XiaoMi-AI文件搜索系统
World File Search System性能分析
锂离子电池电化学模型的数值离散方法的比较性能分析
这项研究评估了锂离子蝙蝠模型的数值离散方法，包括有限差异方法（FDM），光谱方法，PAD“近似和抛物线近似值。评估标准是准确性，执行时间和内存使用量，以指导用于电化学模型的Numerical离散方法的选择。在恒定的电流条件下，FDM显式Euler和runge-kutta方法显示出明显的错误。FDM隐式Euler方法通过更多的节点提高了准确性。光谱法实现了5个节点的最佳准确性和转化。FDM隐式Euler和光谱方法都显示出较高的电流的误差减少。pad´e近似具有较大的误差，随着较高的电流而增加，而抛物线方法的误差高于收敛的光谱和FDM隐式Euler方法。执行时间比较显示抛物线方法是最快的，其次是PAD´E近似。频谱方法的表现优于FDM方法，而FDM隐式Euler是最慢的。记忆使用量对于抛物线和PAD´E方法是最小的，对于FDM方法中等，对于光谱方法而言最高。这些发现提供了在锂离子电池模型中选择适当的数值离散方法的见解。
数字图像合成器对抗逆合成孔径雷达的性能分析
估计此信息收集的公共报告负担平均为每份回应 1 小时，包括审查指令、搜索现有数据源、收集和维护所需数据以及完成和审查信息收集的时间。请将有关此负担估计或此信息收集的任何其他方面的意见（包括减轻此负担的建议）发送至华盛顿总部服务部、信息运营和报告理事会，1215 Jefferson Davis Highway，Suite 1204，Arlington，VA 22202-4302，以及管理和预算办公室、文书工作减少项目 (0704-0188)华盛顿特区 20503。1. 仅供机构使用（留空）2. 报告日期 2002 年 9 月 3. 报告类型和涵盖日期 电气工程师论文
低SNR环境中卫星跟踪算法的性能分析
处理多个帧的算法对于在较大范围搜索中识别昏暗的卫星信号和轨道运动至关重要。检测方法之前，要查看具有目标信号并将所有帧数据提供给跟踪器的多个图像，并将检测决策延迟直至形成轨道。本文旨在通过对所有帧进行二项式决策规则进行建模，以估算低SNR跟踪算法的性能。作为系统设计分析的一部分，有必要根据各种参数来预测搜索的性能，例如光圈，传输，检测器灵敏度，帧数，最小可检测的目标大小，衰减和其他因素。这些搜索算法的性能可以由Monte Carle（MC）模拟确定，该模拟需要许多迭代来创建表来描述预期的系统性能。不幸的是，当系统参数和目标特性变化导致任务延迟时，这些基于MC的预测可能需要大量返工。这项工作旨在描述一个分析表达式，以描述场景的预期检测和虚假警报性能，该表达式将允许在太空域名（SDA）任务中观察平台的搜索和收集任务。另外，分析表达可以直接通过对结果的主动性理解并更好地理解任何操作异常。
太阳能和风能辅助混合干燥机的可持续性和性能分析
本研究讨论了太阳能和风能辅助混合干燥系统的能量、能量和可持续性分析。干燥过程由太阳能干燥器进行。风能用于提供干燥装置中风扇运行所需的电能。因此，干燥过程不需要外部能源。这项研究的主要目的是促进开发一种经济且环保的干燥系统，该系统仅使用两种不同的可再生能源来运行。实验确定了香蕉片的干燥特性。实验结果发现，干燥机的能量效率在 68.04 到 83.89% 之间。还从废物能量率、改进潜力和环境可持续性方面对该系统进行了检查。评估表明，与其他传统太阳能干燥机和太阳能辅助混合干燥机相比，混合干燥机的能量效率分别高出 57.7% 和 21.52%。此外，能源回收期确定为 1.36 年。这一结果清楚地表明，与其他太阳能干燥机相比，该系统可以在大约 38.18% 的时间内回收其消耗的能源。© 2022 Elsevier Ltd. 保留所有权利。
DDOS攻击检测和物联网中的性能分析...
