XiaoMi-AI文件搜索系统
World File Search System高数据
用于量子计算系统的基于 FPGA 的可重构信道化，使用多相滤波器组
摘要。最近提出的量子系统使用频率复用量子比特技术来读取电子器件，而不是模拟电路，以提高系统的成本效益。为了恢复单个通道以供进一步处理，这些系统需要一种解复用或通道化方法，该方法可以低延迟处理高数据速率，并且使用很少的硬件资源。本文介绍了一种使用多相滤波器组 (PFB) 信号处理算法的低延迟、适应性强的基于 FPGA 的通道器。由于只需设计一个原型低通滤波器来处理所有通道，因此 PFB 可以轻松适应不同的要求，并进一步简化滤波器设计。由于每个通道都重复使用相同的滤波器，与传统的数字下变频方法相比，它们还降低了硬件资源利用率。实现的系统架构具有广泛的通用性，允许用户从不同数量的通道、采样位宽度和吞吐量规格中进行选择。对于使用 28 系数转置滤波器和 4 个输出通道的测试设置，所提出的架构可产生 12.8 Gb/s 的吞吐量和 7 个时钟周期的延迟。
来自正射影像调查的区域航空图像能否产生高质量的摄影测量冠层高度模型？西欧的单树方法
需要森林监测工具来促进有效的、数据驱动的森林管理和森林政策。遥感技术可以提高森林监测的速度和成本效益，以及大规模森林属性制图（墙到墙方法）。数字航空摄影测量 (DAP) 是一种常见的、具有成本效益的机载激光扫描 (ALS) 替代方案，它可以基于常规获取的用于一般基础地图的航空照片。基于此类预先存在的数据集的 DAP 可以成为具有成本效益的大规模 3D 数据源。在森林特征描述方面，当有高质量的数字地形模型 (DTM) 时，DAP 可以生成描述树冠高度的摄影测量冠层高度模型 (pCHM)。虽然这种潜力似乎非常明显，但很少有研究调查过基于标准官方航空调查获得的航空立体图像的区域 pCHM 质量。我们的研究建议使用参考测量的树高数据库，根据按照此类协议获取的原始图像评估 pCHM 单个树高估计的质量。为了进一步确保该方法的可复制性，pCHM 树高估计基准仅依赖于公共森林清单 (FI) 信息，而摄影测量协议则基于低成本且广泛使用的摄影测量软件。此外，我们的研究调查了基于 FI 程序提供的邻近森林参数的 pCHM 树高估计之间的关系。我们的结果强调了使用 DAP 的 pCHM 提供的树高估计与现场测量和 ALS 树高数据具有良好的一致性。在树高建模方面，我们的 pCHM 方法与应用于 ALS 树高估计的相同建模策略得到的结果相似。我们的研究还确定了 pCHM 树高估计误差的一些驱动因素，并发现树木大小（胸高直径）和树木类型（常绿/落叶）等森林参数以及地形地貌（坡度）比图像调查参数（如重叠变化或数据集中的日照条件）更重要。结合 pCHM 树高估计，地形坡度、胸高直径 (DBH) 和常绿因子用于拟合预测实地测量树高的多元模型。文献中很少涉及这些方面，进一步的研究应侧重于如何将 pCHM 方法整合起来，以改进使用 DAP 和 pCHM 的森林表征。该模型在 r²（0.90 VS 0.87）和均方根误差（RMSE，1.78 VS 2.01 m）方面比将 pCHM 估计值与实地树高估计值联系起来的模型表现出更好的性能。我们的有希望的结果可用于鼓励使用区域航空正射影像调查档案以非常低的额外成本生成大规模优质树高数据，特别是在更新国家森林资源清查计划的背景下。
通过... 进行航空宽带通信
至于信息娱乐类别，当今的机上娱乐 (IFE) 系统大多数以单向服务为特征，例如有限数量的预录电影或音乐频道、短屏“新闻”和基本的旅行信息，所有这些均来自机载存储介质并在固定时间呈现。在许多情况下，“互动性”仅限于在多个频道之间进行选择的自由以及通过调入和调出对所提供的内容做出反应。即将推出的功能（例如观看视频时的暂停/恢复功能）首次引入了简单的互动形式，并且通常访问受限（例如头等舱/商务舱）。无论如何，与现代用户在家中或在地面移动时所熟悉的内容相比，尤其是考虑到所有类型的基于互联网的服务的潜力和需求以及它们对未来的所有预测，这种类型的 IFE 可能被视为过时的。目前，互联网访问 www 应用程序和电子邮件似乎是为飞机乘客提供的最具吸引力和最流行的功能，但服务种类繁多。此外，信息娱乐（使航空旅行更加愉快）只是推动客机高数据速率链接的应用之一。
