• 首页
  • 新闻
    业界动态
    新品快递
    高端访谈
    AET原创
    市场分析
    图说新闻
    会展
    专题
    期刊动态
  • 设计资源
    设计应用
    解决方案
    电路图
    技术专栏
    资源下载
    PCB技术中心
    在线工具库
  • 技术频道
    模拟设计
    嵌入式技术
    电源技术
    可编程逻辑
    测试测量
    通信与网络
  • 行业频道
    工业自动化
    物联网
    通信网络
    5G
    数据中心
    信息安全
    汽车电子
  • 大学堂
  • 期刊
  • 文献检索
期刊投稿
登录 注册

 CDR标准的数字调制系统研究与设计

CDR标准的数字调制系统研究与设计[嵌入式技术][通信网络]

中国调频频段数字音频广播即CDR标准可提供灵活的频谱模式,本文针对其关键技术——正交频分复用的调制技术进行研究与设计。分析子载波矩阵的构造,完成OFDM符号的有效子载波设计,对FFT设计采用改进基-2蝶形降低乘法器数目,利用块浮点数计算实现高精度,采用流水线方式优化设计流程。用Verilog HDL语言实现OFDM符号生成与FFT的设计,进行FPGA综合仿真。与MATLAB仿真结果对比表明,成帧载波可实现数模同播,FFT变换准确性高,符合CDR调制系统的要求

发表于:2016/2/22 上午11:16:00

无芯片RFID多标签防碰撞研究

无芯片RFID多标签防碰撞研究[嵌入式技术][其他]

针对无芯片RFID多标签难以准确识别的问题,提出一种改进型矩阵束算法(Matrix Pencil Method,MPM)解决其碰撞问题。标签散射场信号存在早时和后时响应,散射场信号极点在早时响应期间处于不稳定状态,但在后时响应期间趋于稳定。算法利用散射场信号这一特性,在多标签散射场信号中应用改进型矩阵束算法,根据后时响应开启时间和极点稳定程度的不同来区分各个标签。实验中采用多个方形开槽结构标签来建立模型。仿真结果表明,该算法能够区分各个无芯片RFID标签,基本满足了对多标签检测准确性、稳定性等方面的要求。

发表于:2016/2/22 上午11:09:00

基于ASGSO算法的改进DV-Hop算法

基于ASGSO算法的改进DV-Hop算法[通信与网络][其他]

针对无线传感器网络定位技术中DV-Hop算法在最后阶段计算待定位节点坐标时定位精度低的问题,提出了一种基于自适应步长萤火虫优化算法的改进DV-Hop算法(ASGSODV-Hop)。该算法将DV-Hop算法在估算节点坐标阶段所使用的最小二乘法用ASGSO算法代替,采用ASGSO智能算法的自适应迭代寻优对DV-Hop算法定位求解的问题建立特定的适应度函数并进行多次迭代计算实现优化,最终使待定位节点坐标与真实值更为接近。仿真结果表明,该算法的平均定位误差约为23.58%;相比于传统DV-Hop算法,ASGSODV-Hop算法可在无需附加通信开销的情况下使定位误差降低约46.49%,提高了节点的定位精度。

发表于:2016/2/22 上午10:58:00

基于电力线载波的路灯线路检测系统研究

基于电力线载波的路灯线路检测系统研究[电源技术][智能电网]

针对城市路灯线路的损坏以及被盗等问题,在分析比较现有路灯监控系统功能的基础上,结合当今社会对路灯控制管理的要求,提出了基于电力线载波通信的城市路灯线路检测方案,设计了以51单片机为核心的线路检测系统。该系统由控制端和接收端组成,当检测到线路故障时控制端可以把信息反馈给路灯管理中心,同时发送指令启动无线检测模块,以确认该线路的具体故障位置。该系统能够实时监测到路灯线路状况,改变人力检修排查的低效性,具有较好的应用前景。

发表于:2016/2/22 上午10:50:00

基于SOM神经网络的移动客户细分研究

基于SOM神经网络的移动客户细分研究[通信与网络][通信网络]

利用基于RFM模型的自组织特征映射神经网络(Self-Organizing Feature Map,SOM)对移动客户进行细分,可以有效地解决各类别特征不明显、特征参数相互交错、非线性分布的类型识别问题。研究过程中将客户的属性划分为近度、频度、值度三个指标,模拟专家分类的功能,根据各个客户簇的特征进一步分析客户的终身价值,量化分析客户的重要性。最后利用相关的市场营销知识对各个客户类别提出相应的营销策略方案。

发表于:2016/2/22 上午10:37:00

基于支持向量机的乳腺癌化疗预后状态预测

基于支持向量机的乳腺癌化疗预后状态预测[嵌入式技术][医疗电子]

