从一组线段中自动识别结构是一项挑战,因为并非所有定义建筑结构的线都能被低级图像处理完美检测到。使问题进一步复杂化的是,额外的边缘可能会位于墙壁表面或不属于目标结构的物体上。因此,大多数现有方法依赖于中级区域特征,如几何上下文和方向图 [7],作为布局估计的中间步骤。给定一张图像,我们确定其信息边缘图,然后用它来预测该图像的最佳拟合 3D 框。由于图像是现实世界的投影,因此最好以能够满足现实世界的方式来解释它们。大多数室内环境符合曼哈顿世界假设 [2],即大多数平面位于三个相互正交的方向之一。寻找建筑结构分三步完成;找到线段和消失点,创建许多合理的建筑模型假设,并根据方向图(区域方向的局部信念图)对每个假设进行测试,以
从一组线段中自动识别结构是一项挑战,因为并非所有定义建筑结构的线都能通过低级图像处理完美检测到。为了进一步复杂化问题,额外的边缘可能位于墙壁表面甚至不属于目标结构的物体上。出于这个原因,大多数现有方法依赖于中级区域特征,例如几何上下文和方向图 [7],作为布局估计的中间步骤。给定一张图像,我们确定其信息边缘图,然后使用它来预测图像的最佳拟合 3D 框。由于图像是现实世界的投影,因此最好仅以能够满足现实世界的方式来解释它们。大多数室内环境都符合曼哈顿世界假设 [2],即大多数平面位于三个相互正交的方向之一。查找建筑结构分为三个步骤;找到线段和消失点,创建许多合理的建筑模型假设,并根据方向图(即区域方向的局部信念图)对每个假设进行测试,以便
● 初级视觉皮层方向图的中心模型 ● 模拟表明海马神经元中不同电流的信息处理作用 ● 最佳神经脉冲分类 ● 用于模板匹配的神经网络:应用于真实神经元动作电位的实时分类 ● 嗅觉皮层的计算机模拟,对嗅觉信息的存储和检索具有功能意义 ● 利用小脑网络模型进行运动控制的方案 ● 大脑新皮层的计算机模拟 ● 从猴子、人类和机器的运动中发现结构
摘要 本研究使用具有平面扫描功能的电光 (EO) 传感器演示了基于光子学的 300 GHz 频段近场测量和远场特性分析。待测场在 EO 传感器处上变频至光域 (1550 nm),并通过光纤传送至测量系统。在 13 s 的一维测量时间内,系统的典型相位漂移为 0.46 ◦,小于该时间尺度下相位测量的标准偏差 1.2 ◦。将从测得的近场分布计算出的喇叭天线远场方向图与使用矢量网络分析仪通过直接远场测量系统测得的远场方向图进行了比较。对于与角度相关的参数,我们通过近场测量获得的结果的精度与通过直接远场测量获得的结果相当。我们的近场测量结果与直接远场测量结果之间的旁瓣电平差异(约 1 dB)归因于探针校正数据的过量噪声。我们相信,基于光子学的球形 EO 探针扫描近场测量将为 300 GHz 频段高增益天线的表征铺平道路。
这是现代天线计量系统的一个关键方面,特别是在毫米波频谱区域 [1,2,3]。商用现货机械臂可为许多工业应用提供足够的定位精度 [4]。然而,要用于毫米波天线计量,机械臂需要与空间计量设备配合使用。美国国家标准与技术研究所通信技术实验室的天线计量项目表明,路径校正商用机械臂(无论是在硬件分析中还是在软件分析中)可用于实现足够的定位和对准精度(定位误差 ~λ/50),用于天线特性测量,例如增益外推和高达 183 GHz 的近场方向图 [3]。
抽象空间频率(SF)是视觉场景中的重要属性,是视觉处理通道的定义特征。但是,关于灵长类动物视觉皮层中如何编码这一基本信息,还有许多尚未解决的问题。在这里,在猕猴V2和V4的视觉区域中使用固有的信号光学成像,我们量化了SF地图和(1)视觉形貌以及(2)颜色和方向图之间的关系。我们发现,在方向区域中,低到高SF的定向映射到方向。在据报道包含颜色和轻度的正交轴的颜色区域中,低SF往往比高SFS更频繁地表示。这支持与“颜色/取向”组织有关的基于人群的SF波动。我们提出了一个跨皮质区域的广义高柱模型,该模型由两个带有其他参数的正交参数组成。
