XiaoMi-AI文件搜索系统
World File Search SystemFMCW
附录 - NPL 出版物
是相机系统能够检测到目标的最小距离。自主系统的传感器系统可能没有标称最小可检测范围，因此原则上它可以是 0 米。雷达利用 FMCW 调制的自主系统的典型雷达传感器没有标称最小可检测范围，因为原则上它可以是 0 米。相机典型的单声道相机系统没有标称最小可检测范围，因此它可以是 0 米。但是，立体相机设置并非如此，因为视场必须有显著的重叠。超声波理论上，最小可检测范围由声波波长的一半给出，这设定了约 5 毫米的理论极限。但是，如上所述，声刺激的脉冲性质会导致发射器传感器中产生振铃，并且在传感器切换到接收器模式以捕获反射能量之前会有延迟。当需要量化与目标的实际距离时，这种振铃将实际系统的最小可检测范围限制在 15 厘米左右，而当需要检测物体的简单存在时，最小可检测范围则低至 3 厘米。
RF扩散：通过时频扩散
摘要以及AIGC在CV和NLP中闪耀，其在无线领域中的潜力也近年来也出现了。然而，由于表示功能有限，现有面向RF的生成解决方案不适合生成高质量的时间序列RF数据。在这项工作中，受到CV和NLP扩散模型的稳定成就的启发，我们将其调整到RF域并提出RF扩散。为了促进RF信号的独特特征，我们首先引入了一种新颖的时频扩散理论，以启用原始扩散模型，使其能够在RF信号的时间，频率和复杂值域内利用信息。在此基础上，我们提出了一个层次扩散变压器，将理论转化为一种实用的生成DNN，通过跨越网络体系结构，功能障碍和复杂评估的操作员的精心设计，使RF-diffusion成为一种多功能的解决方案，以实现多种多样的解决方案。表现出了RF-Diffusion在合成Wi-Fi和FMCW信号中的出色性能。我们还展示了RF扩散在增强Wi-Fi传感系统和在5G网络中执行通道估计的多功能性。
通过在不利天气条件下纳入MDM-WDM和机器学习分类器
光子雷达是微波光子学创新应用中的基石，它是未来智能运输系统（ITS）的关键技术。提供了增强的准确性和可靠性，它位于目标检测和在不同天气条件下识别的最前沿。最近的进步集中在通过高速，宽带信号处理的8月雷达性能，这是现代光子学属性的直接好处，例如EMI免疫，最小传输损失和宽带宽。我们的工作引入了一个尖端的光子雷达系统，该系统采用频率调制连续波（FMCW）信号，与模式划分和波长分层多路复用（MDM-WDM）协同作用。这种融合不仅增强了各种天气情况的目标检测和识别能力，包括各种雾气和太阳闪烁的强度，而且还表现出了针对太阳噪声的实质性弹性。此外，我们拥有集成的机器学习技术，包括决策树，极为随机的树（ERT）和随机的森林分类器，以实质上提高了目标识别精度。结果表明：精度为91.51％，高灵敏度（91.47％），特异性（97.17％），F1得分为91.46％。这些指标强调了我们方法在完善其雷达系统方面的功效，这说明了微波光子学中的进步如何彻底改变传统方法和系统。
2024 年颁奖典礼
IEEE AP-S Sergei A. Schelkonuff 论文奖 Said Mikki，“任意辐射表面的香农信息容量：一种电磁方法”，IEEE 天线与传播学报，第 71 卷，第 3 期，第 2556-2570 页，2023 年 3 月 IEEE AP-S Harold A. Wheeler 应用奖论文奖 Thomas Jaschke 和 Arne F. Jacob，“用于 K/Ka 波段 Rx-/Tx 集成的双极化 SIW 透镜天线阵列 ... 71，第 3 期，第 2443-2453 页，2023 年 3 月 IEEE AP-S RWP King 奖 Alexander Paulus 和 Thomas F. Eibert，“使用未知探测天线的完全探测校正的近场远场变换”，IEEE 天线和传播学报，第 71 卷，第 7 期，第 5967-5980 页，2023 年 7 月 IEEE AP-S Piergiorgio LE Uslenghi 奖论文奖 Modeste Bodehou、Gilles Monnoyer、Maxime Drouguet、Khaldoun Al Khalifeh、Luc Vandendorpe 和 Christophe Craeye，“用于 FMCW 雷达的超表面天线”，IEEE 天线和无线传播快报 ... 22，第 5 期，第 1040-1044 页，2023 年 5 月 IEEE AP-S Edward E. Altshuler 奖论文奖 Grigorii Ptitcyn、Mohammad Sajjad Mirmoosa、Amirhosein Sotoodehfar 和 Sergei A. Tretyakov，“时变电磁系统和电路基础教程：时间调制的历史概述和基本概念”，IEEE 天线与传播杂志，第 65 卷，第 4 期，第 10-20 页，2023 年 8 月
Microsoft Word - Det_HB_Aug2007_pt1__Larry_email8_30_07_.doc
