久久久久成人精品,亚洲综合精品伊人久久,久久99精品久久久久久久青青日本

基于电压比较器的固态功率控制器驱动保护电路研究[模拟设计][工业自动化]

研究了基于电压比较器的固态功率控制器驱动保护技术原理，设计了降栅压保护电路。通过设置降栅压保护电路的输出电压值和电压上升/下降的速度，实现了对MOSFET栅极电压的控制和对负载在过流或短路时的及时保护功能。解决了现有技术中使用稳压二极管判断过流门限电压，导致对MOSFET栅极电压的控制精度不高和受保护MOSFET在一个时延内反复开通/关断的问题。经过电路分析和仿真实验，结果表明降栅压保护电路可以在45 μs内对短路负载进行关断保护。

發(fā)表于：2022/8/9 下午2:28:00

基于谐波分量与有效值的神经网络负荷分解[电源技术][智能电网]

非侵入式负荷分解可以从主表电流变化信息中分解出各个用电器的用电信息，方便为用电户提供更精细化、有针对性的用电管理和调度服务。当前利用一维卷积的非侵入式负荷分解算法存在分解准确率不高、新增用户用电器需要重新训练、复杂度较高的问题。基于此，利用电流有效值和傅里叶变换后的谐波分量信息，提出一种基于一维卷积神经网络的负荷分解算法，利用相似性对比分解出各个用电器电流信息，解决了新增用户或用电器需要重新训练的问题。经实验发现，所提出的方法还可以在一定程度上提高负荷分解的准确率，且复杂度较低。

發(fā)表于：2022/8/9 下午2:22:00

基于空间深度置信网络的风速预测优化方法[测试测量][通信网络]

风能是目前应用最为广泛、技术最为成熟的可再生能源。为了保证风电场的稳定和安全运行，风速的准确预测至关重要。除传统的数值天气预报以外，机器学习技术已经广泛应用于不同时间尺度的风速预测。然而这些工作大多局限于单一地点的风速序列分析，没有考虑和利用风速的空间相关性。对此，使用深度置信网络(Deep Belief Network，DBN)对同一区域内多个地点的风速序列进行空间相关性特征识别。在训练过程中，深度置信网络充分挖掘了该区域内历史风速的联合分布，借此改善未来的风速预测。多组风速预测实验表明，空间深度置信网络能够有效降低风速的预测误差，经过空间深度置信网络重构后的风速预测误差平均降低了0.4 m/s。

發(fā)表于：2022/8/9 下午2:12:00

基于Flutter开发框架的数据存储访问机制研究[可编程逻辑][数据中心]

移动端应用程序需要存储与访问的数据越来越多，而移动端设备的存储空间有限，很难满足用户需要，在进行移动端应用程序开发时，选择合适、高效的数据存储与访问机制受到普遍关注。针对Google推出的Flutter跨平台移动开发框架提供的key-value键值对、File文件、SQLite数据库和网络4种数据存储访问机制，深入阐述了它们的内在工作原理，给出了具体实现方法和实现代码。最后，根据4种数据存储访问机制各自的特点和实际的应用程序开发需求，分析了每种机制的应用场景。

發(fā)表于：2022/8/9 下午2:08:00

GFDM中基于高阶长短时记忆神经网络的自适应均衡器[通信与网络][5G]

在广义频分复用系统(GFDM)中，为解决5G网络下车载移动通信在Sub-6 GHz频段信道中信号严重失真的问题，提出一种基于高阶长短时记忆神经网络(HO-LSTM)结构的自适应均衡器。HO-LSTM自适应均衡器在传统高阶前馈神经网络(HO-FNN)的基础上，采用复杂度更低的广义记忆多项式模型(GMP)代替Volterra模型，并引入LSTM神经网络使其更适用于复杂非线性模型的预测。结果表明，相比于传统HO-FNN均衡器和LSTM均衡器，所提出的HO-LSTM均衡器的均衡效果显著提升，系统性能也得到进一步改善。

發(fā)表于：2022/8/9 下午1:40:00

星载双频双端口天线设计[模拟设计][航空航天]

