XiaoMi-AI文件搜索系统
World File Search System波束
可扩展敏捷波束雷达 (SABR) | 诺斯罗普·格鲁曼公司
©2020 Northrop Grumman 保留所有权利 DS-560-BOM-080420 eProc-14-0415 A330：2006-0016 2020 RM Graphics
AI 引擎上的波束成形实现
Xilinx AI 引擎专为各种应用（包括但不限于 5G 无线）中的密集计算而设计。一个 AI 引擎块由一个 AI 引擎、32KB 数据内存和两个用于自动数据传输的 DMA 引擎组成。每个 AI 引擎都配备了一个矢量处理器，该处理器能够在一个时钟周期内执行 32 个实数乘以实数 16 位乘法累加 (MAC) 运算。AI 引擎内的内存访问单元每个时钟周期读取 512 位操作数并写入 256 位计算结果，以匹配矢量处理器的功能。在单个 Versal™ AI Core 设备中，有数百个 AI 引擎块根据用户在编译时定义的数据流通过级联总线、AXI 流和共享本地内存互连。有关 AI 引擎的更多详细信息，请参阅 Xilinx AI 引擎及其应用 (WP506)。
通过大脑启发的几何透镜重新思考最大流问题和波束形成设计
摘要 — 可以通过双管齐下的方法提高无线网络（如车载网络）的数据速率，即 1）通过并行独立路由提高网络流速率；2）通过波束成形码本自适应提高用户的链路速率。移动中继（如移动路边单元）由于其定位灵活，可用于实现这些目标。首先在网络层面，我们将正则化拉普拉斯矩阵建模为黎曼流形上的点，该矩阵是表示中继相关网络图的对称正定 (SPD) 矩阵。受大脑网络中不同任务的几何分类的启发，黎曼度量（如对数欧几里德度量 (LEM)）用于选择可实现最大 LEM 的中继位置。仿真结果表明，与其他传统度量（如代数连通性）相比，所提出的基于 LEM 的中继定位算法可实现并行路由并实现最大网络流速率。其次，在链路层，我们提出了一种无监督几何机器学习 (G-ML) 方法来学习每个中继相关环境的独特信道特性。鉴于空间相关衰落信道具有 SPD 协方差矩阵，它们可以在黎曼流形上表示。因此，基于 LEM 的黎曼度量用于环境信道的无监督学习，并据此构建匹配的波束成形码本。仿真结果表明，所提出的 G-ML 模型在短暂的训练期后提高了链路速率。
波束空间复用：实践、理论和
摘要 —本文提出了一个新术语——波束空间复用，来替代3GPP版本中针对4G TD-LTE的多层波束成形。我们从工程和理论的角度对波束空间复用进行了系统的概述。首先，我们阐明了波束空间复用的基本理论。具体而言，我们从理论分析、信道状态信息获取和工程实施约束方面与天线空间复用进行了全面的比较。然后，我们分别从多层波束成形和大规模波束成形的角度总结了4G TD-LTE和5G新无线电（NR）中波束空间复用的关键技术和3GPP标准化。我们还提供了波束空间复用方案的系统级性能评估和来自当前商用TD-LTE网络和5G现场试验的现场结果。 4G TD-LTE 和 5G 蜂窝网络的实际部署证明了波束空间复用在实现复杂性和实际部署场景的限制内的优越性。最后，讨论了 6G 及以后波束空间复用的未来趋势，包括用于超大规模 MIMO (XL-MIMO) 的大规模波束成形、低地球轨道 (LEO) 卫星通信、数据驱动的智能大规模波束成形以及多目标空间信号处理，即联合通信和感知、定位等。
使用无人驾驶飞行器控制的系留单波束声纳对内陆水体进行水深观测
1 丹麦技术大学环境工程系，Kgs。丹麦林比。2 丹麦技术大学国家空间研究所，Kgs。丹麦林比，2800。联系人：Filippo Bandini (fban@env.dtu.dk) 10
使用无人驾驶飞行器控制的系留单波束声纳对内陆水体进行水深观测
1 丹麦技术大学环境工程系，Kgs. Lyngby，丹麦。 2 丹麦技术大学国家空间研究所，Kgs. Lyngby，2800，丹麦。联系人：Filippo Bandini (fban@env.dtu.dk) 10
鸟类雷达发展概述 – 过去、现在和未来 Tim J. Nohara，工学学士、工学硕士、博士、PE，Accipiter 雷达技术公司 Peter Weber，工学学士、工学硕士，Accipiter 雷达技术公司 Andrew Ukrainec，工学学士、博士，Accipiter 雷达技术公司 Al Premji，工学学士、工学硕士、博士，Accipiter 雷达技术公司 Graeme Jones，工学学士、博士，Accipiter 雷达技术公司 关键词：鸟类、雷达、网络、鸟类、跟踪、检测、融合、自动化、打击、实时、咨询、BASH、经济实惠、飞机、3D、测高、目标提取、鸟类学、海洋、双波束 摘要 几十年来，鸟类学家和生物学家一直使用雷达来表征鸟类的存在以及鸟类和其他生物空中目标的运动。X 波段和 S 波段海洋雷达收发器已成功用于自然资源管理 (NRM)、环境影响评估 (EIA) 和鸟类飞机撞击危险 (BASH) 管理等应用。在过去几年中，市场上出现了许多进步，其他进步也正在酝酿之中，带来了许多潜在的好处。这些包括：• 性能改进，• 连续目标数据记录，• 分析和可视化自动化，• 远程和无人值守操作，• 自动警报，• 广域覆盖，• 集中目标数据收集，• 多传感器融合，• 实时目标数据分发给远程用户，以及• 实时集成到第三方