图表列表 图 1。组合技术传感器。（照片由瑞士 U ZNACH 的 ASIM T ECHNOLOGIES 提供）。.................................................................................................................................... 3-3 图 2。单车道和多车道高速公路的路管配置。（照片由俄勒冈州塞勒姆的 T IME M ARK , IN C . 提供）。........................................................................................................... 4-2 图 3。JAMAR TRAX-III 计数器的前面板显示。（图片由宾夕法尼亚州霍舍姆的 JAMAR T ECHNOLOGIES, IN C. 提供）...................................................................................................... 4-3 图 4。感应环路检测器安装的主要组件............................................................................................. 4-4 图 5。铁质金属车辆中的磁偶极子引起的地球磁场中的磁异常。................................................................................................................................... 4-7 图 6。当车辆进入并穿过磁传感器的检测区时，地球磁场的畸变。（绘图由 N U-M ETRICS，UNIONTOWN，PA 提供）。4- 8 图 7。双轴和三轴磁通门磁力计传感器。............................................................................. 4-10 图 8。感应磁力计传感器。................................................................................................ 4-11 图 9。安装在路基中的铝槽中的 V IBRACOAX 压电传感器。（图纸由 IRD, I NC ., S ASKATOON , SK 提供）。................................................................................ 4-13 图 10。安装在路基中的 ROADTRAX 压电 BLC 传感器（ROADTRAX，1995-1996）。.................................................................................................... 4-14 图 11。B 端板传感器。（照片由 IRD, IN C., SASKATOON, SK 提供）。.................... 4-23 图 12。B 端板或 WIM 系统称重传感器（典型）............................................................................. 4-24 图 13。LINEAS 石英传感器（图纸由瑞士 INTERTHUR 的 K ISTLER INSTRUMENTS AG 提供）。带有全长压电传感器的 WIM 安装 ...................................................................................................... 4-25 图 14。................................................................................................................................. 4-26 图 15。电容垫传感器连接到数据分析设备。（照片由 L OADO M ETER , C ORP ., BALTIMOER , MD 提供）............................................................................................. 4-28 图 16。三线视频图像处理器。................................................................................................... 5-3 图 16。视频图像处理器（也称为机器视觉处理器）........................................ 