202308 文章進(jìn)入202308技術(shù)社區(qū)

基于單Wi-Fi模塊的STA+P2P+AP共存方案

設(shè)計(jì)了一種基于單WiFi模塊的STA+P2P+AP共存方案，硬件采用DBDC的2X2 Wi-Fi模塊，通過(guò)P2PGroup的beacon幀廣播來(lái)實(shí)現(xiàn)AP和P2P的共存，不僅解決了STA+P2P下的AP共存問(wèn)題，而且解決了單Wi-Fi模塊多種網(wǎng)絡(luò)服務(wù)的共存沖突，有效提升了互聯(lián)網(wǎng)無(wú)線終端協(xié)作的效率，并降低了成本。
關(guān)鍵字： ?202308 Wi-Fi STA P2P AP 共存

對(duì)?？礕igE相機(jī)以Python程序連接方法的研究

由于GigE相機(jī)在傳輸數(shù)據(jù)方面的特殊性，不同廠家需要自己設(shè)計(jì)自己的連接端口，這使得各常見提供的連接程序各不相同，同時(shí)由于多數(shù)情況下工業(yè)會(huì)采用C或C++程序來(lái)編寫控制軟件，一般廠家對(duì)GigE相機(jī)連接Python程序的軟硬件方法雖然會(huì)進(jìn)行開發(fā)，但是在實(shí)際操作中缺少詳細(xì)的說(shuō)明文檔以及足夠的開發(fā)實(shí)例。本文介紹了使用海康GigE相機(jī)與Python程序進(jìn)行連接使用的項(xiàng)目經(jīng)驗(yàn)，可以為同類型的任務(wù)提供參考。
關(guān)鍵字： 202308 GigE接口 Python 通信

基于ESP32S3的智能家居控制面板系統(tǒng)設(shè)計(jì)

設(shè)計(jì)了一款用于控制智能家居設(shè)備的帶屏控制面板，主控部分采用樂(lè)鑫ESP32S3系統(tǒng)級(jí)芯片并自帶WIFI功能，屏幕使用LCD液晶屏QSPI接口；面板自帶3個(gè)按鍵可自定義控制功能；語(yǔ)音采用ES8388編解碼芯片和雙麥?zhǔn)耙?；系統(tǒng)可支持語(yǔ)音控制。
關(guān)鍵字： 202308 ESP32S3 智能家居控制面板 WiFi 語(yǔ)音

基于RK3588的8K無(wú)線投屏系統(tǒng)軟硬件設(shè)計(jì)

設(shè)計(jì)了一款8K無(wú)線投屏系統(tǒng)，主控采用瑞芯微RK3588，WiFi采用瑞昱RTL88222CU；支持HDMI2.1接口；支持DLNA投屏協(xié)議、Airplay投屏協(xié)議和Miracast投屏協(xié)議；系統(tǒng)最大支持8路跨協(xié)議同時(shí)投屏。
關(guān)鍵字： 202308 無(wú)線投屏 8路投屏混合投屏 RK3588 RTL88222CU

基于RK3588的云電腦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

設(shè)計(jì)一款基于RK3588的云電腦系統(tǒng)，主控采用瑞芯微RK3588，Wi-Fi采用瑞昱RTL8822CU；系統(tǒng)采用Type-C供電，USB接口連接鼠標(biāo)、鍵盤，HDMI2.0接口連接顯示屏。
關(guān)鍵字： 202308 云電腦 RK3588 RTL8822CU

居家養(yǎng)老視角下老人過(guò)久離床監(jiān)測(cè)系統(tǒng)設(shè)計(jì)

