简介：针对传统路面探测设备耗费人力、设备体积大、成本高等缺点，设计了利用微波、GPRS和红外模块组成的运动目标探测系统，实现了远程无人监控道路运动目标的目的。其中微波探测模块采用了K-LCla雷达收发器，利用三角波作为调制信号产生差频信号，设计了三角波调制电路、差频信号的信号处理放大滤波电路。同时利用被动式热释电红外传感器设计了红外放大处理电路，作为预警信号传输给单片机。使用GPRS模块通过TCP／IP协议将雷达测到的运动目标数据传输给服务器端，并在页面上显示报警信息。基于STM32F103单片机设计了探测识别外部信号的软件系统。将红外信号作为预警信号，在预警后开启微波模块，减少了系统功耗，为远程监控提供更长时间的支持。

简介：电缆作为信号的载体是不可或缺的,但同时电缆又是导致电磁兼容问题的主要原因,其中电缆不合理布线就是一个非常重要的因素。本文通过对电缆间串扰建立模型,分析了电缆间串扰是如何产生,并以此为依据将机箱内部电缆进线分类,总结了机箱内电缆布线的原则,对机箱内电缆布线进行了设计。

简介：过去十年间,几项技术的进步使人工智能(AI)成为最令人振奋的技术之一。2012年,GeoffreyEverestHinton在Imagenet挑战赛中展示了他的广义反向传播神经网络算法,该算法使计算机视觉领域发生了革命性变化。然而,机器学习理论早在2012年之前就有人提出,并且NvidiaGTX580图形处理器单元等微处理器使这一理论得以实现。这些处理器具有相对较高的内存带宽能力且擅长矩阵乘法,可将该神经网络模型的AI训练时间缩短至大约一周。

简介：随着半导体工艺技术的不断进步、芯片工艺制程的不断演进和成本的不断降低，半导体芯片广泛应用在物联网、个人终端、汽车电子、可穿戴设备、工业互联网等各个领域。随着芯片工艺的逐步升级，性能问题已不在是芯片设计环节的主要瓶颈，如在很多手持设备领域，低功耗设计成为了芯片设计中的关键核心问题。通过引入一种基于磁存储芯片作为内部存储器件的芯片架构，同时也用作芯片内部的高速缓存，能够有效降低芯片漏电流，有效地提升了设备使用时间，降低了整体的TCO成本，大大提升了产品竞争力。

简介：为了解决当前隧道照明系统中存在的耗电量大、隧道外环境值测量复杂、实际照明亮度难以保证以及忽略光源色温会对隧道照明效果产生影响等问题，设计了一种隧道闭环反馈智慧照明系统。该系统根据实时采集的隧道外环境数据、车辆信息，调整隧道肉照明状态。同时，配合变色温隧道灯，实现实时调节亮度和色温值，保证隧道内照明视觉效果处于最隹状态。系统采用闭环反馈调节方式，根据所需亮度、色温值，以实际测量亮度、色温值为基础，实时调节照明系统的输出。实验证明，该系统安全可靠，能够保证照明效果达到预期，确保行车安全的同时使驾驶员获得最佳的视觉感受，同时能够最大限度降低能耗。

简介：为了解决相干偏振合成中输入光功率之比和相位差对合成效率影响的问题,本文在分别基于相位控制和基于偏振控制的相干偏振合成方法的基础上,结合两种方法的优点,提出了一种基于相位-偏振组合控制的相干偏振合成设计方法,并通过四路相干偏振合成对其可行性进行了验证。研究结果表明:在闭环的情况下,整个系统的组合效率达到97.61%。该设计方法有效解决了空间激光通信系统中将多路激光耦合至一根光纤中时效率低的问题。

简介：采用ZigBee无线通信网络为核心并选择位置指纹与三角质心算法相结合的定值方案，分斩了实验场景下信号强度的统计特征；从统计结果人手，进行ZigBee信号测距的可行性分析，凭化了基于接收的信号强度指示（RSSI）的测距方程。进而使用改进的位置指纹法和优化的参考节点布局方案完成定位。实验结果表明，相比传统方法，位置指纹与三角核心算法相结合的定位方案大幅度提高了定位精度。

简介：当下大部分UHF读写器结构设计复杂，体积和功耗较大。通过对UHF读写器的硬件架构进行理论分析，设计了一款由分立元件构成的小型超高频读写器系统。系统软件设计通过应用新型四叉树防冲突算法，提高了读写器读乌取多标签的速率。测试表明，读写器具备响应速度快、读取距离远等特点，满足RFID系统需求。

简介：当前主流的运动目标检测方法存在计算量大、计算速度慢和无法实时检测等问题。本文以室外场景下的视频作为研究对象,在特征提取方面利用HOG特征和颜色特征相结合的特征融合方法,使用主成分分析法对特征维度进行降维,克服了单特征描述能力不全面的问题和多个特征数据量大的问题;在分类器设计方面,本文使用经过调优结构后的BP神经网络,克服了模式识别检测时间长的问题。实验结果表明,该算法相对于当前主流的HOG+SVM算法,在INRIA运动目标数据库上对运动目标的检测率达到92%,且速度较快。

简介：为解决物联网智能化升级以及与信息化系统融合过程中带来的问题和挑战，提出了基于云边融合的物联网智能服务架构AICloud。AICloud由边缘节点、边缘域、云中心组成，三层各司其职、相互协同，实现AI可调度、数据按需汇聚、应用场景化、运维一体化。在AICloud架构下，能够实现软件与硬件的解耦以及数据与应用的解耦，在基础设施、数据、平台、应用等各层面全面开放，打造行业能力开放体系，共筑产品和服务生态圈，共同促进行业的可持续发展。

