欧美另类亚洲中文字幕,欧美激情欧美精品一区二区,色噜噜精品一区二区三区

一種K波段變頻組件設(shè)計(jì)[微波|射頻][通信網(wǎng)絡(luò)]

設(shè)計(jì)了一種K波段變頻組件，該組件含上、下變頻通道，實(shí)現(xiàn)K波段射頻信號(hào)與中頻信號(hào)間的變頻轉(zhuǎn)換。通過進(jìn)行全鏈路級(jí)聯(lián)仿真分析與計(jì)算，優(yōu)化了鏈路的頻點(diǎn)規(guī)劃，合理規(guī)避了帶內(nèi)雜散；通過進(jìn)行三維電磁場(chǎng)仿真，優(yōu)化了鏈路的傳輸互聯(lián)結(jié)構(gòu)，改善了級(jí)間匹配特性。測(cè)試結(jié)果表明該組件具有雜散抑制度高、帶內(nèi)增益波動(dòng)小等特點(diǎn)，雜散抑制優(yōu)于60 dBc，帶內(nèi)波動(dòng)優(yōu)于±1 dB，鏡頻抑制優(yōu)于50 dBc，其他各項(xiàng)指標(biāo)均滿足設(shè)計(jì)要求。該設(shè)計(jì)方法也對(duì)變頻組件的設(shè)計(jì)進(jìn)行了有益探索。

發(fā)表于：8/14/2025

X波段60 W高功率高效率功率放大器設(shè)計(jì)[微波|射頻][通信網(wǎng)絡(luò)]

基于0.25 μm柵長的GaN HEMT工藝，設(shè)計(jì)了一款8~12 GHz 60 W高功率放大器。該芯片的末級(jí)輸出端功率合成網(wǎng)絡(luò)在Bus-bar總線型的基礎(chǔ)上添加并聯(lián)LC到地枝節(jié)，達(dá)到優(yōu)化各路平衡度的目的，在實(shí)現(xiàn)高功率輸出的同時(shí)使芯片整體結(jié)構(gòu)緊湊且易于匹配。采用輸入端二次諧波阻抗匹配技術(shù)，在不影響輸出功率的前提下提升高頻效率。輸出級(jí)匹配結(jié)構(gòu)采用兩段串電感并電容匹配的方式，將輸出級(jí)阻抗匹配至目標(biāo)阻抗的同時(shí)實(shí)現(xiàn)較低的匹配損耗。在脈寬100 μs、占空比10%測(cè)試條件下，該放大器飽和輸出功率在8~12 GHz范圍內(nèi)大于48 dBm，效率大于35%，功率增益為23 dB。芯片尺寸為3.97 mm×5 mm。

發(fā)表于：8/14/2025

多環(huán)境自適應(yīng)探測(cè)網(wǎng)絡(luò)組網(wǎng)技術(shù)研究[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

網(wǎng)絡(luò)空間測(cè)繪平臺(tái)能夠?qū)崿F(xiàn)對(duì)各類網(wǎng)絡(luò)資產(chǎn)的高效探測(cè)、融合分析及繪制，從而為網(wǎng)絡(luò)資產(chǎn)管理、暴露面分析和安全防護(hù)提供數(shù)據(jù)基礎(chǔ)。然而，隨著探測(cè)目標(biāo)類型和數(shù)量的不斷增多，現(xiàn)有測(cè)繪平臺(tái)在探測(cè)網(wǎng)絡(luò)快速組織、探測(cè)資源高效利用等方面無法滿足多源多目標(biāo)靈活探測(cè)的需求，為此，研究并提出了一種異構(gòu)多環(huán)境下探測(cè)網(wǎng)絡(luò)組織管理模型，該模型通過節(jié)點(diǎn)管理、任務(wù)管理、資源管理方法和API的設(shè)計(jì)，有效提升了平臺(tái)的組織管理能力，通過測(cè)試驗(yàn)證該模型的可用性和靈活性。

發(fā)表于：8/14/2025

基于復(fù)合超混沌系統(tǒng)與計(jì)算全息的圖像加密算法[模擬設(shè)計(jì)][信息安全]