針對(duì)當(dāng)前老年人居家場(chǎng)景夜間過(guò)久離床提醒解決方案存在的不足，設(shè)計(jì)了一種基于離床時(shí)間變異系數(shù)的過(guò)久離床監(jiān)測(cè)系統(tǒng)。通過(guò)睡眠狀態(tài)監(jiān)測(cè)模塊，獲取老年人最近夜間正常離床時(shí)間數(shù)據(jù)，對(duì)正常離床時(shí)間變異性系數(shù)進(jìn)行統(tǒng)計(jì)和分析，進(jìn)行過(guò)久離床時(shí)間的預(yù)測(cè)和判斷，并根據(jù)過(guò)久離床時(shí)間情況，通過(guò)遠(yuǎn)程消息或SOS報(bào)警的方式通知異地子女，從而達(dá)到遠(yuǎn)程健康預(yù)警的目的。系統(tǒng)能有效預(yù)測(cè)和優(yōu)化過(guò)久離床時(shí)間的演變趨勢(shì)和波動(dòng)范圍，預(yù)防老年人夜間離床過(guò)久的健康風(fēng)險(xiǎn)。
關(guān)鍵字： 202308 居家養(yǎng)老睡眠監(jiān)測(cè) 變異系數(shù) 過(guò)久離床 SOS 健康預(yù)警

基于類別圖增強(qiáng)算法的融合異構(gòu)數(shù)據(jù)會(huì)話推薦分析

為了提高融合異構(gòu)數(shù)據(jù)會(huì)話推薦效率，設(shè)計(jì)了一種通過(guò)類別圖來(lái)實(shí)現(xiàn)增強(qiáng)效果的推薦算法。在融合層內(nèi)融合物品與類別表征結(jié)果，確保物品表征中包含類別數(shù)據(jù)；根據(jù)注意力機(jī)制建立全局表征，再通過(guò)局部表征建立最終表示；通過(guò)預(yù)測(cè)層計(jì)算各候選對(duì)象推薦參數(shù)。研究結(jié)果表明：設(shè)計(jì)得到的CaSe4SR模型對(duì)各類數(shù)據(jù)集都表現(xiàn)出了最優(yōu)推薦性能，CaSe4SR-W模型表現(xiàn)出了比Concat與CaSe4SR兩種模型更差的性能，推斷類別信息需結(jié)合物品信息共同建模，需根據(jù)物品參數(shù)才可以發(fā)揮信息補(bǔ)充功能。
關(guān)鍵字： 202308 會(huì)話推薦類別圖增強(qiáng)算法異構(gòu)數(shù)據(jù) 全局表征

基于自適應(yīng)軟掩模的語(yǔ)音混合特征增強(qiáng)分析

為了提高語(yǔ)音混合特征增強(qiáng)效果，設(shè)計(jì)了一種以自適應(yīng)軟掩模與混合特征共同分析算法來(lái)實(shí)現(xiàn)。以混合特征分析可以消除單一梅爾域?yàn)V波器無(wú)法提供高頻特征的缺陷。研究結(jié)果表明：選擇融合相位自適應(yīng)軟掩模方式時(shí)，能夠最大程度去除背景噪聲。以本文融合相位差自適應(yīng)軟掩?？梢垣@得比IRM更顯著優(yōu)勢(shì)，經(jīng)過(guò)優(yōu)化處理的語(yǔ)音特征與學(xué)習(xí)目標(biāo)構(gòu)建得到的語(yǔ)音增強(qiáng)算法能夠促進(jìn)語(yǔ)音質(zhì)量的明顯提升。以自適應(yīng)軟掩模與混合特征訓(xùn)練神經(jīng)網(wǎng)絡(luò)處理獲得優(yōu)秀的信噪比，達(dá)到更優(yōu)的算法性能。
關(guān)鍵字： 202308 語(yǔ)音增強(qiáng) 自適應(yīng)軟掩模 DNN 混合特征

適用于手語(yǔ)采集與輸入的智能手套及翻譯系統(tǒng)