5-3 图 17。视频图像处理器（续）。................................................................................................ 5-3 图 18。用于车辆检测、分类和跟踪的概念图像处理。(K LEIN , 2006) .................................................................................................................................................... 5-5 图 19。四个 VIP 和电感环路检测器的车辆数量比较 ........................................................................ 5-9 图 20。车辆速度与 .照明 VIP 测试结果 ............................................................................................. 5-11 图 21。车辆数量与 .照明 VIP 测试结果 ............................................................................................. 5-11 图 22。车辆数量与 .速度 VIP 测试结果 .................................................................................. 5-12 图 23。微波雷达操作。......................................................................................................... 5-14 图 24。使用 FMCW 微波存在检测雷达进行速度测量 ........................................... 5-15 图 25。FMCW 微波存在检测雷达的侧装配置说明多车道车辆检测。（照片由加拿大多伦多 EIS 提供）...................................................................................................................................... 5-16 图 26。恒定频率波形...................................................................................................................... 5-17 图 27。多普勒微波雷达传感器。................................................................................................ 5-17 图 28。存在检测微波雷达传感器 ........................................................................................ 5-18 图 29。激光雷达光束几何形状。（绘图由 OSI Laserscan 公司提供，佛罗里达州奥兰多）.......... 5-18 图 30。激光雷达传感器。........................................................................................................................... 5-18 图 31。被动红外传感器 ............................................................................................................................. 5-20 图 32。车辆和路面发射和反射能量 ............................................................................................. 5-21 图 33。被动红外传感器中的多个检测区域配置 ............................................................................. 5-21 图 34。