XiaoMi-AI文件搜索系统
World File Search SystemSensing
铝掺杂对ZnO薄膜光学，电气和气体传感特性的影响
这项研究探索了铝掺杂对ZnO薄膜光学和电气性能的影响，以及它们的气感应能力，特别是对血清的响应。薄膜，然后在500°C下退火，其掺杂浓度变化（0％，0.5％，1％，1％，1.5％，2％和2.5％）。结果表明，较高的Al掺杂提高了透射率，这可能是由于结晶度增强和爆发蛋白 - 莫斯效应所致，而2.5％的Al掺杂ZnO表现出最高的透射率约为85％。折射率和灭绝系数分析表明，在较高的掺杂水平下，光吸收和散射降低，反映了膜质量的提高。介电常数的实际和虚部也随掺杂而变化，掺杂的ZnO为0.5％，显示了最高的实际部分，表明更好的介电性能。Al掺杂的ZnO膜的光条间隙随着AL浓度的增加而降低，与先前的研究一致，表明电导率的潜在改善。电性能，尤其是I-V特性，表明较高的Al掺杂降低了电导率，这可能是由于电荷载体散射增加所致。气体传感实验表明，2％掺杂的ZnO对血清表现出更高的敏感性，而耐药性随时间和血清体积而变化，突出了ZnO膜及其环境之间的动态相互作用。该研究的发现表明，Al掺杂增强了ZnO薄膜的光学和传感特性，最佳的掺杂浓度约为2％，以最大程度的灵敏度。
用MMWave Radar数据
雷达是由于雷达在恶劣条件下的耐用性以及检测移动物体时的可靠性，因此经常集成到系统中的顶部传感器之一。为了减轻单个传感器系统的简短启动，Ti为有兴趣最大化机器人准确性和意识的用户提供了各种产品。Ti提供带有IMX219相机和IWR6843isk EVM MMWave雷达传感器的相机和雷达传感器模块。该模块实现了一种对象级融合方法，该方法应用了摄像头视觉处理链和雷达处理链，该方法着重于对象聚类和跟踪，使用户可以在三维环境中跟踪和检测对象。用户演示了机器人SDK中传感器融合的许多可能性和功能。
图像科学与应用分支遥感部门 SAR 的 AI/ML 基础模型
图像科学与应用部门正在研究开发合成孔径雷达 (SAR) 专用 AI/ML 的现有和新方法。为此，该部门正在使用对比和生成式自监督学习 (SSL) 技术为图像建立通用基础模型。鉴于可用的 SAR 图像数量巨大，并且难以收集可靠的注释，因此有很大机会利用自监督和半监督技术来提取未标记源的有意义的见解。这项工作涉及将最先进的机器学习和计算机视觉技术与特定于传感器的处理技术相结合，以创建用于大量问题的新型、稳健的算法。
RIS 辅助 6G V2X 系统中集成传感和通信的深度强化学习
摘要 — 集成传感和通信 (ISAC) 技术的最新进展为解决下一代无线通信网络 (6G) 车对万物 (V2X) 中的通信质量和高分辨率定位要求带来了新的可能性。同时为车辆目标的智能服务提供高精度定位和高通信容量 (CC) 具有挑战性。在本文中，我们提出了一种可重构智能表面 (RIS) 辅助的 6G V2X 系统，以在满足基本通信要求的情况下实现车辆目标的高精度定位。我们提供了车辆目标的 CC 和 3-D 费舍尔信息矩阵 (FIM) 公式。我们展示了反射器单元中的相位调制对联合定位精度和 CC 性能的直接影响。同时，我们设计了一个灵活的深度确定性策略梯度 (FL-DDPG) 算法网络，采用 ϵ -贪婪策略来解决高维非凸优化问题，在满足各种 CC 要求的同时实现最小定位误差。仿真结果表明，FL-DDPG算法将定位精度提升了至少89%，将车辆目标的到达率提升了近3倍，优于传统数学方法。与经典的深度强化学习方法相比，FL-DDPG在满足通信要求的前提下获得了更好的定位精度。当面对不完美信道时，FL-DDPG能够有效解决ISAC系统中的信道估计误差问题。
TS-1A：2024 年 12 月 3 日（15:45 至 17:30）GT 1：高光谱遥感（会议主席：IIRS 的 Anil Kumar 博士和 IIST 的 Rama Rao Nidamanuri 教授）Pape
Moonis Ali*（印度理工学院坎普尔分校土木工程系）*；Apratim Biswas（印度理工学院坎普尔分校土木工程系）；Anna Iglseder（维也纳技术大学大地测量与地理信息系）；Vinod Kumar（哈里亚纳邦林业系）；Shant Kumar（哈里亚纳邦库鲁克谢特拉大学环境研究所）；Bharat Lohani（印度理工学院坎普尔分校土木工程系）；Sandeep Gupta（库鲁克谢特拉大学环境研究所）；Markus Hollaus（维也纳技术大学大地测量与地理信息系）；Norbert Pfeifer（维也纳技术大学大地测量与地理信息系）
在物联网系统中用于RF传感的生成AI
摘要 - 使用Wi-Fi，红外线和RF等信号来收集环境数据的无线传感技术的开发在物联网（IoT）系统中已显着提高。在其中，射频（RF）传感因其成本效益和非侵入性人类活动和环境变化而脱颖而出。但是，传统的RF感应方法面临重大挑战，包括噪声，干扰，不完整的数据和高部署成本，这限制了它们的有效性和可扩展性。本文研究了生成AI（Genai）在物联网生态系统中克服这些局限性的潜力。我们对最先进的Genai技术进行了综合审查，重点是它们在RF传感问题上的应用。通过生成高质量的合成数据，增强信号质量并集成多模式数据，Genai为RF环境重建，定位和成像提供了强大的解决方案。此外，Genai概括的能力使IoT设备能够适应新的环境和看不见的任务，从而提高其效率和性能。本文的主要贡献包括对RF感应中的挑战，基于创新的Genai解决方案的介绍以及针对各种RF感应任务的统一框架的提议的详细分析。通过案例研究，我们证明了整合Genai模型的有效性，从而导致高级，可扩展和智能的物联网系统。
3D打印的多腔软执行器具有集成运动和传感功能，并通过生物启发的交织可折叠的内分体
人类的肌肉束具有同步神经感觉的多功能运动，使人可以执行复杂的任务，这激发了对机器人动作和感知机器人的功能整合的研究。尽管使用固有的依从性，软动力器已经开发了多种运动能力，但同时使用的方法通常涉及添加感应组件或嵌入某些信号的底层基质，从而导致结构复杂性和具有高度变化的部分的驱动部分之间的结构复杂性和差异。受到肌肉束多纤维机制的启发，提出了一种多腔功能整合（MCFI）方法，用于软气动执行器，以同时实现多维运动并通过分离和协调主动和被动腔来感知。引入了一个由生物启发的交织可折叠内体（Bife），以使用优化的目的可折叠性来构建和加强多腔室，从而实现3D打印单物质制造。执行伸长，收缩和双向弯曲，以基于基于多腔压力的运动学和感应模型感知其空间位置，方向和轴向力。建立了两个MCFI-ACTUATOR驱动的机器人：一个具有路径重建的软爬行机器人，具有对象外部感受的狭窄节流柔软的握把，验证了执行执行器的实用性以及对MCFI方法的智能软机器人创新的潜在的潜力。