: 乳腺癌是危害女性生命的一种恶性肿瘤。目前,在乳腺癌治疗方面,新辅助化疗获得了良好的成果,使众多女性恢复了健康。支持向量机在实际应用中有着良好的泛化和学习能力,并在商业、经济以及医疗等领域有所应用。采用决策树分类器和支持向量机分类器,结合乳腺癌新辅助化疗随访记录数据,预测乳腺癌患者新辅助化疗的预后状态,实验结果表明使用支持向量机的效果好于使用决策树的效果,在支持向量机中使用径向基核函数时获得了最高的准确率,达到了84.08%,由此可见,该分类方法可能成为一种乳腺癌新辅助化疗的预后状态的有效预测工具。

发表于:2016/2/22 上午10:22:00

改进的基于样本块的图像修复方法

改进的基于样本块的图像修复方法[嵌入式技术][其他]

在研究Criminisi修复算法的基础上,提出了改进的基于样本块的图像修复方法。根据图像的待修复面积及其纹理特征,自适应选取样本块大小,提高修复的速度;采用新的数据项,改进优先权公式,避免阶梯效应的产生;重新定义置信度的更新公式,引入曲率距离,减少因置信度更新而累计的误差,提高修复顺序的准确性。实验表明,改进的方法能够有效提高修复的效果,减少修复所需时间。

发表于:2016/2/22 上午9:51:00

岩石薄片显微图像的自动聚焦算法

岩石薄片显微图像的自动聚焦算法[嵌入式技术][其他]

岩石薄片显微图像在有较多的平坦背景区域且受到杂质和噪声干扰时,现有的聚焦算法极易出现自动聚焦失败。本文针对岩石薄片显微图像的相关特性,提出一种改进的Vollath函数清晰评价函数,该算法基于图像的互相关函数,可以有效抑制噪声、减少杂质干扰,再结合变步距渐进爬山算法实现岩石薄片显微图像的自动聚焦。大量实验表明,该算法基本可以满足实时性要求,并表现出卓越的单峰性和抗噪性,已在岩石薄片显微图像的自动聚集中进行实际应用。

发表于:2016/2/21 下午9:22:00

基于小波分解的分层自适应图像增强

基于小波分解的分层自适应图像增强[显示光电][其他]

针对具有丰富纹理细节的图像的增强,本文提出了一种基于小波低频自适应分层的算法。该算法根据图像小波分解的低频部分计算出相应的对比度信息,以实现自适应分层,然后依据分层的结果确定自适应增强函数,最后达到不同程度的增强效果。通过实际的实验表明,所提出的基于小波分解的分层自适应增强算法对具有丰富纹理细节的图片具有较好的增强效果,能够有效地提高图像质量。

发表于:2016/2/21 下午9:09:00

基于双重轮廓演化曲线的相似图像组分割模型

基于双重轮廓演化曲线的相似图像组分割模型[显示光电][其他]

ACGS(Active Contours With Group Similarity)模型在CV模型的基础上结合了矩阵的低秩性约束,能较好地分割目标特征缺失或错误的相似图像组,但对于灰度不均的相似图像组分割效果较差。而双重轮廓演化曲线的图像分割水平集模型在LBF模型的基础上引入了目标内外两条轮廓曲线,很好地克服了LBF模型对于初始轮廓的敏感性,对于灰度不均的单张图像分割效果较好。受此启发,本文提出了基于双重轮廓演化曲线的活动轮廓模型来分割相似图像组。该模型首先结合LBF模型来更好地分割灰度不均的图像;其次利用ACGS模型的低秩性质来保持图像间的相似程度,从一定程度上改善了LBF模型在能量函数最小化时易陷入局部极小值的情形;最后引入目标内外的两条轮廓曲线

发表于:2016/2/21 下午8:49:00

  • <
  • …
  • 633
  • 634
  • 635
  • 636
  • 637
  • 638
  • 639
  • 640
  • 641
  • 642
  • …
  • >

活动

MORE
  • 征文启事:2026电子信息工程学术研讨会(集成电路应用杂志)
  • 直播预告|防火墙的过去、现在与未来
  • 2026 阿里云 Data+AI 工程师全球挑战赛圆满收官
  • 【热门活动】2026中国西部微波射频技术研讨会
  • “汽车电子·2026年度金芯奖”网络投票通道正式开启!

高层说

MORE
  • 从 FactoryView(运营可视化)迈向智能决策支持
    从 FactoryView(运营可视化)迈向智能决策支持
  • 2026年,塑造下一波EDA创新浪潮的关键趋势
    2026年,塑造下一波EDA创新浪潮的关键趋势
  • 【回顾与展望】芯科科技:边缘AI重塑物联网未来
    【回顾与展望】芯科科技:边缘AI重塑物联网未来
  • 奥芯明许志伟:“嵌入式协同”破局
    奥芯明许志伟:“嵌入式协同”破局
  • Develop平台打造电子研发全生命周期生态
    Develop平台打造电子研发全生命周期生态
  • 网站相关
  • 关于我们
  • 联系我们
  • 投稿须知
  • 广告及服务
  • 内容许可
  • 广告服务
  • 杂志订阅
  • 会员与积分
  • 积分商城
  • 会员等级
  • 会员积分
  • VIP会员
  • 关注我们

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2