針對(duì)傳統(tǒng)圖像加密算法在高敏感性數(shù)據(jù)保護(hù)、傳輸效率及多樣化應(yīng)用中的局限性，提出了一種基于超混沌系統(tǒng)與計(jì)算全息技術(shù)的多圖像加密算法。結(jié)合改進(jìn)的Logistic混沌與六維細(xì)胞神經(jīng)網(wǎng)絡(luò)混沌，生成高隨機(jī)性與復(fù)雜性的混沌序列，從而增強(qiáng)了加密過程的安全性。通過結(jié)合隨機(jī)相位編碼與傅里葉變換的計(jì)算全息技術(shù)，進(jìn)一步提升了加密效果與抗攻擊能力。為了提高傳輸效率，采用壓縮感知技術(shù)壓縮加密多幅圖像，減少數(shù)據(jù)傳輸量和密鑰消耗。仿真結(jié)果表明，所提算法在提高圖像安全性的同時(shí)，顯著提升了傳輸效率，減少了傳輸時(shí)間，并在不同加密強(qiáng)度下保持較低的圖像失真度。實(shí)驗(yàn)驗(yàn)證表明，該算法能有效抵抗常見攻擊，具有較強(qiáng)的安全性和較高的傳輸效率，適用于醫(yī)療、金融等領(lǐng)域的高敏感數(shù)據(jù)保護(hù)。

發(fā)表于：8/14/2025

數(shù)字圖像邊緣檢測(cè)算法研究[模擬設(shè)計(jì)][航空航天]

數(shù)字圖像邊緣檢測(cè)常規(guī)的方法有Canny算法、Sobel算法、Prewitt算法等。在研究圖像邊緣檢測(cè)常規(guī)方法的計(jì)算原理基礎(chǔ)上，提出一種數(shù)字圖像邊緣檢測(cè)算法，該算法包括圖像的初步極值邊緣矩陣計(jì)算、Otsu閾值的抑制計(jì)算和邊緣的延長計(jì)算。將該算法與常規(guī)算法提取的圖像邊緣進(jìn)行比較，驗(yàn)證該算法的可行性。使用該算法與常規(guī)算法對(duì)發(fā)動(dòng)機(jī)噴嘴燃燒火焰圖像進(jìn)行邊緣檢測(cè)，Sobel算法、Prewitt算法提供了少量火焰的邊緣，Canny算法提供了火焰的大輪廓，而該算法提供了大量的火焰細(xì)節(jié)邊緣信息。因?yàn)槿紵鹧娴倪吘壥侨紵闹匾卣?，所以該算法更適用于噴嘴燃燒火焰的數(shù)字圖像邊緣深度分析，為噴嘴燃燒火焰分析提供一種新方法。

發(fā)表于：8/14/2025

一種基于嵌套CRC的分段極化碼設(shè)計(jì)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

極化碼循環(huán)冗余校驗(yàn)輔助的串行抵消列表（Cyclic Redundancy Check Aided Successive Cancellation List，CA-SCL）譯碼算法隨著列表的增大，需要大量的空間存儲(chǔ)資源，導(dǎo)致其在資源受限條件下無法應(yīng)用。針對(duì)該問題，提出了一種基于嵌套CRC的分段極化碼設(shè)計(jì)方法。通過分段內(nèi)并行、分段之間串行的碼字結(jié)構(gòu)，極大降低了存儲(chǔ)資源消耗；利用設(shè)計(jì)的嵌套CRC多重校驗(yàn)的優(yōu)異檢錯(cuò)性能，以及創(chuàng)新的分段之間串行列表譯碼算法，進(jìn)一步提高了碼字性能。仿真結(jié)果表明，所提算法在明顯低于CA-SCL譯碼算法的存儲(chǔ)資源消耗下，可以獲得更優(yōu)的譯碼性能。

發(fā)表于：8/14/2025

基于知識(shí)圖譜和協(xié)同過濾算法的多頭注意力網(wǎng)絡(luò)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

