日韩人妻无码一区二区三区,色丁香婷婷综合缴情综

頭條

航天發(fā)射任務(wù)指揮決策輔助平臺(tái)及關(guān)鍵技術(shù)研究

航天發(fā)射任務(wù)指揮決策輔助平臺(tái)及關(guān)鍵技術(shù)研究

圍繞我國(guó)當(dāng)前航天發(fā)射任務(wù)過(guò)程中對(duì)安全控制、快速評(píng)定和決策評(píng)估的需求，通過(guò)引入多維動(dòng)態(tài)時(shí)間規(guī)整、深度序列分析、飛行彈道預(yù)測(cè)、知識(shí)圖譜以及態(tài)勢(shì)推薦等技術(shù)，形成了具備測(cè)控參數(shù)智能化處理、飛行狀態(tài)預(yù)測(cè)、態(tài)勢(shì)多維展示的航天發(fā)射任務(wù)指揮決策輔助平臺(tái)，有效提高了航天發(fā)射任務(wù)組織指揮的數(shù)智化水平。

XR芯片系統(tǒng)的EMU全場(chǎng)景AVIP快速迭代驗(yàn)證方案

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(lái)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(lái)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(guò)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：9/18/2025

探索分布式仿真方法加速Chiplet系統(tǒng)級(jí)驗(yàn)證

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(zhǎng)，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(zhǎng)等。為解決這些問(wèn)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：9/18/2025

智能水位標(biāo)尺監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)實(shí)現(xiàn)

隨著目前深度學(xué)習(xí)的發(fā)展，通過(guò)視頻來(lái)監(jiān)測(cè)水位成為近年來(lái)的研究熱點(diǎn)，為了提高對(duì)城市河道、水庫(kù)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(guò)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(guò)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：9/17/2025

基于變量地址的DCS平臺(tái)下裝技術(shù)研究

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(wèn)題，研究了一種無(wú)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(guò)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：9/12/2025

基于知識(shí)圖譜與本體驅(qū)動(dòng)的數(shù)據(jù)建?？蚣?/a>

針對(duì)傳統(tǒng)數(shù)據(jù)建模方法在處理多維動(dòng)態(tài)關(guān)系和異構(gòu)數(shù)據(jù)集成方面的局限性，提出一種基于知識(shí)圖譜與動(dòng)態(tài)本體驅(qū)動(dòng)的數(shù)據(jù)建?？蚣?。該框架利用知識(shí)圖譜靈活表達(dá)實(shí)體及關(guān)系的優(yōu)勢(shì)，結(jié)合動(dòng)態(tài)本體提供的語(yǔ)義約束，通過(guò)實(shí)體識(shí)別、屬性和關(guān)系自動(dòng)映射等技術(shù)，將語(yǔ)義信息有效轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)模型，提升數(shù)據(jù)建模的自動(dòng)化和標(biāo)準(zhǔn)化水平。案例分析表明，該框架可廣泛適用于復(fù)雜數(shù)據(jù)結(jié)構(gòu)的語(yǔ)義表示、自動(dòng)化知識(shí)抽取及跨系統(tǒng)的數(shù)據(jù)融合，展現(xiàn)了良好的通用性和應(yīng)用價(jià)值。

發(fā)表于：9/10/2025

基于變步長(zhǎng)LMS的多普勒雷達(dá)回波信號(hào)處理方法

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(wèn)題，提出一種基于改進(jìn)箕舌線函數(shù)的變步長(zhǎng)LMS自適應(yīng)噪聲對(duì)消方法。通過(guò)在原本的步長(zhǎng)迭代公式和濾波器權(quán)系數(shù)迭代中添加反饋量來(lái)提高算法整體的抗干擾性能，在步長(zhǎng)迭代中添加補(bǔ)償量來(lái)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：9/10/2025

一種基于嵌套CRC的分段極化碼設(shè)計(jì)

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(wú)法應(yīng)用。針對(duì)該問(wèn)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(guò)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：9/9/2025

數(shù)字圖像邊緣檢測(cè)算法研究

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(zhǎng)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卣鳎栽撍惴ǜm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：9/9/2025

基于復(fù)合超混沌系統(tǒng)與計(jì)算全息的圖像加密算法

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(guò)程的安全性。通過(guò)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：9/5/2025

多環(huán)境自適應(yīng)探測(cè)網(wǎng)絡(luò)組網(wǎng)技術(shù)研究

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(wú)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(guò)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(guò)測(cè)試驗(yàn)證該模型的可用性和靈活性。

發(fā)表于：9/4/2025