简介：研究基于深度强化学习技术的避障场景的算法模型设计，采用改进岛深度Q网络（DeepQ-lesrningNet-work，DQN）算法克服了Q-learning表名式算法在连续状态下导致内存不足的局限性。鉴于学习过程中奖励稀疏导致很艰难获得较好结果的情况，改进奖利机制，增知实时奖惩作为补充，解决学习耗时长和练不稳定的问题：采用相对角度、位置金和距离等信息，相比绝对坐标信息可以更有效的躲障碍物。不同于基于栅格法／可视图法等传统人为策略避障算法，深度强化学习算法DQN能够在缺乏先验知识的条件下具备自主决策能力，因此适用性更强。该技术可应用在仓储无人车、巡佥机器人、无人机等现实场景。

简介：Arm宣布将其DesignStart项目进一步升级,在Cortex-M0和Cortex-M3的基础上,又将其功耗最低、面积效率最高的应用处理器Cortex-A5纳入该项目,帮助开发人员在高级设计中轻松访问支持Linux的Arm处理器。

简介：人工智能技术在军事领域中的应用受到越来越多国家的重视,国外相继大力资助人工智能技术军事化应用的研究和开发工作,且有了很大进展。本文简述了人工智能在军事领域中的应用,以及国外人工智能典型的军事应用项目和理念。人工智能的发展将对军事装备的发展产生重大作用,也将对未来战争的战略、战术带来重大影响。

简介：在高速链路中，差分线由于具有很高的鲁棒性从而应用广泛，因此差分线的补偿就显得至关重要。以寻找最优的补偿方法为研究目的，结合实际PCB工作中的层叠结构，通过在HFSS和ADS中搭建模型，对比验证不同补偿方式对差分信号质量的影响。最后，指出存在的问题并总结归纳解决方法，为今后PCB布线中差分信号线的补偿方式提出了一些建议。

简介：企业上云，是顺应数字经济发展潮流，加快企业数字化转型，提高创新能力、业务实力和发展水平的重要路径。服务于企业数字化创新的私有云平台，需要资源架构、数据架构和应用架构三个层面的全面变革。本文提出的私有云基于主流开源技术整合优化，提供了全栈的解决方案。未来，私有云将继续沿着标准化、全栈化名和务化的方向．将更多的基础能力与业务解耦、平台化，实现按需供给，进一步解放业务团队，为更多的场景景业务负载提供支持．驱动企业数字化创新。而从技术架构本身来看，私有云平台在可用性、稳定性、可靠性、性能、可扩展性、成本等方而的优化，仍将是一条没有止境的路。

简介：在工业物联网高速发展的同时，伴随着网络安全威胁的急逮攀升，准确检测到威胁工业物联网安全的入侵行为是极其重要的。本文简要分斩了工业物联网所面临的网络安全问题，采用了6种基于机器学习算法的入侵检测技术，并对应用效果进行对比分析。通过实验验证了入侵检测的有效性，并对下一阶段的研究方向做出了展望。

简介：无线传感器网络栅栏覆盖在入侵监测领域发挥着重要的作用，知何高效、低代价地构建栅栏以及栅栏出现间隙后如何修复是重点研究问题。针对该问题提出一种能耗优先的WSN栅栏覆盖方法，首先根据静态传感器节点构建全连接拓扑图，然后将全连持拓扑图转换为可移动节点需求拓扑图，接着采用K一最每路径算法和匈牙利算法选择可移动节点需求拓扑图中的最佳栅栏构建路径并派遣可移动节点完成栅栏的构建。该方法在充分利用静态传感器节点的基础上派遣少量可移动传感器节点即可完成栅栏的构建。实验结果表明在栅栏构建和修复方面与其他方法相比节约了能量，且栅栏修复率比Optimal方法提高了8％．

简介：NB-IoT技术具备广覆盖、支持连接量多、低功耗、低成本4个显著特性,很好地平衡了传统传输技术所面临的矛盾问题。本文从技术应用的角度出发,讲述了基于NB-IoT的智能井盖终端开发、测试过程以及测试结论。该终端可以对井盖实时监测,及时通过NB-IoT上报状态,具备实时、低功耗、低成本等优点。

简介：随着人工智能的发展，数字识别技术也得到了关注并通过各种算法提高了识别准确率。数字识别在安防、交通、邮政等领域发挥越来越重要的作用，是智能城市不可或缺的一环。通过采用包含隐含层的BP神经网络对数字识别进行仿真。首先介绍Mnist数据集、人工神经元模型、激活函数、BP算法等相关概念，详细描述了BP神经网络的原理，并通过实例进行BP网络设计。同时提出了6种优化方式，分别是初始化权值、设置Dropout、选取不同的激活函数、选取不同的代价函数、采用不同优化器、设置学习率。结果表明BP网络在数字识别方面具有实际应用价值，并能通过各种优化方式提高识别精度。

简介：在丝绸等织物生产过程中,经常会出现织物产生非正常花纹的缺陷。目前对织物缺陷的检测主要是通过人工肉眼判别,该方法花费时间长、人工成本高,会给企业带来较大的经济负担。本文通过使用BP和SAE两种神经网络对织物进行缺陷检测,并判断是何种缺陷:首先介绍了使用BP神经网络对大量样本训练并保存,得到最佳权值,从而实现对于图像的缺陷检测和分类;训练样本通过SAE深度神经网络训练得到重构图像,再不断微调参数,获得最佳的权重数值,运用滤波器过滤噪声,最终得到结果。通过大量的实验,结果表明两种方法对织物缺陷检测均具有非常良好的效果,充分证明了深度神经网络在工业生产织物过程中运用的可行性。