當(dāng)前基于知識(shí)圖譜的推薦方法大多聚焦于知識(shí)關(guān)聯(lián)的編碼機(jī)制，往往忽視了用戶-物品交互中潛在的關(guān)鍵協(xié)同信號(hào)，導(dǎo)致現(xiàn)有模型學(xué)習(xí)到的嵌入向量無法有效地表達(dá)用戶和物品在向量空間中的潛在語義。為解決這一問題，提出一種融合知識(shí)圖譜和協(xié)同過濾的多頭注意力網(wǎng)絡(luò)——協(xié)同知識(shí)感知多頭注意力網(wǎng)絡(luò)（CKAN-MH）。該網(wǎng)絡(luò)在傳統(tǒng)的CKAN模型的基礎(chǔ)上引入多頭注意力機(jī)制，以自適應(yīng)地關(guān)注不同特征的子集，通過動(dòng)態(tài)調(diào)整注意力權(quán)重，對(duì)尾實(shí)體進(jìn)行差異化加權(quán)處理。引入多頭注意力機(jī)制后，模型能夠更全面地捕捉數(shù)據(jù)中隱含的復(fù)雜關(guān)系與模式，進(jìn)而顯著提升推薦系統(tǒng)的性能表現(xiàn)。此外，還在三個(gè)真實(shí)數(shù)據(jù)集上應(yīng)用CKAN-MH模型進(jìn)行實(shí)驗(yàn)評(píng)估。實(shí)驗(yàn)結(jié)果表明，CKAN-MH模型在性能上優(yōu)于當(dāng)前多個(gè)主流先進(jìn)基線模型，驗(yàn)證了該模型的有效性和優(yōu)越性。

發(fā)表于：8/14/2025

基于變步長LMS的多普勒雷達(dá)回波信號(hào)處理方法[測(cè)試測(cè)量][通信網(wǎng)絡(luò)]

針對(duì)復(fù)雜電磁環(huán)境下多普勒雷達(dá)回波信噪比較低導(dǎo)致難以處理的問題，提出一種基于改進(jìn)箕舌線函數(shù)的變步長LMS自適應(yīng)噪聲對(duì)消方法。通過在原本的步長迭代公式和濾波器權(quán)系數(shù)迭代中添加反饋量來提高算法整體的抗干擾性能，在步長迭代中添加補(bǔ)償量來加快算法初期的迭代速度。仿真結(jié)果表明在0至-10 dB信噪比下，所提算法能夠有效還原含噪信號(hào)中的目標(biāo)信號(hào)，誤差均方值最小為0.004 5，最大相關(guān)系數(shù)為0.95，最大輸出信噪比為10.60dB。實(shí)測(cè)結(jié)果表明所提方法在雷達(dá)回波信號(hào)降噪方面的性能突出，均方誤差最小為0.005 5，在實(shí)際電磁信號(hào)降噪處理中具有適應(yīng)性和有效性。

發(fā)表于：8/14/2025

基于變量地址的DCS平臺(tái)下裝技術(shù)研究[測(cè)試測(cè)量][智能電網(wǎng)]

依據(jù)核電廠控制系統(tǒng)運(yùn)行場(chǎng)景，分析了一類基于變量地址的DCS平臺(tái)在下裝工程組態(tài)數(shù)據(jù)時(shí)存在的問題，研究了一種無擾的增量下裝技術(shù)，包括工程組態(tài)軟件、控制器、數(shù)據(jù)服務(wù)及人機(jī)接口的優(yōu)化改進(jìn)。通過設(shè)計(jì)驗(yàn)證及實(shí)際工程應(yīng)用表明所研究的增量下載方案可有效回收空閑地址位，確定變量地址與變量名稱的對(duì)應(yīng)關(guān)系，防止現(xiàn)場(chǎng)數(shù)據(jù)錯(cuò)位及執(zhí)行機(jī)構(gòu)誤動(dòng)作，提高DCS的運(yùn)行效率及核電廠的運(yùn)行安全性。

發(fā)表于：8/14/2025

智能水位標(biāo)尺監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)實(shí)現(xiàn)[測(cè)試測(cè)量][安防電子]