鸟类雷达发展概述 – 过去、现在和未来 Tim J. Nohara，工学学士、工学硕士、博士、PE，Accipiter 雷达技术公司。 Peter Weber，工学学士、工学硕士，Accipiter 雷达技术公司。 Andrew Ukrainec，工学学士、博士，Accipiter 雷达技术公司。 Al Premji，工学学士、工学硕士、博士，Accipiter 雷达技术公司。 Graeme Jones，工学学士、博士，Accipiter 雷达技术公司。 关键词：鸟类、雷达、网络、鸟类、跟踪、检测、融合、自动化、打击、实时、咨询、BASH、经济实惠、飞机、3D、测高、目标提取、鸟类学、海洋、双波束 摘要 几十年来，鸟类学家和生物学家一直使用雷达来表征鸟类和其他生物空中目标的存在和运动。X 波段和 S 波段海洋雷达收发器已成功应用于自然资源管理 (NRM)、环境影响评估 (EIA) 和鸟类飞机撞击危险 (BASH) 管理等应用。在过去的几年中，市场上出现了许多进步，其他进步也正在不断涌现，带来了许多潜在的好处。这些包括： • 性能改进， • 连续目标数据记录， • 分析和可视化自动化， • 远程和无人值守操作， • 自动警报， • 广域覆盖， • 集中目标数据收集， • 多传感器融合， • 向远程用户实时分发目标数据，以及 • 实时集成到第三方态势感知应用程序和基于互联网的应用程序中。本文的目的是回顾并有组织地审视鸟类雷达技术的这些发展，以期提高我们对这套复杂工具的理解。通过回顾过去，我们将提供一个背景，以便人们更好地了解目前所取得的成就，以及技术和产品在未来仍需发展的方向。希望更好的理解将有助于利益相关者在今天和明天充分利用这些工具。1.简介 BASH 管理问题需要在相对较大的监视范围内对小型机动鸟类目标和飞机进行经济高效、实时（仅受较小延迟影响）的 3D 跟踪。本文的主题是满足 BASH 管理要求的机场鸟类雷达系统，因为它们也能够解决 NRM 和 EIA 应用。
全向多波束声纳监测 - IRD
摘要 通过中频全向多波束声纳获取的数据开发可用于渔业研究的原创性研究，但尽管大多数渔船和许多研究船上都配备了此类设备，但这种设备却很少使用。这是唯一一种用于实时监测船只或浮标周围水平全向平面内鱼群的系统。1996 年至 2001 年间，我们使用了两种标准全向声纳，并根据两种主要采样方案开发了利用其特定声学数据的新方法：“勘探”，包括捕鱼和搜索作业，以及“漂流”，如使用仪器浮标系统或固定船只。我们提出了一种从研究船或商业船上连续采集数据的完整方法，通过图片分析自动提取数据并采用数据处理方法。考虑两种数据分析情况：第一种是逐个鱼群进行分析，即“单群”模式；第二种是考虑声纳采样体积内检测到的所有鱼群，即“集群”模式。基本声纳信息分为五类，包括 24 个调查和声纳参数以及 55 个鱼群、集群和渔民行为描述符。我们回顾了这些类别的应用，并讨论了它们在渔业科学中的应用前景。如果声纳系统能够评估船只避让对鱼群生物量评估的影响，则简单的声纳回声积分过程无法提供准确的丰度估计。全向声纳数据可用于集体分析鱼群的游动速度、扩散和迁移方面的运动学、群体分裂和合并指标等聚集动力学、群体密度等集群的空间特征、二维结构和渔民行为。将这些数据整合到鱼群数据库中，包括多频回声测深仪和横向多波束 (3D) 声纳数据以及物种识别方法，将使我们能够全面了解鱼群行为，从而采用准确的渔业管理方法。
全向多波束声纳监测 - IRD
摘要 通过中频全向多波束声纳获取的数据开发可用于开展渔业研究中的原始研究，但尽管大多数渔船和许多研究船上都配备了此类设备，但却很少使用。这是唯一用于实时监测船只或浮标周围水平全向平面内鱼群的系统。1996 年至 2001 年间，我们使用了两种标准全向声纳，并根据两种主要采样方案开发了利用其特定声学数据的新方法：“勘探”，包括捕鱼和搜索作业，以及“漂流”，如使用仪器浮标系统或在固定船只上。我们提出了一种从研究船或商船上连续采集数据的完整方法，并通过图片分析和数据处理方法自动提取数据。考虑了两种数据分析情况：第一种是基于逐个学校的“单校”模式；第二种模式考虑了在声纳采样范围内检测到的所有鱼群，即“集群”模式。基本声纳信息分为五类，包括 24 个调查和声纳参数以及 55 个鱼群、集群和渔民行为描述符。我们回顾了这些类别的应用，并讨论了它们在渔业科学中的应用前景。如果声纳系统能够评估船只避让对鱼群生物量评估的影响，那么简单的声纳回声积分过程就无法提供准确的丰度估计。全向声纳数据可用于集体分析鱼群的游泳速度、扩散和迁移方面的运动学、群体分裂和合并指数等聚集动力学、集群的空间特征（如鱼群密度）、二维结构和渔民行为。将这些数据整合到鱼群数据库中，包括多频回声测深仪和横向多波束（3D）声纳数据与物种识别方法相结合，将能够全面了解鱼群行为，从而采用准确的渔业管理方法。