正射影像调查的区域航空图像能否生成高质量的摄影测量冠层高度模型？西欧的单树方法
需要森林监测工具来促进有效的、数据驱动的森林管理和森林政策。遥感技术可以提高森林监测的速度和成本效益，以及大规模森林属性制图（墙到墙方法）。数字航空摄影测量 (DAP) 是一种常见的、具有成本效益的机载激光扫描 (ALS) 替代方案，它可以基于常规获取的用于一般基础地图的航空照片。基于此类预先存在的数据集的 DAP 可以成为具有成本效益的大规模 3D 数据源。在森林特征描述方面，当有高质量的数字地形模型 (DTM) 时，DAP 可以生成描述树冠高度的摄影测量冠层高度模型 (pCHM)。虽然这种潜力似乎非常明显，但很少有研究调查过基于标准官方航空调查获得的航空立体图像的区域 pCHM 质量。我们的研究建议使用参考测量的树高数据库，根据按照此类协议获取的原始图像评估 pCHM 单个树高估计的质量。为了进一步确保该方法的可复制性，pCHM 树高估计基准仅依赖于公共森林清单 (FI) 信息，而摄影测量协议则基于低成本且广泛使用的摄影测量软件。此外，我们的研究调查了基于 FI 程序提供的邻近森林参数的 pCHM 树高估计之间的关系。我们的结果强调了使用 DAP 的 pCHM 提供的树高估计与现场测量和 ALS 树高数据具有良好的一致性。在树高建模方面，我们的 pCHM 方法与应用于 ALS 树高估计的相同建模策略得到的结果相似。我们的研究还确定了 pCHM 树高估计误差的一些驱动因素，并发现树木大小（胸高直径）和树木类型（常绿/落叶）等森林参数以及地形地貌（坡度）比图像调查参数（如重叠变化或数据集中的日照条件）更重要。结合 pCHM 树高估计，地形坡度、胸高直径 (DBH) 和常绿因子用于拟合预测实地测量树高的多元模型。文献中很少涉及这些方面，进一步的研究应侧重于如何将 pCHM 方法整合起来，以改进使用 DAP 和 pCHM 的森林表征。在 r²（0.90 VS 0.87）和均方根误差（RMSE，1.78 VS 2.01 m）方面，该模型比将 pCHM 估计值与实地树高估计值联系起来的模型表现出更好的性能。我们的有希望的结果可用于鼓励使用区域航空正射影像调查档案以非常低的额外成本生成大规模优质树高数据，特别是在更新国家森林资源清查计划的背景下。
标题：工业中大体积计量的动态应用...
传统的自动化生产系统具有有限的计量可追溯性，难以满足工业 4.0 和未来工厂 (FoF) 对可重构制造方法的需求。解决此问题的一种方法是从僵化的自动化方案转换为基于灵活装配/制造范例并与智能规划/协调算法相链接的信息物理方案，从而有效地提供自我自动化。大容量计量 (LVM) 仪器使测量数据能够为虚拟工厂和虚拟机模型提供数字化接口，通过提供基于计量的虚拟参考框架（“度量”）将现实世界与 AI 联系起来。先前的研究（例如 EMPIR 项目 17IND03 LaVA，以及 17IND14 Met4FoF 和 EMRP 项目 LUMINAR）推动了 LVM 的重大进展。然而，具有严重视线约束和可重构性的极其恶劣和多变的工业环境（例如 AGV、机器人）仍然带来了重大挑战，例如来自 LVM 工具的低延迟、低不确定性和高数据速率的动态 3D 参考信息。物联网技术的同步进步要求将其集成和潜在优势纳入任何依赖复杂计算的研究领域。
deepSense-v2v：车辆到车辆多模式感应，定位和通信数据集
摘要 - 高数据速率和低延迟车辆到车辆（V2V）通信对于未来的智能运输系统至关重要，以实现协调，增强安全性和支持分布式计算和情报要求。但是，制定有效的沟通策略需要现实的测试场景和数据集。这在高频带中很重要，在高频带中，有更多的频谱可用但收获该带宽受到方向传输的需求和信号传播对阻塞的敏感性的挑战。这项工作介绍了第一个用于研究MMWave车辆到车辆通信的大规模多模式数据集。它提出了一个两辆车测试台，该床包括来自360º相机，四个雷达，四个60 GHz阶段阵列，一个3D激光雷达和两个精确的GPS的数据。数据集包含白天和黑夜驾驶的车辆，在城堡和农村环境中，速度为120公里，速度高达每小时100公里。从卡车到自行车的所有图像中都检测到超过一百万个物体。这项工作进一步包括详细的数据集统计信息，这些数据集统计数据证明了各种情况的覆盖范围，并突出了该数据集如何启用新颖的机器学习应用程序。
停电和现在？反介入/网络中心战...