設(shè)計(jì)并實(shí)現(xiàn)了一款以ESP32-C3-WROOM-02為核心，基于物聯(lián)網(wǎng)、UDP協(xié)議、姿態(tài)傳感器和彎曲傳感器的適用于手語(yǔ)采集與輸入的智能手套及翻譯系統(tǒng)。該系統(tǒng)通過(guò)在手套上綁定姿態(tài)傳感器MPU6050，配合彎曲傳感器動(dòng)態(tài)監(jiān)測(cè)手的運(yùn)動(dòng)和姿態(tài)，通過(guò)ESP32芯片采集傳感器數(shù)據(jù)并做初步處理，經(jīng)單片機(jī)上的Wi-Fi模塊通過(guò) UDP 協(xié)議傳輸給云端采用 SVM 算法識(shí)別靜態(tài)手勢(shì)，此外，本設(shè)計(jì)還搭建了基于Python的Web應(yīng)用程序框架Streamlit實(shí)現(xiàn)在網(wǎng)頁(yè)上實(shí)時(shí)呈現(xiàn)處理結(jié)果和全平臺(tái)兼容，方便用戶使用。
關(guān)鍵字： 202308 手勢(shì)識(shí)別 ESP32 彎曲傳感器 SVM 神經(jīng)網(wǎng)絡(luò)

基于ELM改進(jìn)K-SVD算法的多特征融合物體成像識(shí)別

通過(guò)極限學(xué)習(xí)機(jī)ELM算法改進(jìn)K-SVD字典學(xué)習(xí)算法，并成功應(yīng)用于多特征融合物體成像識(shí)別領(lǐng)域。研究結(jié)果表明：通過(guò)ELM算法，字典精確度和優(yōu)勢(shì)在處理后的提升效果均十分顯著。不論是從計(jì)算效率還是計(jì)算準(zhǔn)確率來(lái)看，改進(jìn)的K-SVD算法表現(xiàn)出較佳優(yōu)勢(shì)。K-SVD算法性能可通過(guò)ELM顯著提升，算法識(shí)別準(zhǔn)確率在多特征加入后也相應(yīng)快速增長(zhǎng)。將較低分辨率的樣本從圖像中篩選出來(lái)，有利于減少傅里葉疊層成像數(shù)量。
關(guān)鍵字： 202308 K-SVD算法算法改進(jìn) 圖像識(shí)別

無(wú)人機(jī)航拍建筑物視圖網(wǎng)絡(luò)融合目標(biāo)識(shí)別分析

為了提高無(wú)人機(jī)航拍目標(biāo)識(shí)別精度，提出一種基于視圖融合的目標(biāo)識(shí)別方法，該方法利用3個(gè)2DCNN分別提取無(wú)人機(jī)航拍3D體數(shù)據(jù)3個(gè)視圖的特征，本文方法有效性主要采取室內(nèi)實(shí)測(cè)數(shù)據(jù)進(jìn)行驗(yàn)證。研究結(jié)果表明：不論是從F-score還是從準(zhǔn)確度數(shù)據(jù)來(lái)看，視圖融合方法顯優(yōu)勢(shì)較為突出，保證分類結(jié)果更佳。相比于基于B-scan圖像的傳統(tǒng)方法，在分類性能方面?zhèn)纫晥D立方體與正視圖立方體占據(jù)更大優(yōu)勢(shì)。本文提出的目標(biāo)識(shí)別方法以視圖融合為理論基礎(chǔ)，實(shí)驗(yàn)結(jié)果顯示無(wú)人機(jī)航拍目標(biāo)識(shí)別精度得到進(jìn)一步提升。
關(guān)鍵字： 202308 ?無(wú)人機(jī)航拍視圖融合目標(biāo)識(shí)別 Alexnet方法精度

基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別檢測(cè)分析

為了提高人臉識(shí)別檢測(cè)精度，應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行分析。在建立AlexNet網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上，將Dropout技術(shù)引進(jìn)全連接層中，給出了具體的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)。研究結(jié)果表明：本文算法表現(xiàn)出較高的召回率，人臉簽到系統(tǒng)的基礎(chǔ)需求得到滿足。側(cè)臉及戴頭盔遮擋照片觀察對(duì)比得出，檢測(cè)人臉圖片的準(zhǔn)確度及清晰度均相對(duì)較高，表明對(duì)于部分遮擋人臉或側(cè)臉采用本文算法展示的魯棒性較佳。該研究有助于提高在遮擋情況下人臉識(shí)別能力，對(duì)圖像處理優(yōu)化起到一定的理論支撐。
關(guān)鍵字： 202308 人臉識(shí)別卷積神經(jīng)網(wǎng)絡(luò) 網(wǎng)絡(luò)結(jié)構(gòu) 檢測(cè)精度