摘要。Internet是设备的最常见连接工具，例如计算机，手机，智能手表等。这些设备与指定的服务器通信以提供信息。在这里，我们指的是连接众多称为物联网（IoT）的自动设备的系统。由于设备是不同类别的，有时很小，因此为有需要的人提供全面的安全性变得具有挑战性。但是，物联网上的传感器收集了大量数据，巨大的网络成为企业家的吸引力目标。对物联网的几项攻击之一是分发拒绝服务（DDOS）。机器学习可以在识别物联网中的这些攻击中起关键作用，因为它可以分析大量数据。机器学习模型可以学习合法的train tagre tagre模式，然后确定偏离学习模式的恶意数据包。分类技术可以根据与之相关的几个属性将恶意数据包与真正的数据包区分开。这项工作使用分类技术，例如随机森林，梯度提升和XGBoost来确定trail iC中的恶意数据包。分析表明，诸如Smote和Adasyn之类的平衡技术对于提高技术的性能至关重要。
锂离子电池中经验开路电压建模的性能分析，第1部分：性能度量
摘要 - 对电荷状态（OCV-SOC）特征的开路电压对于电池管理系统至关重要。使用OCV-SOC曲线，可以实时估算SOC和电池容量。准确的SOC和容量信息对于执行大多数电池管理功能很重要，以确保安全，高效且可靠的电池组电源系统。文献中已经报道了许多方法，以改善SOC估计和电池容量估计。这些方法着眼于各种估计和过滤技术，以减少由于滞后和放松效应而导致的测量噪声和不确定性的影响。即使所有现有的SOC估计方法都取决于OCV-SOC的表征，但很少关注OCV-SOC表征错误的可能性以及OCV-SOC曲线对SOC和容量估计的不确定性的影响。在本文中，这是一系列三篇论文的第一部分，讨论了整个电池管理系统中OCV-SOC建模误差的效果。OCV-SOC曲线中不确定性的不同来源包括细胞间变化，温度变化，老化漂移，周期速率效应，曲线拟合误差和测量/估计误差。建议的不确定性模型可以纳入电池管理系统中，以提高其安全性，性能和可靠性。索引项 - OCV-SOC建模，OCV建模，OCV-SOC表征，OCV表征，锂离子电池，电荷估计，电池管理系统。
与Intel SGX多线程的DNA对齐工作负载的性能分析
抽象数据机密性是数字时代的关键问题，影响了用户与公共服务之间以及科学计算组织与云与HPC提供商之间的互动。并行计算中的性能是必不可少的，但对于建立受信任的执行环境（TEE）以确保遥远环境中的隐私通常会对执行时间产生负面影响。本文旨在分析在英特尔SGX处理器机密的飞地内执行的DNA对齐（Bowtie2）的平行生物信息学工作负载的性能。结果提供了令人鼓舞的见解，内容涉及在大型数据集上使用基于SGX的TEE进行并行计算的可行性。调查结果表明，在高平行化条件下，并具有两倍的线程，在SGX飞地中执行的工作负载平均比非固定执行快15％。这种经验证明支持基于SGX的TEE有效平衡隐私需求与高性能计算的需求的潜力。
基于变分量子电路的函数回归理论误差性能分析
噪声中型量子 (NISQ) 设备使得量子神经网络 (QNN) 的变分量子电路 (VQC) 的实现成为可能。尽管基于 VQC 的 QNN 在许多机器学习任务中取得了成功，但 VQC 的表示和泛化能力仍需要进一步研究，特别是涉及到经典输入的降维时。在这项工作中，我们首先提出了一个端到端量子神经网络，即 TTN-VQC，它由一个基于张量训练网络 (TTN) 的量子张量网络组成，用于降维，还有一个 VQC 用于函数回归。然后，我们针对 TTN-VQC 的表示和泛化能力进行误差性能分析。我们还利用 Polyak-Lojasiewicz (PL) 条件来表征 TTN-VQC 的优化特性。此外，我们对手写数字分类数据集进行了功能回归实验，以证明我们的理论分析。
GMSK载波同步环路相位检测器在极低信噪比下的性能分析
I. 简介 深空通信系统在非常远的距离内运行，而机载能量发生器的容量非常有限，导致接收端的信噪比 (SNR) 非常低。这就是使用接近香农极限的纠错码的原因。然而，为了利用这种增益，必须进行相干解调，并且必须在更严格的 SNR（对于 Turbo 码 1/6，𝐸 𝑠 /𝑁 0 ≃ – 8 dB）下提供载波相位同步。分配给深空任务的频谱资源是有限的（X 波段 8 GHz），为了优化频谱效率，空间数据系统咨询委员会（CCSDS）建议 [1] 对于 B 类任务（深空任务）使用预编码 GMSK 调制（高斯最小频移键控），高斯滤波器带宽位周期积𝐵𝑇 𝑏 = 0.5，对于 A 类任务（低空任务）使用 GMSK 𝐵𝑇 𝑏 = 0.25。本文讨论了一种由最大后验（MAP）准则和洛朗展开式 [3] 衍生的用于 GMSK 调制的盲相位检测器 [2]。为了评估该相位检测器在非常低的 SNR 下在闭环结构中的性能，我们考虑了 [4] 和 [5] 中描述的另外两个简化版本。我们对线性和非线性域中的这三种不同结构进行了全面研究。我们还介绍了使用低速率纠错码（Turbo 1/6）进行计算机模拟所获得的结果。这项工作的目的是比较这三个相位检测器的性能，并评估为获得两个简化版本而进行的简化的影响。
使用卡尔曼过滤器对电池电池进行性能分析
摘要。锂离子（锂离子）电池在电动汽车的性能中起着至关重要的作用，这是由于其独特的特性和紧凑的尺寸。为了确保这些电池的寿命延长，用户必须采取其他预防措施。受多种道路条件影响的永久磁铁同步电动机（PMSM）驱动器应用的可变负载扭矩增加了情况。鉴于电动汽车运行（EVS）涉及的众多电气传感器和机械组件，评估锂离子电池的充电状态（SOC）被证明是一个重大挑战。在这种情况下，SOC可能会受到嘈杂的测量，导致电池随着时间的推移的性能下降。本文提议利用Kalman过滤器从嘈杂的测量结果估算实际SOC，依靠间接测量作为提高准确性的基础。