【摘 要】
：
针对高能物理研究、激光测距等对时间测量具有高精度要求的领域,采用时间周期计数粗测和时间-电压转换精测相结合的测量方法,设计了时间间隔测量系统,其主要由时间-电压转换电路、脉冲生成电路等组成,利用对电压量的精准测量转化为高精度的时间量.对系统供电进行优化,同时满足低功耗和低噪声的需求;分析了环境和电路板自热造成温度变化时对测量过程带来的误差,提出利用自校准技术消除温度影响.该系统具有测量范围高达20 s,测量分辨率为0.2 ps的优点.
【机 构】
：
长安大学信息工程学院,西安710064
论文部分内容阅读
针对高能物理研究、激光测距等对时间测量具有高精度要求的领域,采用时间周期计数粗测和时间-电压转换精测相结合的测量方法,设计了时间间隔测量系统,其主要由时间-电压转换电路、脉冲生成电路等组成,利用对电压量的精准测量转化为高精度的时间量.对系统供电进行优化,同时满足低功耗和低噪声的需求;分析了环境和电路板自热造成温度变化时对测量过程带来的误差,提出利用自校准技术消除温度影响.该系统具有测量范围高达20 s,测量分辨率为0.2 ps的优点.
其他文献
随着人们对互联网应用的越来越深入,出现了一些网络安全问题,比如局域网网络风暴引起的网络拥塞、蠕虫病毒、特洛伊木马、系统安全漏洞、令人生厌的流氓软件和广告弹窗等一系列问题.必须采取一系列措施来保障网络安全.
为解决高职院校的全校服务器安全管理问题,提高网络安全日志处理的效率,利用Graylog的可扩展性,设计了一套基于Graylog的日志分析系统,便于对服务器日志状态进行观察.高职院校众多服务器会产生庞大的日志数据量,为优化大量日志数据的查询响应时间,提出了Graylog集群,在集群中利用Graylog的重要组件Elasticsearch,主要通过段合并的方式提升性能.实验结果表明,在日志数据量为10万条的情况下,查询优化可以达到最大值,优化百分比最大为87.7％.
随着互联网应用领域的不断拓宽,丰富的应用场景下暴露的网络安全风险和问题越来越多.基于此,介绍了渗透攻击技术、网络攻击检测技术和入侵防御技术,对涉及的关键技术展开原理性研究,将网络攻击分为前期、中期、后期.选取攻击者发起网络渗透攻击时几个关键节点步骤进行网络攻击技术反制研究.希望能够提升网络安全管理者对抗网络攻击的能力.
用微控制器实现人工智能是近年来嵌入式产品开发的热点和难点.本文讨论在MCU上部署深度网络模型,在MCU上进行推理的方法、技术和工具,分析部署MCU AI的流程、MCU深度网络模型支持库以及网络模型转换工具和优化方法,最后介绍知名MCU供应商发布的深度网络模型训练和部署工具.
针对传统无线网络组网系统运行中组网成功率低、数据传输速度较慢的问题,本文改进边缘计算结构,加强了边缘需求与基站设备之间的联系,使基站数据发送量尽可能满足用户需求;根据终端需求设计网关通信结构,采用载波相位估计(Carrier Phasc Estimation,CPE)算法分析基站和终端数据序列相位,结果增加了数据传达的准确性.试验结果表明,本研究组网系统基站数据发送量为1058.64 MB,组网成功率高达95.8％,传输速度为5.28 MB/s,性能优越.
人工智能如何在资源受限的嵌入式微控制器中实施是一个亟待解决的问题.本文分析了嵌入式人工智能在工科专业教学中的现状和困窘,介绍了基于Kociemba算法和人工智能神经网络增强的魔方复原机器人教学实践,以及在近年开展的人工智能与智能机器人研究性比赛和教学中的应用,提出几点人工智能在工科能力培养与竞赛中的建议.
针对现有泛在电力物联网的无线通信接入方式效用较低,通信数据传输过程中效率较低、误差较大等问题,本研究基于通信网络QoS建立判决指标,通过TOPSIS评价算法解决各无线通信方式之间的异构性,实现多种无线通信网络的选择;通过改进压缩采样技术将两步迭代法融入到无线通信数据的压缩过程中,使无线通信数据重构效率和准确度得到提升.实验结果表明,本研究所提方法使得无线通信数据效果明显提升.
为研究SIMD在嵌入式领域中对处理器性能的提升效果,选择一种并行化程度较高的图像处理算法Yolov3进行SIMD向量化移植.根据开源指令集RISC-V扩展指令集中的V(Vector)指令集修改Yolov3算法的代码,将其部署到优矽科技自研的WH64处理器的VPU(Vector Processor Unit)中验证;结合Amdahl定律和Yolov3自测程序评估SIMD算法提升的性能.实验结果表明,在Xilinx的Kintex7板上以50 MHz主频运行,在向量化算法占比90％以上时,SIMD处理过后的代码
本文设计了基于大数据分析的通信信号智能检测系统.基础设施层在VM虚拟机上创建多个Xen虚拟机,通过数据持久化设计实现信息虚拟化存储与管理,并将采集的数据通过网络通信层传输至核心服务层,核心服务层采用大数据分析方法构建通信信号检测模型,通过捕捉相邻信号之间非线性时空动作,评价相邻行为之间工作状态的关联性,预测信号行为后续工作状态,实现通信信号检测,并将识别结果反馈给用户接口层实时查看.实验结果显示,该系统的通信信号检测正确率始终高于95％,识别结果准确、可靠;异常信号检测的漏拒率较低,且识别效率高,具有全面
本文基于ESP32微控制器设计了一种轻量化的卷积神经网络用于自动识别水表的数字读数,该神经网络通过Tensorflow Lite深度学习开源框架部署到微控制器上,通过OV2640摄像头采集图像并传输给ESP32微控制器调用神经网络模型执行数字分类推理,实现读数识别.实验结果表明,该网络模型可以部署在硬件资源有限的ESP32微控制器上运行,对于清晰数字样本的预测准确率可达96％以上.