基于雙無(wú)跡卡爾曼濾波的自動(dòng)駕駛狀態(tài)慣性監(jiān)測(cè)

自動(dòng)駕駛的完成需要設(shè)計(jì)合適的線控轉(zhuǎn)向系統(tǒng)。為了能夠?qū)囕v動(dòng)力慣性參數(shù)開展非線性評(píng)價(jià)，開發(fā)了一種分布結(jié)構(gòu)驅(qū)動(dòng)力電動(dòng)汽車雙無(wú)跡卡爾曼濾波(Dual unscented Kalman filter, DUKF)方法與狀態(tài)觀測(cè)系統(tǒng)聯(lián)合系統(tǒng)車輛慣性監(jiān)測(cè)方法。在分布結(jié)構(gòu)驅(qū)動(dòng)電動(dòng)汽車傳感器中，除了具備傳統(tǒng)傳感器慣性量參數(shù)如質(zhì)心橫擺角速度、縱向和側(cè)向加速度以外，還可以提供輪轂電機(jī)傳感器進(jìn)行車輪角速度測(cè)試。研究結(jié)果表明：采用DUKF方法觀測(cè)數(shù)據(jù)比DEKF方法更加符合實(shí)際情況，促進(jìn)觀測(cè)精度的顯著提升。
關(guān)鍵字： 202308 電動(dòng)汽車狀態(tài)觀測(cè) 慣性參數(shù) 雙無(wú)跡卡爾曼濾波

高效率30～512 MHz寬頻帶功率放大器設(shè)計(jì)

在現(xiàn)代無(wú)線通信系統(tǒng)中，信息傳輸正朝著多載波、大容量、高速度方向迅猛發(fā)展，通信系統(tǒng)對(duì)射頻部件的各項(xiàng)性能提出了更高的要求。作為射頻前端模塊的重要部件，寬帶線性功率放大器對(duì)通信連接的性能起著至關(guān)重要的作用。為了實(shí)現(xiàn)多個(gè)倍頻程的遠(yuǎn)距離實(shí)時(shí)通信，采用負(fù)反饋技術(shù)設(shè)計(jì)一款覆蓋寬頻帶、諧波抑制高、高穩(wěn)定性、高增益的小型化線性功率放大器。
關(guān)鍵字： 202308 寬帶功放負(fù)反饋諧波穩(wěn)定性增益效率

基于微能量采集技術(shù)的無(wú)源物聯(lián)網(wǎng)研究與應(yīng)用

基于微能量采集技術(shù)設(shè)計(jì)一款無(wú)源、無(wú)線智能開關(guān)。微能量(光能)采集使用E-PEAS的 AEM1094方案，藍(lán)牙使用凌思微的LE5010方案。實(shí)驗(yàn)證明本文設(shè)計(jì)的無(wú)源、無(wú)線智能開關(guān)具備環(huán)境部署的便利性也擁有極高的可靠性和穩(wěn)定性。
關(guān)鍵字： 202308 無(wú)源物聯(lián)網(wǎng) 微能量采集技術(shù) AEM10941 LE5010

共24條 1/2 1 2 »

202308介紹

您好，目前還沒(méi)有人創(chuàng)建詞條202308!
歡迎您創(chuàng)建該詞條，闡述對(duì)202308的理解，并與今后在此搜索202308的朋友們分享。創(chuàng)建詞條

202308 文章 進(jìn)入202308技術(shù)社區(qū)

202308介紹

熱門主題

202308 文章進(jìn)入202308技術(shù)社區(qū)