超声波传感器 ............................................................................................................................. 5-25 图 35。超声波测距传感器的安装。（由密歇根州安娜堡的微波传感器公司提供）...................................................................................................................................... 5-26 图 36。声学阵列传感器。......................................................................................................................... 5-29
使用合成训练数据的低复杂度雷达手势识别
摘要：无线电探测和测距（雷达）技术的发展使得手势识别成为可能。在基于热图的手势识别中，特征图像尺寸很大，需要复杂的神经网络来提取信息。机器学习方法通常需要大量数据，而用雷达收集手势非常耗时耗能。因此，提出了一种基于调频连续波（FMCW）雷达和合成手势特征生成器的低计算复杂度手势识别算法。在低计算复杂度算法中，对雷达原始数据实施二维快速傅里叶变换以生成距离-多普勒矩阵。之后，应用背景建模来分离动态物体和静态背景。然后选择距离-多普勒矩阵中幅度最高的箱来定位目标并获得其距离和速度。可以利用天线维度上此位置的箱来使用傅里叶波束控制计算目标的角度。在合成生成器中，使用Blender软件生成不同的手势和轨迹，然后直接从轨迹中提取目标的距离、速度和角度。实验结果表明，当以合成数据作为训练集，以真实数据作为测试集时，模型在测试集上的平均识别准确率可达89.13%。这表明合成数据的生成在预训练阶段可以做出有意义的贡献。
人机交互中的雷达感应
探索新型传感技术以促进新的交互模式仍然是人机交互领域的一个活跃的研究课题。在众多 HCI 会议中，我们可以看到新交互形式的发展，其基础是采用或改编基于声音、光、电场、无线电波、生物信号等测量的传感技术。在商业上，我们看到雷达传感技术在车辆/汽车和军事环境中得到了广泛的工业发展。在超长距离，雷达技术已在天气和飞机跟踪中使用了数十年。在长距离、中距离和短距离，雷达已用于 ACC、EBA、安全扫描仪、行人检测和盲点检测。雷达通常被认为是一种远程传感技术，它全天候工作，提供 3D 位置信息，无需照明，可以穿透表面和物体，因此可以随时运行。在超短距离，雷达已用于脱粘检测、腐蚀检测和泡沫绝缘缺陷识别。此外，研究界已探索雷达技术用于各种用途，例如存在感知和室内用户跟踪 [5]、生命体征监测 [6] 和情绪识别。在这个范围内，雷达被吹捧为解决隐私、遮挡、照明和视野受限等问题，这些问题是视觉方法所面临的，或者用于传统方法无法解决的医疗条件
采用 45 nm SOI CMOS 的多模 60 GHz 雷达发射机 SoC
摘要 — 本文介绍了一种毫米波多模式雷达发射机 IC 的架构，该架构支持三种主要雷达波形：1) 连续波 (CW/FMCW)；2) 脉冲；3) 相位调制连续波 (PMCW)，全部来自单个前端。该 IC 采用 45 纳米 CMOS 绝缘硅片 (SOI) 工艺实现，可在 60 GHz 频段运行，集成了宽带三倍频器、两级前置放大器、两个功率混频器和混合信号基带波形生成电路。通过配置功率混频器和相关波形基带电路，可实现多种模式下的发射机雷达运行。这种方法的一个重要优势是，总信号带宽（雷达的一个关键性能指标）仅受脉冲生成中 RF 输出节点的限制。还提出了一种基于电流复用拓扑的新型宽带三倍频器设计技术，用于 LO 生成，输出分数带宽 > 59%。 CW 模式下完整 TX IC 的晶圆上测量结果显示，54 至 67 GHz 的平均输出功率为 12.8 dBm，峰值功率为 14.7 dBm，谐波抑制比 > 27 dB。脉冲模式下的测量显示可编程脉冲宽度为 20 至 140 ps，相当于 > 40 GHz 的雷达信号带宽。本例还演示了 PMCW 模式操作，使用 10 Gb/s PRBS 调制雷达信号。该 IC 功耗为 0.51 W，占用 2.3 × 0.85 mm2 的芯片面积（不包括焊盘）。
ADAS手册
本章探讨了自动驾驶研究的当前状态，这是在自动出租车要求的背景下设定的。根据开发团队的科学出版物和自我报告提供了全面的概述，研究了环境感知，自我感知，任务成就，本地化，合作，地图使用和功能安全等方面。虽然某些方法在很大程度上依赖于GPS和MAP数据等卫星系统，但很少关注环境感知和场景的理解。尽管近年来对自动驾驶的令人印象深刻的证明，但许多挑战仍未解决，尤其是在自动驾驶公共道路时。本书可深入了解高级驾驶员辅助系统（ADA）和自动驾驶的基本原理，技术细节和应用，涵盖了ADAS系统设计，高级材料，人工智能和可靠性问题等领域。以学术和行业专家的贡献为特色，该全面参考将读者彻底了解ADA的各个方面，突出了未来的研究和发展的关键领域。作者Yan Li博士是Intel Corporation的高级职员工程师，在微电总包装相关的技术解决方案以及质量和可靠性问题方面拥有丰富的经验。