/24/2025

基于邊緣計(jì)算的智慧工地視頻分析系統(tǒng)設(shè)計(jì)[模擬設(shè)計(jì)][安防電子]

為精準(zhǔn)識(shí)別工地工人未正確佩戴安全帽行為，并且實(shí)現(xiàn)系統(tǒng)快速響應(yīng)問(wèn)題，設(shè)計(jì)了一款采用邊緣側(cè)部署的智慧工地視頻分析系統(tǒng)。系統(tǒng)硬件方案使用兩顆AX650N芯片級(jí)聯(lián)的方式，顯著提高系統(tǒng)計(jì)算能力。軟件方案采用Ubuntu操作系統(tǒng)，基于主流目標(biāo)檢測(cè)算法YOLOv8n，通過(guò)使用共享卷積層的空洞卷積替換SPPF模塊中的池化層提升檢測(cè)速度和精度；引入動(dòng)態(tài)非單調(diào)調(diào)頻的WIoU損失函數(shù)來(lái)提升對(duì)低質(zhì)量樣本的檢測(cè)能力。實(shí)驗(yàn)結(jié)果表明，優(yōu)化后的算法模型平均檢測(cè)精度提高了1.8%，模型權(quán)重所占空間減少17.4%，模型檢測(cè)速度提高了7.3%。在多個(gè)實(shí)地場(chǎng)景下進(jìn)行系統(tǒng)測(cè)試，視頻目標(biāo)行為智能分析結(jié)果成功率都達(dá)到97%以上，且平均響應(yīng)時(shí)間在1 s以內(nèi)，此系統(tǒng)可以顯著提高工地的管理效率與安全性。

發(fā)表于：7/24/2025