XiaoMi-AI文件搜索系统
World File Search Systemlters
将介电/等离子体光子晶体作为光学微波滤光片：缺陷层和外部磁场的作用
摘要：我们研究了由传输矩阵形式主义中微波区域内的二循环（A）和等离子体（P）材料组成的多通道过滤器的透射率。在应用磁场的影响下研究了提出的过滤器的两种构造：（1）包含空气包围的（a / p）N单位细胞的周期性结构，以及（2）引入第二个电端材料（d），该材料（D）作为A（d）的缺陷层（ap）n / 2 /2 / d / d / d / d / d / 2 Struc-2 Struc-2 Struc-2 Struc-2 Struc-2 Struc。我们的发现表明，在周期性的情况下，透射率的谐振状态随数n的数量增加；然而，观察到的蓝色和红移取决于施加的磁场的强度和方向。我们提出了透射系数的轮廓图，这些图显示了入射角对光子带隙的偏移的影响。此外，我们发现缺陷层的引入会产生额外的共振状态，并将中心共振峰合并为共振的小键。此外，我们表明，可以通过增加单位单元格数N并增加插入的缺陷层的宽度来调节共振峰及其位置的数量。我们提出的结构可以使用在微波区域中运行的磁化等离子体材料来设计新型的光子过滤器。
反射率校准，具有高光谱成像的归一化校正
摘要 - 末期，高光谱（HS）成像已成为通过联合获取空间和光谱信息来远程识别兴趣区域的强大工具。但是，就像在大多数成像技术中一样，数据采集期间可能会发生不良影响，例如噪声，光强度的变化，温度差异或光学变化。在HS成像中，可以使用反射校准阶段和光学过滤来减弱这些问题。然而，光学填充可能会引起某种失真，这可能会使后图像处理阶段复杂化。在这项工作中，我们提出了一项重新反映校准的新建议，该建议可以补偿在获得HS图像期间的光学变化。对具有特定光谱响应的各种材料的合成正方形的HS图像进行了评估。我们的提案结果使用K-均值算法的两次分类测试显示出高性能，其精度为97％和88％；与获得77％和64％精度的文献相比，与标准反射校准相比。这些结果说明了所提出的配方的性能增益，除了维持HS图像中的特征性特征外，还可以使结果反射到固定的下层和上限，从而避免了后校准后的归一步步骤。索引术语 - 光谱成像，光学滤波器，反射校准
时空信息融合在船舶辅助系统故障检测中的应用
传感器融合一直是数据分析及其应用的重点主题之一。个体传感信息通常用于揭示潜在的过程动态并识别其中的潜在变化。这些系统通常配备具有（可能）不同模态的多个传感器。这些问题表明需要融合分布式和异构信息，以便实时准确推断关键系统的状态。为此，本文开发并验证了分布式物理过程（例如，船上辅助系统）中的故障检测和分类方法。文献中提出了几种传感器融合方法来解决故障检测问题，包括线性和非线性滤波器、自适应模型参考方法和基于神经网络的估计方案。然而，据作者所知，这些技术尚未应用于船上系统，因为存在一些固有的困难，包括：（可能）信号的非平稳行为、过程动态的潜在非线性、输入输出和反馈相互作用、多模态数据的缩放和对齐以及乘性过程噪声。上述一些问题可以在一定程度上简化或通过更简单的解决方案来近似。例如线性和线性化建模和贝叶斯估计技术（例如扩展卡尔曼滤波和粒子滤波）[1][2]。研究人员还使用了软计算
应用于 GPS/INS 集成系统的 MEMS 不同误差建模之间的比较
