XiaoMi-AI文件搜索系统
World File Search System抗干扰性
PT50R-2149-U6-DT043P 压力变送器
EMV 抗干扰性/干扰发射 EN 61326-2-3 - 压力传感器 ISO 13766 - 土方机械 DIN EN 13309 - 建筑机械 DIN ISO 14982 - 林业和农业 CISPR11 抗干扰性 机动车指令 ISO 11452-2，HF（现场），100 V/m（200…2000 MHz） ISO 11452-4，HF（BCI），100 mA（20…400 MHz） ISO 10605，ESD，±15 kV 接触，±15 kV 空气 ISO 7637-2 3），脉冲 1、2a、2b、3a、3b（测试等级 4） ISO 16750-2，负载突降，155 V（1 Ω，300 ms） 机动车指令 ECE R10 机动车指令2004/104/EC
那么杀手机器人到底是什么？
还值得注意的是，人工智能和其他相关技术的直接军事应用仅占这些领域更广泛研究工作的一小部分。与新兴重大军事创新的传统开发负担相反，开发主要发生在安全领域之外。相反，商业和大学研究主要用于民用项目，如自动驾驶汽车和家庭自动化。作为军民两用技术，相关支持组件的进步对于概述我们朝着未来 LAWS 示范点的进展仍然具有重要意义。然而，除了人工智能软件需要特定于任务的数据之外，军方采用这些技术还需要比民用设计系统通常具有的更高的稳健性和抗干扰性。
电动飞机机体组合损伤容错控制研究
摘要：通用航空是航空领域的重要分支，电动飞机作为绿色能源飞机是通用航空飞机的重要组成部分和发展方向，其安全性至关重要。本文研究了电动飞机在碰撞、雷击、结冰等工况下的气动与动力学特性，引入损伤因素，建立飞机动力学与运动学模型。利用STAR-CCM+软件模拟机体组合损伤情况下的气动力和气动力矩。基于L1自适应控制算法对被控对象参数不确定性的估计能力和控制输出的自动调节能力，设计了在机翼损伤、碰撞后平尾损伤、平尾结冰、机翼雷击损伤情况下的电动飞机容错控制律。结果表明，该控制律对电动飞机机体组合损伤具有良好的容错控制能力，控制系统具有适应性、抗干扰性和鲁棒性，对其他运输飞机的飞行安全控制具有很好的工程借鉴意义。
低功耗手持移动设备的自由空间光学通信
本研究展示了一种使用移动设备进行基于阵列的自由空间光 (FSO) 通信的机器学习 (ML) 方法。现代作战人员需要非射频 (RF) 通信方法来消除与 RF 通信相关的风险，例如检测、窃听和干扰。FSO 通信有望实现巨大的吞吐量，并具有其他优势，例如低拦截/检测概率和抗干扰性。然而，大气条件会通过在信道上引入衰落和噪声，从而显著降低实现的性能。为了提高信道弹性和吞吐量，我们在发射器处使用激光阵列采用空间代码，并在信道字母表上训练多个 ML 模型以在接收器处提供高效解码。我们在训练过程中比较了单次检测 (SSD) MobileNet 模型与 You-Only-Look-Once 模型的性能，并使用训练后的 SSD MobileNet 模型演示了通过概念验证系统进行的数据传输。我们详细介绍了概念验证的硬件和软件实现，它使用手持移动设备和一系列低成本、低功耗激光器。未来的实验计划将结合前向误差校正和在现实条件下进行更远距离的测试。
地球围栏：非机密深空雷达能力的全球扩展
我们描述了 ThothX (thothx.com) 的新型深空雷达技术 Earthfence 的全球扩张。Earthfence 是一种软件定义的脉冲压缩雷达技术，使大口径天线的操作员能够将其重新用于 GEO 单基地雷达。Earthfence 最初由 ThothX 位于渥太华附近的 46 米抛物面天线开发，目前已部署在该天线上，这是加拿大最大的全可控天线，可观测范围达一亿米的驻留空间物体，并提供近乎实时的米级范围精度，具有业界领先的延迟、节奏和自动化。该解决方案在 C 波段运行，完全数字化，雷达回波脉冲在低噪声放大后以复杂正交形式数字化，并转发给超级计算机集群进行分析，该超级计算机集群应用了包括脉冲解压缩在内的雷达处理算法。该系统无需人工干预即可将结果实时传输到包括统一数据库在内的存储库，ThothX 定期在 Sprint 高级概念训练 (SACT) 活动期间提供对 GEO 航天器的雷达观测数据，这是太空部队和商务部的一项联合举措。与传统雷达相比，Earthfence 采用新颖的硬件技术和非常低的放大器功率水平，几乎无法被观察目标探测到，因此它具有固有的抗干扰性。Earthfence 的高精度结果仅依赖于对氢原子钟频率标准的校准。
计算机通讯
在物联网人工智能快速发展的背景下，物联网的建立可以促进人工智能领域的快速进步。传统图像检测方法采用小波能量算法划分背景和边缘噪声，分辨率较差，图像检测精度低，存在检测速度慢、缺乏图像深度分析等一系列问题。针对传统方法的弊端，本研究提出基于物联网的人工智能图像检测系统的设计，采用智能人工像素特征采集技术对图像进行逐点特征提取。将人工智能学习算法引入到物联网系统下的车间车轮检测中，不仅可以解决传统方法中特征抗干扰性差、鲁棒性差的问题，而且对车轮检测系统的二次开发具有重要意义。利用神经网络对车轮图像进行分类，同时融合车轮缺陷检测、车轮编号识别等其他检测需求，利用物联网丰富的数据资源和处理能力对采集的图像像素进行特征分析和反馈。人工智能图像合成模块对信号进行图像转换处理，处理反馈信号，分析结果完成图像检测，完成人工智能图像。通过仿真实验，证明了基于物联网的人工智能图像检测系统设计具有图像检测率高、识别准确率高、运行稳定、处理高效等优点，该设计思路具有很好的应用价值。