XiaoMi-AI文件搜索系统
World File Search System实时计算
数字接收器将 DSP 带入无线电频率 - Pentek
随着数字接收器和高速数字化仪的出现，现代数字信号处理技术的优势已应用于无线电频率。数字接收器芯片对采样的射频信号进行下变频、低通滤波和抽取。由此产生的带宽和采样率降低使得执行实时计算（如 FFT 频谱分析）成为可能。多家制造商提供数字接收器芯片，包括 Graychip、Intersil 和 Analog Devices。Graychip 于 1990 年推出的第一款单芯片数字接收器是 GC1011 窄带接收器。Intersil（当时为 Harris）于 1992 年推出了其第一款芯片 HSP 50016。现在有许多数字接收器设备可供选择，以及用于将此电路整合到门阵列中的 IP 核。在本文中，我们将概述经典的模拟超外差接收器，并将其与数字接收器进行比较。如果您不想组装自己的电路板，您会很高兴知道，电路板制造商现在可以提供实现 COTS 平台数字接收器系统所需的现成电路板和软件。为此，我们将为您提供一个示例，说明如何使用 Pentek 提供的电路板组装数字接收器和信号分析系统的大部分。
领导力 - 海军研究办公室
当今的美国海军和美国海军陆战队是世界上最好的海上服务机构，这在很大程度上要归功于 ONR 对无数项目的耐心、有针对性和专业管理，这些项目产生的技术几乎应用于舰队和部队的每一架飞机、舰船、潜艇、陆地车辆和服务器。更广泛地说，ONR 对海洋及其与空中、海岸和太空的交汇的关注产生了深远的影响——并催生了大量创新，这些创新不仅造福于服务机构，也造福于整个社会。20 世纪 40 年代和 50 年代的旋风计划创建了第一个实时计算系统，它是船舶、飞机和无人驾驶车辆监控系统（以及每辆现代汽车甚至许多家庭的监控系统）的核心组件。由于 ONR 对天气预报技术的投资，气象学家对影响军舰和民用飞机的预报变得越来越准确。 ONR 支持氮化镓（一种非天然化合物）生产的基础研究，这使得这种材料被应用于最新一代高功率军用电子设备和雷达，以及消费电子产品中的每一款现代 LED 显示屏。此外，作为我们使命的核心，ONR 研究已带来一系列突破性的国防能力，使我们的水兵和海军陆战队员能够完成任务并安全回家。
不断重塑海军力量单页 PDF
当今的美国海军和美国海军陆战队是世界上最好的海上服务，这在很大程度上归功于 ONR 对无数项目的耐心、有针对性和专业管理，这些项目产生的技术几乎应用于舰队和部队的每一架飞机、舰船、潜艇、陆地车辆和服务器。更广泛地说，ONR 对海洋及其与空中、海岸和太空的交汇的关注产生了深远的影响 - 并催生了大量创新，这些创新不仅使服务受益，而且使整个社会受益。20 世纪 40 年代和 50 年代的旋风项目创建了第一个实时计算系统，它是船舶、飞机和无人驾驶车辆监控系统（以及每辆现代汽车甚至许多家庭）的核心组件。由于 ONR 对天气预报技术的投资，气象学家对影响军舰和民用飞机的预报变得越来越准确。ONR 支持氮化镓（一种非天然化合物）生产的基础研究，这使得该材料被纳入最新一代高功率军用电子设备和雷达，以及消费电子产品中的每个现代 LED 显示屏。而且，作为我们使命的核心，ONR 研究已经带来了一系列突破性的国防能力，使我们的水手和海军陆战队员能够完成任务并安全回家。
线性预测方法分离帕金森病动物模型中的场电位