在此处给出的文章文本：Li博士参与了矿物质金属和材料协会（TMS），美国金属学会（ASM）和电子设备故障分析协会（EDFAS）等专业协会。此选择可能会对道路事故产生重大影响。她自2011年以来一直是TMS年度会议的组织者，也是综合电路国际物理与失败分析技术委员会成员（IPFA）。Li博士在微电子包装中发表了20多篇论文和两份专利，并共同编辑了一本关于3D微电子包装的书。Shi博士是Lyft 5级自动驾驶部门的主要硬件可靠性工程师。他在加入Lyft之前已经在半导体和消费电子产品上工作了15多年。Shi博士担任过各种职务，包括集成工程师，高级可靠性工程师，员工质量和可靠性工程师以及过程工程师。他获得了博士学位。德克萨斯大学奥斯汀分校的物理学博士学位和中国科学技术大学物理学学士学位。先进的驾驶员辅助系统（ADA）和自动驾驶汽车（AV）的潜在影响很大。通过减少危险的驾驶行为，交通拥堵，碳排放和成本，同时改善道路安全性和独立性，ADAS和AV具有重塑运输的潜力。但是，有许多挑战，包括新技术，非自动级零件的必要性以及现有自动级组件的新任务配置文件。给定的文本似乎讨论了影响运输，环境和安全的人类活动的各个方面。要点包括：日常生活涉及休息，社会联系或工作等个人需求之间的决策。至关重要的方面是随着自动化水平的增加而需要复杂的技术。温室气体，许多国家有计划在2050年到2050年达到零零排放的计划对美国温室气体排放的贡献最大自2020年成立以来，交通拥堵，碳排放和改善道路安全Lyft的自动驾驶部门已取得了显着的里程碑。 拥有超过100,000辆带薪骑手旅行，该平台现在是美国最大的公共自动驾驶商业平台之一[32]，Lyft也已开发了四代内部员工测试的自动驾驶车辆平台（图5）。 图像展示了由Lyft的5级部门设计的两辆自动驾驶汽车，该车建立在福特Fusion和FCA Pacifica模型之上。 尽管驾驶员辅助系统和自动驾驶功能取得了进步，但许多挑战仍然存在。 由SAE J3016 [33]定义的六级驾驶自动化框架突出了所涉及的复杂性（表1）。 随着自动化水平的上升，对高级技术（例如感知，计划和控制子系统）的要求也会增加。 感知子系统依赖于传感器来检测车辆外部的对象并将其定位在环境中。 典型的传感器包括相机，GPS，IMU，LIDAR，雷达等。 由于其优点和缺点，各种传感器的组合并不罕见。 [35]。温室气体，许多国家有计划在2050年到2050年达到零零排放的计划对美国温室气体排放的贡献最大自2020年成立以来，交通拥堵，碳排放和改善道路安全Lyft的自动驾驶部门已取得了显着的里程碑。拥有超过100,000辆带薪骑手旅行，该平台现在是美国最大的公共自动驾驶商业平台之一[32]，Lyft也已开发了四代内部员工测试的自动驾驶车辆平台（图5）。图像展示了由Lyft的5级部门设计的两辆自动驾驶汽车，该车建立在福特Fusion和FCA Pacifica模型之上。尽管驾驶员辅助系统和自动驾驶功能取得了进步，但许多挑战仍然存在。由SAE J3016 [33]定义的六级驾驶自动化框架突出了所涉及的复杂性（表1）。随着自动化水平的上升，对高级技术（例如感知，计划和控制子系统）的要求也会增加。感知子系统依赖于传感器来检测车辆外部的对象并将其定位在环境中。典型的传感器包括相机，GPS，IMU，LIDAR，雷达等。由于其优点和缺点，各种传感器的组合并不罕见。[35]。通过利用传感器数据和机器学习算法，对象进行检测，分类和跟踪（表2）。感知子系统的信息传递给了计划子系统，该计划子系统生成了具有特定目标位置和速度的投影路点。控制子系统然后根据此数据发送加速，制动或转向消息。这些自治子系统需要通过CPU和GPU实现的强大计算功能。各种架构在市场上共存，包括集中和分布式方法。热管理对于高级驾驶员辅助系统和由于涉及巨大的计算活动而具有自动驾驶功能至关重要。已经引入了液体冷却子系统，其中包含定制设计的冷板，并带有新的悬挂材料和过程（图6）。几家公司遇到了与热管理相关的类似技术挑战，例如冷板设计和热接口材料选择。冷板的屈曲或变形会对热性能产生负面影响，可能导致电短裤和火灾危害。系统中的制造过程或颗粒中的过多残留物会堵塞散热器并阻碍冷却液流动。实际道路上的拐角处对自动驾驶汽车构成挑战。为了减轻这些问题，公司正在广泛测试其系统，从而收集感知数据以离线训练机器学习模型。但是，此过程受到空气界面上数据传输速度的限制所阻碍。J. of CAV，2020年。J. of CAV，2020年。因此，许多组织在道路测试期间使用固态驱动器（SSD）来存储感知数据。由于SSD插入和去除的频率高，金属表面可能会磨损，从而冒着数据丢失的风险。在高级驾驶员辅助系统中使用非自动级组件和自主驾驶功能已节省了市场的时间，但引入了设计挑战。像DRAM内存之类的组件已被为这些应用所要求，但是它们在振动测试中通常会失败，从而导致系统故障。制造缺陷或材料选择不足也可能导致组件故障。在固定层损坏底盘和金属夹子在机箱上造成的隔热层损坏后，现成的单元（OT）单元失败。Shi等人的研究。[35]强调了将多个GPU并行结合到增强计算能力的潜在优势。这可以通过使用歧管整合单个水块来实现，从而简化冷却液环设计。