隨著目前深度學(xué)習(xí)的發(fā)展，通過視頻來監(jiān)測(cè)水位成為近年來的研究熱點(diǎn)，為了提高對(duì)城市河道、水庫等地水位高度檢測(cè)的準(zhǔn)確性，提出了一種5G智能水位標(biāo)尺監(jiān)測(cè)系統(tǒng)，主要介紹以星宸SSC338G為核心的硬件設(shè)計(jì)和一種基于YOLOv8n改進(jìn)的水位監(jiān)測(cè)方法。首先用于識(shí)別水尺方位，再對(duì)水尺圖像進(jìn)行灰度化和二值化處理，最后通過YOLOv8n識(shí)別水尺上的字符及刻度信息，分析計(jì)算水位數(shù)據(jù)。通過引入注意力機(jī)制EMA和更換損失函數(shù)Focal-EIoU，使得改進(jìn)后的模型參數(shù)量減少了21%，模型大小減少了17%，浮點(diǎn)運(yùn)算次數(shù)減少了21%。根據(jù)與人眼實(shí)際對(duì)比實(shí)驗(yàn)，證明該模型精度符合要求，總體實(shí)現(xiàn)了智能水尺設(shè)計(jì)要求。

發(fā)表于：8/14/2025

探索分布式仿真方法加速Chiplet系統(tǒng)級(jí)驗(yàn)證[EDA與制造][工業(yè)自動(dòng)化]

隨著人工智能（AI）和高性能計(jì)算領(lǐng)域?qū)π酒懔π枨蟮脑鲩L，Chiplet方案正日益受到行業(yè)重視。然而Multi-Die系統(tǒng)復(fù)雜性和規(guī)模的擴(kuò)大導(dǎo)致仿真消耗服務(wù)器資源大、驗(yàn)證交付周期延長等。為解決這些問題，分析了傳統(tǒng)的三步法和Socket驗(yàn)證方法，重點(diǎn)探索了Cadence分布式仿真方案，基于某實(shí)際Chiplet項(xiàng)目將系統(tǒng)級(jí)仿真任務(wù)分解成多個(gè)子Die并行執(zhí)行的仿真實(shí)例，從服務(wù)器內(nèi)存、跨服務(wù)器通信延遲、同步時(shí)間精準(zhǔn)調(diào)控、信號(hào)連接開始時(shí)間及信號(hào)連接數(shù)量等多個(gè)方面探索了分布式仿真提效的措施，實(shí)現(xiàn)了超大規(guī)模Chiplet系統(tǒng)級(jí)RTL仿真和回歸效率提升。

發(fā)表于：8/14/2025

XR芯片系統(tǒng)的EMU全場(chǎng)景AVIP快速迭代驗(yàn)證方案[EDA與制造][工業(yè)自動(dòng)化]

隨著XR領(lǐng)域的不斷發(fā)展，市場(chǎng)對(duì)全功能和更高性能的復(fù)雜XR芯片系統(tǒng)需求越來越強(qiáng)烈。需求傳導(dǎo)到芯片設(shè)計(jì)環(huán)節(jié)，呈現(xiàn)出芯片規(guī)模和復(fù)雜度增加的態(tài)勢(shì)，給芯片驗(yàn)證收斂帶來的挑戰(zhàn)也同時(shí)不斷增大。如何在投片前做到關(guān)鍵指標(biāo)驗(yàn)證收斂，是每個(gè)芯片工程師和項(xiàng)目經(jīng)理面對(duì)的難題。在XR芯片研發(fā)領(lǐng)域，為了解決這一難題，提出EMU全場(chǎng)景AVIP快速迭代驗(yàn)證方案，其中EMU設(shè)備采用Cadence Palladium Z2，AVIP在Cadence VIP的基礎(chǔ)上，適配Palladium Z2 EMU環(huán)境，對(duì)接PCIe、MIPI、USB、UART等不同接口，并滿足仿真加速、數(shù)據(jù)比對(duì)等需求。通過在XR芯片系統(tǒng)中EMU全場(chǎng)景AVIP快速迭代驗(yàn)證方案的應(yīng)用，有效提升驗(yàn)證收斂效率，為芯片的成功交付做到了有力支撐。

發(fā)表于：8/14/2025

基于Cadence軟件平臺(tái)的分布式電源噪聲仿真方法研究[EDA與制造][工業(yè)自動(dòng)化]