帕金森病 (PD) 会导致运动和认知障碍。PD 可能导致皮层和皮层下大脑活动的深刻变化，这可以通过脑电图或颅内局部场电位 (LFP) 记录来测量。此类信号可以自适应地指导深部脑刺激 (DBS) 作为 PD 治疗的一部分。但是，自适应 DBS 需要根据实时监测和分析来识别神经元活动的触发因素。当前的方法并不总能识别与 PD 相关的信号，并且可能会造成延迟。我们测试了一种基于线性预测编码 (LPC) 的替代方法，该方法将自回归 (AR) 模型拟合到时间序列数据。这些 AR 模型的参数可以通过快速算法实时计算。我们比较了多巴胺耗竭的 PD 动物模型中纹状体的 LFP，这些模型中有无多巴胺前体左旋多巴存在，左旋多巴用于治疗 PD 的运动症状。我们表明，在多巴胺耗竭的小鼠中，仅通过 1 kHz 的 LFP 采样 1 分钟获得的以单个 LPC 参数为特征的一阶 AR 模型可以区分左旋多巴治疗小鼠和盐水治疗小鼠，并且优于当前方法。这表明 LPC 可能有助于实时在线分析神经信号以指导 DBS，并可能有助于基于 DBS 的 PD 治疗。
REMOTESENSING_9812765 1..10 - 科学
通过机载光学切片 (AOS, [1 – 10])，我们引入了一种宽合成孔径成像技术，该技术使用传统无人机对森林上方的图像进行采样。这些图像通过计算组合（注册到地面并取平均值）为积分图像，可抑制强遮挡并使隐藏目标可见。AOS 依赖于统计概率，即从多个角度看，森林地面上的某个点不会被植被遮挡，如 [2] 中的统计概率模型所解释的那样。可以进一步分析积分图像，以支持例如使用高级深度神经网络进行自动人员分类。在 [9] 中，我们已证明，在分类之前集成原始图像而不是合并原始图像的分类结果，在对空中热图像中部分遮挡的人进行分类时效果明显更佳（平均精度 92% vs. 25%）。在 [10] 中，我们展示了第一款基于 AOS 的全自动搜救无人机。与机载激光雷达 [11 – 14] 或合成孔径雷达 [15 – 18] 等替代方案相比，AOS 的主要优势在于，当部署在低成本片上系统计算机 (SoCC) 上进行遮挡消除时，其实时计算性能和高空间分辨率；它适用于其他波长，例如用于野生动物观察和搜救的远红外，或用于农业和林业应用的近红外。AOS 是被动的
使用IoT
摘要：由于高度事故发生率通常是由于在铁轨上的某种形式的意外障碍物所引起的，例如动物，车辆，碎屑和其他异物。此外，当前的轨道障碍物检测系统的特征是维护，低距离覆盖范围以及对环境磨损和损坏的敏感性很高。本文讨论了一种基于物联网的新型障碍物检测系统，用于利用LiDAR传感器和安装在移动火车前部的AI-a-Spair摄像机对障碍的实时检测和分类。它本质上将障碍物检测的机理从广泛的轨道基础设施转移到火车本身，从而消除了后者。因此，它在距离处识别正确的高分辨率，3D障碍物图像，从而确保关键对象之间的区分，因为系统结合了LIDAR创建高分辨率3D地图与AI对象分类功能的能力。边缘设备中的实时计算允许立即发送警报消息。它具有与云集成的更好的长期监控。这种创新的方法通过提供可扩展性，适应性和成本效率来增强铁路安全系统。除了准确度量指标外，还将使用各种环境测试来评估系统的性能，并在操作过程中的障碍检测准确性，系统可靠性和效率方面具有非常有前途的结果。
人类心脏高性能数字双胞胎的交互式平台
摘要 - 在本文中，我们提出了一个交互式平台，用于可视化和操纵从计算机断层扫描（CT）重建的人心的数字双胞胎。该平台涉及一对全息眼镜，它们的相机用于通过手势输入控制参数，高端图形工作站充当平台管理器，以渲染数据并控制计算的平台经理，以及高性能计算机群集，这是基于物理学的心脏模型所需的重量计算的高性能计算。心脏的数值模型被称为生物心脏的数字双胞胎，使用所提出的平台，我们可以在心脏的某些部分看到并操作生物心脏中很难达到的心脏。这样的平台可以用作外科计划的离线工具，也可以用作操作过程中近乎实时的工具。本文的主要重点是算法和软件，用于通过手势通过全息玻璃操纵三维弹性对象，对表面几何的控制以及对平行计算机上弹性物体的运动和位移的接近实时计算。心脏的变形是由在超级计算机上求解的超弹性方程式建模的，以便几乎实时获得物理上有意义的运动。报告了实际患者的心脏的初步结果。索引术语 - 相互作用的全息图，数字双胞胎，心脏超弹性模型，有限元素，域分解，平行处理
高斯混合模型分类器模拟集成低...
