天线孔径调谐对于使智能手机能够在不断增加的 RF 频段范围内高效运行以及支持向 5G 的过渡至关重要。智能手机需要更多天线来支持不断增长的 RF 需求,例如新的 5G 频段、MIMO 和载波聚合 (CA),但由于智能手机工业设计的变化,这些天线的空间越来越小。因此,天线变得越来越小,可能会降低天线效率和带宽。孔径调谐通过允许天线调谐以在多个频段上高效运行并将 Tx 和 Rx 性能提高 3 dB 或更多来弥补这一问题。孔径调谐是通过将开关与其他调谐组件相结合来实现的;具有低 RON 和低 COFF 的开关对于最大限度地提高效率至关重要。孔径调谐还允许天线同时在多个频段上通信以支持 CA。实施孔径调谐需要深入了解如何将该技术应用于每种应用。
摘要:本文提出了一种星体跟踪算法,使用智能手机等商用现货 (COTS) 移动设备确定纳米卫星、无人机和微型无人机等自主平台的精确全球方向。这种星体跟踪尤其具有挑战性,因为它基于现有的摄像机,这些摄像机可以捕捉天空的部分视图,并且应该连续自主地工作。所提框架的新颖之处在于计算效率和星体跟踪器算法使用经济实惠的 COTS 移动平台应对噪声测量和异常值的能力。所提出的算法已在几个流行平台上实现和测试,包括:Android 移动设备、商用微型无人机和 Raspberry Pi。报告的方向的预期精度为 [0.1 ◦ ,0.5 ◦ ]。
• Poostchi Mahdieh 等人,使用薄血涂片显微镜对人类和小鼠进行疟原虫检测和细胞计数,医学影像杂志 5,第 4 期 (2018):044506。• Feng Yang 等人,级联 YOLO:在薄血涂片中自动检测间日疟原虫,将于 2020 年 2 月 18 日至 20 日在美国休斯顿的 SPIE 医学影像大会上发表。
摘要:了解从基于智能手机的电化学发光 (ECL) 传感器提取的多模态数据之间的关系对于开发低成本的即时诊断设备至关重要。在这项工作中,使用随机森林 (RF) 和前馈神经网络 (FNN) 等人工智能 (AI) 算法定量研究 Ru(bpy) 3 2+ 发光体浓度与其实验测量的 ECL 和电化学数据之间的关系。使用一次性丝网印刷碳电极开发了一种带有 Ru(bpy) 3 2+ /TPrA 的基于智能手机的 ECL 传感器。在施加 1.2 V 电压后,同时获得 ECL 图像和电流图。通过 RF 和 FNN 算法分析这些多模态数据,从而可以使用多个关键特征预测 Ru(bpy) 3 2+ 浓度。在 0.02 µM 至 2.5 µM 的检测范围内,实际值和预测值之间实现了高相关性(RF 和 FNN 分别为 0.99 和 0.96)。使用 RF 和 FNN 的 AI 方法能够使用易于观察的关键特征直接推断 Ru(bpy) 3 2+ 的浓度。结果表明,数据驱动的 AI 算法在分析多模态 ECL 传感器数据方面非常有效。因此,这些 AI 算法可以成为建模库的重要组成部分,并成功应用于 ECL 传感器数据建模。
数字技术改变了人类的行为,尤其是产品的特性及其与界面和交互相关的功能。智能手机用户不得不接受触摸屏界面,但没有足够的证据证明这些数字界面比物理模拟界面更有效。此外,智能手机游戏行业推出了带有触摸界面的手机游戏,这些游戏对游戏用户来说可能有效,也可能无效。本研究旨在通过两项可用性测试为智能手机游戏控制的模拟和数字界面之间的有效性寻找实证证据:(a)一项初步研究,比较六名参与者的直接和间接输入控制之间的数据值;(b)一项主要研究,从初步研究的结果中调查数字和模拟输入控制之间仅点击提供的影响。定性和定量研究方法都用于分析可用性测试。共有 81 名参与者参加了主要研究,并分为两大组,比较单手和双手输入控制。每组九名参与者玩基于不同输入控制任务的智能手机游戏。本研究发现,直接触摸屏交互对于双手输入控制任务更有效,而间接物理输入控制对于单手输入控制任务更有效。
数字技术改变了人类的行为,尤其是产品的特性及其与界面和交互相关的功能。智能手机用户不得不接受触摸屏界面,但没有足够的证据表明这些数字界面比物理模拟界面更有效。此外,智能手机游戏行业推出了带有触摸界面的手机游戏,这些游戏对游戏用户来说可能有效,也可能无效。本研究旨在通过两项可用性测试,为智能手机游戏控制的模拟和数字界面之间的有效性寻找实证证据:(a)一项初步研究,比较六名参与者的直接和间接输入控制之间的数据值;(b)一项主要研究,从初步研究的结果中调查数字和模拟输入控制之间仅点击提供的影响。定性和定量研究方法都用于分析可用性测试。共有 81 名参与者参加了主要研究,并分为两大组,比较单手和双手输入控制。每组九名参与者玩基于不同输入控制任务的智能手机游戏。本研究发现,直接触摸屏交互对于双手输入控制任务更有效,而间接物理输入控制对于单手输入控制任务更有效。
7ovul:抓up [o Pupiliz vm 7ovul:hill [lssp [ljouvsvn` kltvuz [yh [yh [pvu tpzpvuz kl] lsvwlk i`5(:( tlz ljouvsvnplz:whjl? Soution:HAL 7OL 7OVUL:Hin Huk Jvun [puv] h
1. 简介 具有先进计算能力和连接能力的移动设备(如智能手机和平板电脑)正变得越来越普遍。与此同时,在这些设备上运行的专用程序(称为应用程序)的开发和采用也呈激增态势。应用程序几乎渗透到从休闲到关键任务的所有活动中。因此,在应用程序生命周期的所有阶段(包括开发、测试、审计和部署)对软件质量工具的需求日益增长。应用程序具有许多使静态分析具有挑战性的特性:庞大的软件开发工具包 (SDK)、异步、进程间通信、数据库和图形用户界面 (GUI)。因此,许多现有的应用程序分析方法都是基于动态分析(例如 [7、9、10])。任何动态分析有效性的核心问题是如何获得相关的程序输入。应用程序最不可分割和最常规的输入是事件。设备触摸屏上的点击、设备键盘上的按键和短信都是事件的实例。本文介绍了一种算法和系统,用于生成用于锻炼应用程序的输入事件。应用程序可以(实际上通常确实如此)拥有除事件之外的输入,例如磁盘上的文件和安全的 Web 内容。我们的工作与提供此类输入的方法正交且互补。应用程序是一类程序的实例,我们称之为事件驱动程序:程序 em