针对星载收发机的使用需求，设计了一种双频段、双端口、双天线共口径的微带天线。通过辐射贴片加载短路过孔技术，配合外部方形圆孔贴片和内部圆形贴片切角技术，使双天线均工作在主模。双天线共口径工作，分别辐射左旋圆极化和右旋圆极化波，有效降低星载双天线布局复杂度。仿真结果表明：天线在中心频点1.615 GHz处回波损耗为-13 dB，10 dB带宽为50 MHz，增益为6 dB，半功率波束宽度为90°，±60°波束内轴比小于3 dB；天线在中心频点2.491 GHz处回波损耗为-18 dB，10 dB带宽为40 MHz，增益为6 dB,半功率波束宽度为90°，±60°波束内轴比小于3 dB；双端口隔离度优于32 dB。经加工，实测结果与仿真结果一致，该天线对星载双频段、双端口共口径天线设计具有一定指导意义。

發(fā)表于：2022/8/9 下午1:32:00

从RTL到GDS的功耗优化全流程[人工智能][工业自动化]

功耗作为大型SoC芯片的性能功耗面积(PPA)三要素之一，已经变得越来越重要。尤其是当主流设计平台已经发展到了7 nm以下。AI芯片一般会有多个核心并行执行高性能计算任务。这种行为会产生巨大的功耗。因此在AI芯片的设计过程中，功耗优化变得尤为重要。利用一个典型的功耗用例波形或者一组波形，可以从RTL进来开始功耗优化。基本的方式是借助Joules-replay实现基于RTL波形产生相对应的网表波形。在Genus的syn-gen、syn-map、syn-opt三个综合阶段，都可以加入Joules-replay，并且产生和综合网表相对应的波形，用于Innovus PR阶段进一步地进行功耗优化。在Innovus中实现Place和Routing也分为3个阶段：place_opt、cts_opt和route_opt。同样每一步都可以引入Joules-replay来生成功耗优化所需的网表波形。最终在Tempus timing signoff的环境中，再次引入波形进行功耗优化。基于上面的一系列各个节点的精确功耗优化该设计可以获得10%以上的功耗节省。此时再结合multi-bit技术，最终可以获得21%的功耗节省。

發(fā)表于：2022/8/9 下午1:14:00

一种加速大规模模拟和射频IC后仿真的验证流程[微波|射频][工业自动化]

近年来，模拟射频IC的功能越来越多, 导致片上集成的功能模块快速增加。且进入到先进工艺节点后, 单一模块的后仿真网表规模急剧增加。对后仿真速度以及debug效率提出了极高的要求，除了使用更为先进的FULL-SPICE 仿真器(比如Cadence Spectre X等)提升仿真速度之外, 对后仿真输入文件格式的选择与优化同样是一种有效提升整体后仿真效率的方法。主要讨论Cadence Quantus最新的SmartView输出格式以及与ADE Assembler和Spectre X联合加速后仿真验证的一种新流程，并给出了与传统流程的对比结果。

發(fā)表于：2022/8/9 上午11:45:00

一种基于深度强化学习的任务卸载方法[通信与网络][汽车电子]

随着车联网的快速发展，车载应用大多是计算密集和延迟敏感的。车辆是资源受限的设备，无法为这些应用提供所需的计算和存储资源。边缘计算通过将计算和存储资源提供给网络边缘的车辆，有望成为满足低延迟需求的有效解决方案。这种将任务卸载到边缘服务器的计算模式不仅可以克服车辆资源的不足，还可以避免将任务卸载到云可能导致的高延迟。提出了一种基于深度强化学习的任务卸载方法，以最小化任务的平均完成时间。首先，把多任务卸载决策问题规约为优化问题。其次，使用深度强化学习对优化问题进行求解，以获得具有最小完成时间的优化卸载策略。最后，实验结果表明，该方法的性能优于其他基准方法。

發(fā)表于：2022/8/9 上午11:29:00

基于标签嵌入的多模态多标签情感识别算法[通信与网络][通信网络]

多模态情感分析目前是多模态分析和自然语言处理领域的研究热点，在商品推荐、智能客服等场景中具有广泛的应用。现有的方法在多标签场景下对标签间依赖性表示不充分，并且忽略了模态特征之间语义差距。对此提出了一种基于标签嵌入的多模态多标签情感识别算法，通过训练的标签嵌入向量捕获标签之间依赖关系，对模态特征添加约束减小模态之间的语义差距。实验结果显示，该算法在多模态多标签情感识别任务中在准确率和汉明损失指标上相较于现有方法有明显提升。

發(fā)表于：2022/7/20 下午10:10:09