基于轻量级密集神经网络的车载自组网入侵检测方法

基于轻量级密集神经网络的车载自组网入侵检测方法[通信与网络][汽车电子]

在车载自组网中，攻击者可以通过伪造、篡改消息等方式发布虚假交通信息，导致交通拥堵甚至是严重的交通事故，而传统的入侵检测方法不能满足车载自组网的应用需求。为了解决现阶段车载网中入侵检测方法性能低且存储与时间成本高的问题，提出了一种基于密集神经网络的入侵检测方法L-DenseNet(Light Dense Neural Network)，通过降低模型复杂性，提升算法训练速度和部署适应性，使其更适用于车载自组网中的入侵检测。在VeReMi数据集上进行对比实验，结果表明，该方法在识别各类攻击的精确率和召回率的综合表现最好，且具有较少的时间成本和存储开销。

发表于：7/1/2022 3:03:00 PM

基于自校验孪生神经网络的故障区段定位方法

基于自校验孪生神经网络的故障区段定位方法[通信与网络][通信网络]

针对中压配电网区段定位方法所存在的由系统中性点接地方式、故障点距离和过渡电阻大小等环境因素，以及电流互感器极性未知或智能电表错误安装等人为因素所导致的定位不准确问题，提出一种平稳小波极性校验下基于孪生神经网络的故障区段定位方法。首先，分析了零序电流暂态特征，指出了传统线性相关法存在的定位缺陷；其次，使用平稳小波变换解决信号同步和设备反接的问题；最后引入孪生神经网络对故障点上下游信号进行相似性匹配，经训练该模型可以准确定位故障区段。通过仿真验证，该方法具有较强的抗干扰能力，对于定位盲区也有较高的识别率。

发表于：7/1/2022 2:59:00 PM

基于表面扫描法的SiP器件近场电磁辐射测试方法

基于表面扫描法的SiP器件近场电磁辐射测试方法[其他][其他]

在近场电磁辐射测试研究中，还没有一套完整的面向单个元器件的测试方法。针对此问题，基于表面扫描法对SiP器件的近场电磁辐射测试方法进行研究。第一，利用X光研究SiP器件内部结构并进行干扰源分析；第二，完成硬件、软件层搭建使器件进入工作状态；第三，搭建近场测试系统，对工作中的器件实施近场测试。在案例研究中，所用SiP器件内部封装外围器件和作为主要干扰源的处理器。近场测试结果显示，PCB上辐射主要集中在SiP器件周围，器件近场辐射集中在处理器芯片处。案例研究的结果说明这种测试方法可以有效测量SiP器件的近场电磁辐射，并对器件内干扰源进行分析。

发表于：7/1/2022 2:55:00 PM

大摆幅输出的高速线性行波驱动器

大摆幅输出的高速线性行波驱动器[其他][其他]

基于0.13 μm SiGe BiCMOS工艺设计了高速线性行波马赫-曾德尔调制器(Mach-Zehnder Modulators，MZM)驱动器。驱动器主要由三个部分组成，分别是输入级、输出级和直流消除(Direct Current Offset Compensation，DCOC)。输入级在差分对的发射极引入可变电容和可变电阻来实现增益可调的功能，在输出节点采用了并联电感峰化技术来提高带宽；输出级中采用了击穿电压倍增技术来获得大摆幅输出电压，以及采用了并联电感峰化技术来提高带宽；DCOC通过在行波MZM驱动器的输出和输入之间建立反馈以消除直流失调，并且采用了一阶低通滤波器以保证环路稳定。仿真结果显示，驱动器的增益可以在较大的范围内可调，DCOC环路的相位裕度高达82°，最高工作速率为100 Gb/s，输出Vpp约为4 V，可以很好地驱动行波MZM。

发表于：7/1/2022 2:50:00 PM

C-R型多通道10 bit SAR-ADC设计

C-R型多通道10 bit SAR-ADC设计[模拟设计][其他]

采用0.13 μm工艺，设计并实现了一款单端CR型分级的10 bit SAR-ADC。在设计中，CR型分级的采用显著降低了芯片面积，高5位的温度计码控制有效消除时钟溃通等误差，自举开关的设计提高了采样精度，前置放大器的高精度静态比较器有效降低失调、提升了转换精度。设计的ADC内核尺寸为580 μm×290 μm，后仿真结果显示，在采样率1 MS/s下，输入正弦信号200 kHz时，ENOB可达9.5位，EO=1 LSB。