為了縮短采用PowerSI提取電源S參數(shù)的建模時(shí)間，提高芯片內(nèi)部功能模塊電源仿真的精度，進(jìn)一步識(shí)別敏感區(qū)域電源噪聲，引入了一種基于封裝電源的分布式建模及電源噪聲實(shí)測(cè)點(diǎn)確定方法。用該方法研究了系統(tǒng)處理芯片內(nèi)部功能模塊的電源仿真，發(fā)現(xiàn)在時(shí)域電源仿真的噪聲中，同一數(shù)據(jù)流流經(jīng)功能近似的電源模塊產(chǎn)生的電源噪聲存在相似性。在此基礎(chǔ)上，建立電源分布式模型，將功能近似的電源模塊進(jìn)行分組，并將分組后的封裝電源S 參數(shù)模型和die內(nèi)RC模型融入到電源時(shí)域噪聲仿真中，然后根據(jù)仿真結(jié)果確定封裝bump處敏感區(qū)域噪聲實(shí)測(cè)點(diǎn)的位置。通過仿測(cè)對(duì)比發(fā)現(xiàn)，在噪聲頻域主頻點(diǎn)對(duì)齊的條件下，噪聲時(shí)域的仿測(cè)誤差小于6%，驗(yàn)證了所提分布式仿真方法的有效性。

發(fā)表于：8/14/2025

基于Innovus COD的高效時(shí)鐘樹綜合方法及應(yīng)用[EDA與制造][工業(yè)自動(dòng)化]

基于Cadence Innovus 時(shí)鐘樹綜合與優(yōu)化引擎COD，提出了一種對(duì)于spec文件優(yōu)化精簡的方案（auto_spec flow），該方案省去了工具自動(dòng)生成的spec中冗余的內(nèi)容，并根據(jù)各命令類型進(jìn)行重新排序，方便用戶進(jìn)行spec文件的閱讀與管理。此外auto_spec flow還考慮了時(shí)鐘樹綜合中常見的問題，如DFT時(shí)鐘對(duì)功能時(shí)鐘的影響，以及generated_clock對(duì)主時(shí)鐘的影響，分別添加了DFT時(shí)鐘處理腳本，以及generated_clock自動(dòng)識(shí)別處理功能。實(shí)驗(yàn)結(jié)果表明，auto_spec flow能夠有效地提升工作效率，縮短時(shí)鐘latency，提升時(shí)鐘質(zhì)量，并對(duì)芯片PPA的提升具有重要意義。

發(fā)表于：8/14/2025

Voltus Insight AI 在高性能CPU核物理實(shí)現(xiàn)上的全流程應(yīng)用[EDA與制造][工業(yè)自動(dòng)化]

隨著高性能計(jì)算芯片設(shè)計(jì)向先進(jìn)工藝節(jié)點(diǎn)演進(jìn)，芯片集成度的飛躍式增長使得晶體管密度突破每平方毫米數(shù)億門級(jí)，導(dǎo)致電源分配網(wǎng)絡(luò)（PDN）的金屬線寬持續(xù)收窄，通孔電阻呈非線性上升，加上高密度邏輯單元在吉赫茲級(jí)時(shí)鐘頻率下的同步翻轉(zhuǎn)行為，顯著加劇了電壓降（IR Drop）風(fēng)險(xiǎn)。基于Cadence Voltus Insight AI feature，提出了一種針對(duì)高性能CPU核的物理實(shí)現(xiàn)的全流程電壓降優(yōu)化方案，通過整合AI驅(qū)動(dòng)的IR感知布局（IR-Aware Placement）、電源網(wǎng)絡(luò)加強(qiáng)（reinforce_pg）及Watch Box修復(fù)技術(shù)，能夠動(dòng)態(tài)預(yù)測(cè)電源網(wǎng)格的電流分布熱點(diǎn)，對(duì)高功耗邏輯單元進(jìn)行擺放優(yōu)化，實(shí)現(xiàn)IR 熱點(diǎn)區(qū)域的提前預(yù)防和高效修復(fù)。結(jié)果表明，在相同條件下，不僅能節(jié)約時(shí)間，提高效率，電壓降修復(fù)率也從過去的66%顯著提升至96%，同時(shí)避免了時(shí)序（Timing）與設(shè)計(jì)規(guī)則（DRC）的惡化。

發(fā)表于：8/13/2025