摘要：当今信息和通信技术的进步提供了高数据速率的全球宽带通信。为了快速可靠地做出决策，各单位以及不同级别的指挥机构之间可以共享实时分布式信息，许多国家在过去几年中一直在努力实施网络中心战 (NCW)。通过这种方式，可以获得信息优势，并将其转化为指挥优势，最终转化为武力优势。由于对快速可靠的通信有很强的依赖性，电力中断或网络节点（如卫星通信系统或链路）中断可能会对信息收集产生严重影响，进而影响决策过程和部队的行动能力。因此，人们对 NCW 理论的稳健性产生了质疑。反介入/区域拒止 (A2/AD) 能力严重阻碍了力量投射的能力。为了成功地对技术先进的对手实施军事行动，部队必须将 A2/AD 作为当今战场的一个重要要素，理解相关的作战影响，并消除军事目标与实现目标的手段之间的任何不平衡。基于这些考虑，本文从技术层面分析了 NCW 在现代战场中的能力和弱点。在此基础上，提出了建议
评论文章的微小机器学习资源
我们每天在能够在其内部运行机器学习模型的电子设备中使用2500亿微控制器。不幸的是，这些微控制器中的大多数在计算资源（例如内存使用情况或时钟速度）方面受到了高度限制。这些与使用基本计算机在教学和运行机器学习模型中起关键作用的资源完全相同。但是，在微控制器环境中，有限的资源构成了重要的区别。因此，必须创建一种称为微型机器学习的新范式，以满足嵌入式设备的约束要求。在这篇综述中，我们讨论了可用于克服这些资源不同崇拜的微小机器学习和不同方法的资源优化挑战。此外，我们总结了微小的机器学习框架，库，开发环境和工具的当前状态。微型机器学习设备的基准测试是另一件事。微控制器的这些相同约束以及硬件和软件的多样性转向基准挑战，在嵌入式设备之间可靠地测量性能差异之前，必须解决这些挑战。我们还讨论了新兴技术和方法，以增强和扩展微小的机器学习过程并提高数据隐私和安全性。最终，我们就微型机器学习及其未来的发展做出了结论。
四种月球通信延迟条件下月球地形车（LTV）远程遥控操作研究
首字母缩略词 .cvs Excel codex ⁰ 度 < 小于 % 百分比 ABC Artemis 大本营 ACES 学院颜色编码系统 ANOVA 方差分析 CEL 概念探索实验室 cm 厘米 conops 作战概念 deg 度 DEM 数字环境模型 DOUG 动态机载无处不在的图形 DRATS 沙漠研究和技术研究 DSN 深空网络 DTE 直接对地 EDGE 探索图形 EHP 美国宇航局的舱外活动和人类地面机动计划 ESDMD 探索系统发展任务理事会 EVA 舱外活动 F ANOVA F 值 FOD 异物碎片 FOV 视场 fps 每秒帧数 GUNNS 通用节点网络求解器软件 HAB 栖息地 HDR 高数据速率 HITL 人在回路 hh:mm:ss 小时、分钟、秒 IES 照明工程学会 IMU 惯性测量单元 ISRU 现场资源利用单元 JEOD 约翰逊航天中心工程轨道动力学集团 JSC 约翰逊航天中心 kg 千克 km 公里 kph 公里每小时 千瓦 千瓦时 千瓦每小时 激光雷达 光增强探测与测距
航空核：AI驱动的空中机器人用于检查和维护电力基础设施
摘要 - 由于年龄，环境影响和大量用法而导致的规模尺度基础设施很容易恶化。通过定期检查和促进确保其安全性对于防止可能影响公共安全和环境的事件至关重要。这在电力网络的背景下尤其相关，尽管电力网络对于能源提供至关重要，但也可能是森林火灾的来源。智能无人机有可能革新检查和维护，消除了人类运营商的风险，提高生产率，减少检查时间并提高数据收集质量。但是，在严格控制的条件下，始终在人类操作员的视线内，主要在室内测试床或室外设置中对空中机器人技术的大多数方法和技术进行了试验。此外，这些方法和技术通常是孤立评估的，缺乏全面的整合。本文介绍了第一个结合各种创新空中机器人的自主系统。该系统设计用于视觉线之外的扩展范围检查，具有用于维护任务的空中操纵器，并为在高度高度工作的人类操作员提供支持机制。该论文进一步讨论了该系统在众多电力线上的成功验证，空中机器人执行了距地面控制站10公里的航班。