内存计算 (IMC) 已成为一种新的计算范式,能够缓解或抑制内存瓶颈,这是现代数字计算中能源效率和延迟的主要问题。虽然 IMC 概念简单且前景广阔,但其实施细节涵盖了广泛的问题和解决方案,包括各种内存技术、电路拓扑和编程/处理算法。本观点旨在提供涵盖 IMC 这一广泛主题的方向图。首先,将介绍内存技术,包括传统的互补金属氧化物半导体和新兴的电阻/忆阻设备。然后,将考虑电路架构,描述其目的和应用。电路包括流行的交叉点阵列和其他更先进的结构,例如闭环存储器阵列和三元内容可寻址存储器。同一电路可能服务于完全不同的应用,例如,交叉点阵列可用于加速神经网络中前向传播的矩阵向量乘法和反向传播训练的外积。本文将讨论实现电路功能多样化的不同算法和记忆特性。最后,本文将介绍 IMC 面临的主要挑战和机遇。
摘要 — 为了将无人机 (UAV) 融入未来的大规模部署,一种新的无线通信模式,即蜂窝连接无人机,最近引起了人们的关注。然而,以视距为主的空对地信道以及蜂窝地面基站 (GBS) 的天线方向图给蜂窝连接的无人机通信带来了严重的干扰问题。特别是,下倾天线的复杂天线方向图和地面反射 (GR) 会为天空中的无人机造成覆盖漏洞和不均匀的覆盖,从而导致底层蜂窝网络连接不可靠。为了克服这些挑战,在本文中,我们提出了一种新的蜂窝架构,该架构在现有的地面用户设备 (GUE) 下倾天线之上采用一组额外的朝向天空的同信道天线来支持无人机。为了对下倾天线产生的 GR 进行建模,我们提出了一种路径损耗模型,该模型同时考虑了天线辐射方向图和配置。接下来,我们制定了一个优化问题,通过调整上倾天线的上倾 (UT) 角度来最大化无人机的最小信号干扰比 (SIR)。由于这是一个 NP 难题,我们提出了一种基于遗传算法 (GA) 的启发式方法来优化这些天线的 UT 角度。在获得最佳 UT 角度后,我们集成了 3GPP Release-10 指定的增强小区间干扰
摘要 — 本文介绍了一种可扩展 W 波段相控阵系统的设计和实现,该系统具有内置自对准和自测试功能,基于采用 TowerJazz 0.18 µ m SiGe BiCMOS 技术制造的 RFIC 收发器芯片组,其 f T / f MAX 为 240/270 GHz。该 RFIC 集成了 24 个移相器元件(16TX/8RX 或 8TX/16RX)以及直接上变频器和下变频器、带素数比倍频器的锁相环、模拟基带、波束查找存储器和用于性能监控的诊断电路。设计了两个带有集成天线子阵列的有机印刷电路板 (PCB) 插入器,并将其与 RFIC 芯片组共同组装,以产生可扩展的相控阵瓦片。瓦片通过菊花链式本振 (LO) 同步信号彼此相位对齐。本文介绍了 LO 错位对波束方向图的影响的统计分析。16 个瓦片组合到载体 PCB 上,形成一个 384 元件 (256TX/128RX) 相控阵系统。在 256 个发射元件的视轴处测量到的最大饱和有效全向辐射功率 (EIRP) 为 60 dBm (1 kW)。在 90.7 GHz 下运行的无线链路使用 16-QAM 星座,在降低的 EIRP 为 52 dBm 的情况下,产生的数据速率超过 10 Gb/s,等效链路距离超过 250 m。
本文深入探讨了人工智能在合成孔径雷达 (SAR) 技术中的最新进展,重点介绍了欧洲航天局 (ESA) 支持的发展。讨论涵盖了人工智能在 SAR 数据中的应用进展,特别强调了下一代 SAR 有效载荷的机载数字处理功能。先前的 SAR 任务,如 Sentinel-1,在其有效载荷中加入了传感通道,用于校准、特性描述和监控航天器有效载荷。强大的机载处理设备和增加的机载内存为开发认知微波仪器提供了新的可能性,特别是雷达和合成孔径雷达,它们可以在没有地面特定指令的情况下触发自主动作。认知雷达被定义为一种结合了自适应和智能信号处理的系统。在卫星中,示例包括根据监测场景适应操作模式或仪器配置,调整波形参数(如频率、脉冲宽度、脉冲重复间隔、发射功率)直至发射和接收天线方向图或卫星平台的指向。本文重点介绍了与具有机载处理能力的下一代有效载荷的认知雷达应用相关的最新技术突破和持续发展,包括自适应压缩技术的进步、原始雷达数据的目标检测和其他由机器学习实现的技术。此外,它还深入探讨了数字信号处理、数字波束成形和信号处理技术领域的持续研究和开发活动,旨在实现更灵活和自适应的 SAR 有效载荷。这些元素被视为认知系统及其在未来任务中的应用的基石。除了概述当前的技术状况外,本文还探讨了人工智能在 SAR 任务中的潜在未来应用。人工智能与合成孔径雷达系统的结合有望提高合成孔径雷达的性能指标、减少延迟,从而实现地球观测和遥感领域的创新下游应用。