摘要：微机电系统 (MEMS) 的发展进步使得制造廉价、小尺寸的加速度计和陀螺仪成为可能，它们被用于许多需要进行全球定位系统 (GPS) 和惯性导航系统 (INS) 集成的应用中，即，识别轨道缺陷、地面和行人导航、无人驾驶飞行器 (UAV)、许多平台的稳定等。虽然这些 MEMS 传感器成本低廉，但它们会出现不同的误差，从而在短时间内降低导航系统的准确性。因此，有必要对这些错误进行适当的建模，以尽量减少这些错误，从而提高系统性能。在本研究中，我们展示并比较了目前用于分析影响这些传感器的随机误差的最常用技术：我们详细研究了自相关、Allan 方差 (AV) 和功率谱密度 (PSD) 技术。随后，还实现了惯性传感器的分析和建模，其中结合了自回归 (AR) 滤波器和小波去噪。由于低成本 INS（MEMS 级）的误差源包括短期（高频）和长期（低频）分量，我们引入了一种通过对 Allan 方差、小波去噪和选择分解级别进行完整分析来补偿这些误差项的方法，以实现这些技术的适当组合。最后，为了评估使用这些技术获得的随机模型，扩展卡尔曼
sq-cars：可扩展的量子控制和读数系统
摘要 - Qubits是量子处理器的基本构建块，量子处理器需要Giga Hertz频率范围内的电磁脉冲和纳秒频率的延迟，以进行控制和读数。在本文中，我们解决了与用于控制和测量超导码头的室温电子相关的三个主要挑战：可伸缩性，直接Mi-crowave合成和一个固定的用户界面。为了应对这些挑战，我们开发了基于ZCU111评估套件的系统。SQ-CARS设计为可扩展，可配置和相位同步，提供多数控制和读数功能。该系统提供了交互式Python框架，使其对用户友好。通过确定多个通道的确定性同步来实现对较大Qubits的可伸缩性。该系统支持从4到9 GHz的第二个Nyquist区域技术直接合成任意矢量微波脉冲。它还具有板载数据处理，例如可调的低通滤波器和可配置的旋转块，可实现锁定检测和量子实验的低延迟活动反馈。通过板载Python框架可以访问所有控制和读数功能。为了验证SQ-CARS的性能，我们进行了各种时间域测量值，以表征超导式的Transmon Qubit。我们的结果与类似实验中常用的传统设置进行了比较。通过确定控制和读取通道的确定性同步，以及用于编程的开源方法，SQ-CARS为具有超导码头的高级实验铺平了道路。
信函 TSV 电感器的交流电感和品质因数分析模型
片上电感是射频集成电路 (RFIC) 中的重要无源器件 [1]。利用硅通孔 (TSV) 的 3-D 封装技术开创了片上电感、电容、滤波器等无源元件的实现 [2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19]。与传统的 2-D 电感相比，基于 TSV 的 3-D 电感具有电感密度高、体积小的优势 [20、21、22、23、24]。一些研究主要针对基于 TSV 的电感的直流电感建模。基于 3-D 全波仿真获得的 Y 参数，提出了经验近似表达式 [25, 26]。但它很耗时并且在物理上不严谨。[27] 提出了一种基于 TSV 的螺旋电感直流电感的解析模型，该模型据称很简单，但用该模型确定电感是一项非常困难的任务，因为它需要至少 4 N + 2 C 2 N + 1 次计算才能获得 N 匝电感的电感，其中 C 2 N 表示组合，它取决于电感匝数。此外，据我们所知，尚无关于基于 TSV 的螺旋电感的交流电感和品质因数的解析模型的报道。在本文中，提出了基于 TSV 的螺旋电感的直流电感公式。基于该公式及等效电路模型，建立了TSV基螺旋电感的交流电感及品质因数的分析模型
基于受试者相关和分段频谱滤波解码运动相关皮质电位