典型的现成（OT）水块/EPDM垫圈/歧管系统由位于水块上的歧管组成，其中两个组件之间的EPDM垫圈夹在两个组件之间。拧紧后，螺钉会压缩EPDM垫圈，在歧管/螺钉上产生排斥力。但是，如图9a在温度周期式测试中，检测到歧管和水块之间的关节周围检测到冷却液泄漏。如图根据鱼骨图，主要假设表明，EPDM垫圈在高温下经历了压缩组和永久性塑性变形。由于其工作温度较低，因此这种现象对消费电子产品并不是一个关注。本研究中讨论的故障模式对自动驾驶汽车的组件和系统资格具有影响。与传统汽车平均每天驾驶不到一小时的驾驶不同，诸如机器人税之类的自动驾驶汽车的日常运营时间将大大更长。10a，这种增加的运营时间减少了达到10,000个小时数的年数。假设车速为每小时35英里（MPH），图。10b表明，随着日常运营时间的增加，自动驾驶汽车将在更少的时间内达到100,000英里。例如，如果一个机器人每天驾驶11个小时，则达到这一里程碑大约需要0.7年。此分析表明，从“数年”的角度来看，自动驾驶汽车的寿命可能比传统汽车的寿命短。这个结论与福特先前的说法保持一致，该声明预测车辆每四年将耗尽和压碎。将在以下各章中更详细地探讨基于任务配置文件的测试计划。作者旨在解决与高级驾驶员辅助系统和自动驾驶功能有关的硬件子系统设计，制造，测试和可靠性分析的出版物的有限可用性。AI和自动驾驶汽车的章节摘要：该系列审查了高级驾驶员辅助系统（ADAS）和自动驾驶汽车的应用。章节还涵盖了安全标准，方法论，挑战（边缘案例，重型尾部分配），公开可用的培训数据集，开源模拟器和验证过程。高级驾驶员辅助系统（ADA）依赖于各种技术，例如LIDAR，雷达，电化学功率系统和车载显示技术，以进行安全导航。对这些技术进行了审查，以分析其能力，挑战和应用。第1章探讨了LIDAR传感器的最新技术，涵盖了关键指标，例如检测范围，视野和眼部安全。讨论了各种激光雷达映射方法，包括机械旋转扫描仪和频率调节连续波（FMCW）LIDARS。第2章回顾了雷达技术，研究其体系结构，类别（单位，bistatic和多键雷达），波形设计以及FMCW雷达的链接预算分析。简化的示例用于说明主题。第3章侧重于ADAS车辆的电化学电源系统，讨论电池类型，化学，结构和过程。还提供了电池管理系统和故障模式分析，以及用于电池测试的行业标准的比较。第4章回顾了各种车载显示技术（LCD，TFT LCD，OLED，LED）及其架构。诸如光学性能，外观，集成和可靠性之类的要求，以及规范，功能，质量和验证等挑战。第5章探讨了数据中心使用的硬盘驱动器的当前状态和挑战。组件和材料，包括各种解决方案，以实现较高的面积数据密度，例如微波炉辅助磁记录和热辅助磁记录。工程师角色涵盖了产品生命周期的硬件可靠性的各个方面。它需要风险评估方法，例如FMEA，断层树分析和应力强度测试，加速且高度加速的生活测试技术以及用于数据分析的统计方法。此外，工程师需要执行故障分析并实施纠正措施，计算系统可靠性指标并评估可修复的系统。使用特定的硬件组件（例如相机，冷板和水块）有助于说明这些概念。章节“高级驱动器 - 辅助系统中的故障分析”深入了电子设备的分析流，讨论了各种电气测试技术，体格检查方法和材料表征程序。它涵盖了几种成像技术，包括I-V曲线跟踪和基于X射线的光谱法。本书还回顾了影响半导体套件的腐蚀机制，尤其是专注于铜和金球键。其他值得注意的来源包括B. Schlager等。此外，还简要概述了先进的驾驶员辅助系统和自动驾驶功能，以及对其他章节内容的审查。自动驾驶汽车对温室气体排放的影响，通过分析包括学术期刊和行业报告在内的各种来源进行了对自动驾驶汽车技术的最新进步的回顾。研究研究了2016年至2021年之间在Google Scholar上发表的论文，重点介绍了高级驾驶员辅助系统（ADAS），自动驾驶和硬件可靠性等主题。该评论强调了几项关键研究，其中包括N. Brese的一项研究，该研究在2019年在IEEE ECTC上提前了汽车电子技术。S. Sun等人进行了另一项值得注意的研究，他研究了MIMO雷达在2020年7月发表的IEEE Signal Processing Magazine文章中对ADA和自动驾驶的优势和挑战。该评论还涉及行业报告，例如2020年12月15日的Lyft新闻稿，该新闻稿宣布了其网络上的下一阶段的自动驾驶汽车。此外，从2020年2月11日起的LYFT报告讨论了经过Aptiv Technology提供100,000次自动驾驶骑行后吸取的经验教训。该研究提到了包括SAE J3016在内的几种标准和准则，该标准和指南提供了分类法和与驾驶汽车驾驶自动化系统有关的术语的定义。的最新传感器模型用于ADA/自动驾驶功能的虚拟测试，发表在SAE INT中。审查还检查了H. Shi等人的论文中讨论的Robo Taxis中的硬件可靠性。在2021年6月至7月的IEEE第71届电子组件和技术会议（ECTC）。另一个相关研究是由F. Chen进行的，他探索了自动驾驶汽车模块/组件的机器人税环境压力和故障模式的硬件可靠性资格。作者承认了几个人的贡献，包括Cruise的Fen Chen，他们分享了他的实验数据，以及提供语法检查的Angel Shi和Charlotte Shi。