如今，数据的空前可用性和计算硬件的进步已推动机器学习 (ML) 和深度学习 (DL) 领域取得重大进展。[1] 通过利用大量开放获取数据，ML 技术可实现自动化决策，适用于医疗预测 [2]、财务预测 [3]、工业故障管理 [1] 等广泛应用。ML 技术在生产中的部署涉及数据收集和计算要求高的算法推理过程。在大多数情况下，此过程发生在昂贵的硬件系统中，例如数据中心。上述许多 ML 应用都需要实时计算，这就需要在数据采集系统和数据中心之间进行不切实际的数据传输。解决这个问题的方法是边缘计算，将采集和计算系统集成在同一设备中，从而消除了通信开销 [4]。这催生了智能工业的一个新领域，物联网 (IoT) 应用可从使用 ML 模型中获益 [5]。物联网系统的一个重要方面是功耗 [6]；设备必须依靠电池自主执行高计算任务。这反过来又导致对前所未有的低功耗和低面积利用率的需求。因此，在过去的几十年里，出现了一种新趋势，即在物联网和 ML 应用中使用低面积和低功耗硬件加速器，直接连接到智能传感器或系统 [7]。
机器人、自动化和人工智能：
3.下一个关键的 RAAI 支持技术包括 3-D 视觉和 5G 无线。先进机器视觉的出现正处于创造新一代协作机器人的风口浪尖，这些机器人使用摄像头、激光雷达和红外传感器来实现更快但更安全的协作应用，从而带来新一波生产力提升。视觉引导机器人 (VGR) 很快（2020 年末/2021 年初）就能高度适应动态操作环境，将经过安全认证的 2-D 和 3-D 视觉硬件与先进的软件和强大的计算能力相结合，实时处理大量视觉数据。先进的 VGR 使用算法来实现精确控制的运动。功能齐全的 5G 无线技术具有低延迟、实时速度和更快的传输速率，可将机器人设备与实时计算连接起来，从而实现完全动态的集成性能功能。5G 有望在三到五年内全面投入使用，从而能够在户外等非结构化环境中更广泛地部署自主 RAAI 技术。目前，大多数商业上可行的自主 RAAI 技术应用都发生在更结构化的室内环境中。就像实时无线视频流创造了最后一波云计算浪潮（通常在远程数据中心）一样，5G 可能会催生本地化微型数据中心的出现，以处理预期的实时数据处理爆炸式增长。
人工智能、机器学习和深度学习
值得注意的是，从日常生活的开始到结束，许多与人工智能、机器学习和深度学习算法一起工作的技术都为其提供支持。例如，智能手机在许多领域都发挥着作用，例如即时了解天气信息、规划白天要开展的工作、将血液中的氧气浓度、步数和心电图获得的速度数据等信息与之前的统计数据进行比较，并采取有关健康状况的预防措施。同样，由于应用程序通过智能手机与安装在城市各处的技术进行通信，可以实时计算到达行驶路线的时间并向用户提供必要的信息，并且可以根据来自智能停车场的信息将驾驶员引导到空置的停车场。智能停车场会自动检测停在智能停车场的车辆的车牌信息，通过安装在车辆上的芯片自动计算车费并付款。配备面部识别和指纹识别算法的智能结构支持将安全性保持在最高水平。智能照明和灌溉系统通过积极地有效利用资源来保护环境。十字路口的智能交通信号灯根据交通流量确定车辆的等待时间，用摄像头记录违反规则的情况，并允许采取必要的警告或刑事行动。智能家电使生活更轻松，并以多种方式节省能源。智能健康追踪系统在世界上有很多例子，它使用家用或便携式设备控制您的慢性疾病，并定期通知医生。几乎所有这些使生活更轻松且日益普及的技术都得到了人工智能、机器学习和深度学习方法的支持。在本研究中，将分别介绍有关人工智能、机器学习和深度学习方法的信息，并在最后几节中介绍示例