发表于：7/1/2022 2:46:00 PM

Yolo神经网络在集成电路焊盘布局规则检测上的应用研究

Yolo神经网络在集成电路焊盘布局规则检测上的应用研究[模拟设计][通信网络]

为探索深度学习在集成电路设计自动化上的应用，以电源和接地焊盘的排列规则作为检查案例，研究了Yolo v3神经网络在版图检查上的可行性。采用Python脚本批量生成版图样本图片，并使用LabelImg进行标签标记。使用TensorFlow框架编写了基于Yolo v3的版图检查器。结果显示，版图检查器在判断焊盘布局正确性上实现了高精确率与高召回率。此外，还通过调整版图的大小、形状、对称性与焊盘数目的方式对检查器进行了进一步测试。检查器仍表现卓越，体现出良好的扩展性。研究表明Yolo v3可以很好地找出焊盘布局的错误。深度学习在集成电路版图检查中的潜力大，值得继续探索。

发表于：7/1/2022 2:42:00 PM

基于SiP技术的某分组件及测试系统设计与实现

基于SiP技术的某分组件及测试系统设计与实现[模拟设计][工业自动化]

系统级封装SiP已成为突破摩尔定律的主要技术路线，是未来武器装备小型化和多功能化的重要依托，在武器装备研制和应用领域具有广阔的市场和前景。针对区域信号目标识别系统轻量化、小型化、集成化、低功耗等要求，设计一种基于SiP技术的某分组件并为此开发一套自动化测试系统，通过该自动化测试系统对200多套产品进行试验，得出该产品性能稳定、可靠；轻量化、小型化、低功耗等要求也满足客户要求。

发表于：7/1/2022 2:38:00 PM

基于YOLOv3-tiny的视频监控目标检测算法

基于YOLOv3-tiny的视频监控目标检测算法[其他][其他]

目标检测算法在视频监控领域有着较大的实用价值。针对当前在资源受限的视频监控系统中实现实时目标检测较为困难的情况，提出了一种基于YOLOv3-tiny改进的目标检测算法。该算法在YOLOv3-tiny架构的基础之上，通过添加特征重用来优化骨干网络结构，并提出全连接注意力混合模块来学习到更丰富的空间信息，更适合资源约束条件下的目标检测。实验数据表明，该算法相比于YOLOv3-tiny在模型体积降低39.2%，参数量降低39.8%，且在VOC数据集上提高了2.7%的mAP，在提高检测精度的同时显著降低了模型资源占用。

发表于：7/1/2022 2:33:00 PM

基于YOLOv5l的囊型肝包虫病病灶检测研究

基于YOLOv5l的囊型肝包虫病病灶检测研究[其他][医疗电子]

针对临床医生在诊断肝包虫病时需要通过个人经验判断囊型肝包虫病分型，研究基于目标检测算法的肝包虫病灶自动检测与分类模型，实现对肝包虫病超声影像的自动识别与分类。使用YOLOv5l模型作为囊型肝包虫病病灶目标检测的模型，利用本地肝包虫病超声影像数据集对网络模型进行训练。基于YOLOv5l模型与随机梯度下降算法(SGD)优化算法的肝包虫病病灶自动检测分类模型可以很好地对5种类型的病灶进行有效的检测，平均精度均值(mAP)为88.1%，经过测试，该模型的测试速度可达40 f/s。实验结果表明，基于YOLOv5l与SGD算法的肝包虫病病灶自动检测分类模型能够较好地识别病灶的具体位置，可以很好地辅助医生诊断肝包虫病。

发表于：7/1/2022 2:29:00 PM

基于改进YOLOv5的车辆属性检测

基于改进YOLOv5的车辆属性检测[测试测量][汽车电子]

车辆属性检测是一个基础任务，其属性检测结果可以被应用到很多下游的交通视觉任务。提出了一种基于YOLOv5的车辆属性检测改进算法。针对检测目标较小的问题，加入了卷积注意力模块，让网络模型把更多的注意力放在小目标对象上；针对数据集样本种类较少的问题，改进了YOLOv5的马赛克数据增强方式；使用自门控激活函数Swish，起到抑制噪声、加快收敛速度并提升模型鲁棒性的作用。此外，还在公开车辆数据集VeRi-776的基础上进行了详细的车辆属性标注，构建了一个车辆属性数据集。实验结果表明，改进后的算法比原始YOLOv5的平均精确率提升了4.6%，能够准确地检测到车辆图像的通用属性，可以供下游任务使用。

发表于：7/1/2022 2:25:00 PM