摘要 — 开发基于运动相关皮层电位 (MRCP) 的脑机接口 (BMI) 的一个重要挑战是在现实环境中准确解码用户意图。然而，与其他 BMI 范例相比，由于内源性信号特性，该性能仍然不足以进行实时解码。本研究旨在从预处理技术（即频谱滤波）的角度提高 MRCP 解码性能。据我们所知，现有的 MRCP 研究对所有受试者都使用了具有固定频率带宽的频谱滤波器。因此，我们提出了一种基于受试者的分段频谱滤波 (SSSF) 方法，该方法考虑了受试者在两个不同时间截面的个人 MRCP 特征。在本研究中，MRCP 数据是在受试者进行自我启动步行的动力外骨骼环境下获取的。我们使用实验数据和公共数据集 (BNCI Horizon 2020) 对我们的方法进行了评估。使用 SSSF 的解码性能为 0.86 (± 0.09)，在公共数据集上的性能为 0.73 (± 0.06)，适用于所有受试者。实验结果显示，与之前方法在两个数据集上使用的固定频带相比，该方法具有统计学上显著的增强 (p < 0.01)。此外，我们还通过伪在线分析展示了成功的解码结果。因此，我们证明了所提出的 SSSF 方法可以比传统方法包含更多有意义的 MRCP 信息。
时空信息融合在船舶辅助系统故障检测中的应用
传感器融合一直是数据分析及其应用领域的焦点话题之一。个体传感信息通常用于揭示底层过程动态并识别其中的潜在变化。这些系统通常配备有（可能）不同模态的多个传感器。这些问题表明需要融合分布式和异构信息，以便实时准确推断关键系统的状态。为此，本文开发并验证了分布式物理过程（例如，船上辅助系统）中的故障检测和分类方法。文献中提出了几种传感器融合方法来解决故障检测问题，包括线性和非线性滤波器、自适应模型参考方法和基于神经网络的估计方案。然而，据作者所知，这些技术尚未应用于船载系统，因为存在一些固有的困难，包括：（可能）信号的非平稳行为、过程动态的潜在非线性、输入输出和反馈相互作用、多模态数据的缩放和对齐以及乘性过程噪声。上述一些问题可以在一定程度上简化或通过更简单的解决方案来近似。示例包括线性和线性化建模和贝叶斯估计技术（例如扩展卡尔曼滤波和粒子滤波）
使用胸肌抑制进行乳房分割...
梯度法自 Semmlow 等人 [ 9 ] 的早期工作以来就一直被使用，他们利用空间滤波器和 Sobel 边缘检测器获得乳房边界。类似地，M´endez 等人 [ 10 ] 使用两级直方图阈值获得乳房区域，然后将其向上划分为三个部分，使用梯度法跟踪边界。使用“准确”或“接近准确”标签对分割质量进行评估。他们成功地将他们的结果与 Yin 等人 [ 5 ] 提出的工作进行了比较。Karssemeijer 等人 [ 14 ] 提出的工作利用了多分辨率方案，在低分辨率下处理并推断结果。他们使用全局阈值技术获得一个初步区域，然后使用 3x3 Sobel 算子对其进行处理，并通过 Hough 变换估计胸肌位置。Abdel-Mottaleb 等人 [12] 提供了一种基于不同阈值的方案来查找乳房边缘。使用两幅图像的梯度及其并集，他们获得了可能的乳房轮廓。他们在 500 张测试图像中的 98% 中找到了边界。Morton 等人 [13] 提出的分割是另一种基于梯度的方法。通过初始阈值减去背景后，通过逐行梯度分析找到边缘。Zhou 等人 [11] 提出了最后一种方法的改进。
时空信息融合在船舶辅助系统故障检测中的应用
传感器融合一直是数据分析及其应用的重点主题之一。个体传感信息通常用于揭示潜在的过程动态并识别其中的潜在变化。这些系统通常配备具有（可能）不同模态的多个传感器。这些问题表明需要融合分布式和异构信息，以便实时准确推断关键系统的状态。为此，本文开发并验证了分布式物理过程（例如，船上辅助系统）中的故障检测和分类方法。文献中提出了几种传感器融合方法来解决故障检测问题，包括线性和非线性滤波器、自适应模型参考方法和基于神经网络的估计方案。然而，据作者所知，这些技术尚未应用于船上系统，因为存在一些固有的困难，包括：（可能）信号的非平稳行为、过程动态的潜在非线性、输入输出和反馈相互作用、多模态数据的缩放和对齐以及乘性过程噪声。上述一些问题可以在一定程度上简化或通过更简单的解决方案来近似。例如线性和线性化建模和贝叶斯估计技术（例如扩展卡尔曼滤波和粒子滤波）[1][2]。研究人员还使用了软计算