XiaoMi-AI文件搜索系统
World File Search System离线分析
使用案例 RTK 功能优势无处不在
实时威胁评估和优先级排序使操作员能够在压力下做出自信的决策。即使没有 ML 专业知识，操作员也能以无与伦比的速度和精度从 RTK 获得洞察力。该系统可根据现场的具体环境和任务进行调整，处理复杂的在线或离线分析，以持续保持战场优势。这使作战人员能够专注于任务，而不是数据。
YAMCS Suite
通信协议•UDP Unicast或多播的原始数据包•TCP上的原始数据包•CCSD sle，空间链接链接扩展CCSD框架框架协议：•TM空间数据链接协议，CCSD 132.0-B-3•AOS空间数据732.1-B-2•TC同步和通道编码，CCSD 231.0-B-4•TM同步和渠道编码，CCSD 131.0-B-3•通信操作过程，（COP-1）CCSDS 232.1-B-2遥测重播，科学数据提取，分析和离线分析•详细的数据包和参数检查•外部科学用户或其他中心的远程和级联连接•在参数，数据包和命令级别授权。此外，授权数据存储在LDAP数据库中
*最终 * BOSS MXA130_MXA230 DATASHEET.DOCX
•1x公共警报（N/C或N/O）完全可编程•2x警报（N/O）完全可编程•扩展船只健康监控。•泄漏检测。•使用监视器和计数器。•Modbus RTU和BACNET通信协议通过RS485具有能力。•可以与FlamConnect远程服务结合使用。（请与Boss TM技术支持团队联系以获取详细信息）。•包含两个带有隔离阀的柔性软管，以便于安装。•易于使用壁挂式支架。•广泛的数据存储用于在线和离线分析。•先进的技术可确保最低的功耗，长时间的使用寿命和易于维护。•微处理器控制，自学习，带有图形显示。•获得专利的“干”断路箱，以保护军团菌。
使用时间表重新配置确保实时系统
摘要 - 现代的实时系统容易受到网络攻击的影响。越来越多的采用多核平台，安全性和非安全关键任务共存，进一步引入了新的安全挑战。现有的解决方案遭受了缺乏决定论或过多成本的损失。本文解决了这些缺点，并提出了一个离线分析，以计算在多核平台上运行的实时任务的所有可行时间表，从而隔离损害任务，同时保证失败操作系统和低成本可重构计划。使用UAV自动驾驶系统在四核平台（Raspberry PI）上使用UAV自动驾驶系统的实验结果表明，所提出的方案会在微秒级别上造成运行时恢复开销。此外，在合成测试案例中，重新配置过程最多涵盖了所有可能的响应的100％。索引项 - 真实时间系统，计划重新配置，多核，安全性。
即插即用监控，利用肌肉和脑信号进行实时手势和错误检测
摘要 在各种潜在的安全关键场景中，对机器人进行有效的人工监督是确保机器人正确运行的关键。本文通过结合两种人体生物信号流（分别通过 EMG 和 EEG 获得的肌肉和大脑活动），朝着快速可靠的人工干预监督控制任务迈出了一步。它介绍了使用肌肉信号对左手和右手手势进行连续分类、使用脑信号（在观察到错误时无意识产生）对错误相关电位进行时间锁定分类，以及结合这些管道在多项选择任务中检测和纠正机器人错误的框架。以“即插即用”的方式评估由此产生的混合系统，其中 7 名未经训练的受试者监督执行目标选择任务的自主机器人。离线分析进一步探索了 EMG 分类性能，并研究了选择可能促进可推广的即插即用分类器的训练数据子集的方法。
即插即用监控，利用肌肉和脑信号进行实时手势和错误检测
摘要 在各种潜在的安全关键场景中，对机器人进行有效的人工监督是确保机器人正确运行的关键。本文通过结合两种人体生物信号流（分别通过 EMG 和 EEG 获得的肌肉和大脑活动），朝着快速可靠的人工干预监督控制任务迈出了一步。它展示了使用肌肉信号对左手和右手手势进行连续分类、使用脑信号（在观察到错误时无意识产生）对错误相关电位进行时间锁定分类，以及结合这些管道在多项选择任务中检测和纠正机器人错误的框架。以“即插即用”的方式评估由此产生的混合系统，其中 7 名未经训练的受试者监督执行目标选择任务的自主机器人。离线分析进一步探索了 EMG 分类性能，并研究了选择可能促进可推广的即插即用分类器的训练数据子集的方法。
渐进关系网络：基于少量脑电图学习解码直觉上肢运动想象
摘要 —脑机接口 (BCI) 是一种连接用户和外部设备的通信工具。在实时 BCI 环境中，每个用户和每个会话都需要进行校准过程。此过程消耗大量时间，阻碍了 BCI 系统在真实场景中的应用。为了避免这个问题，我们采用基于度量的少样本学习方法，使用可以逐步考虑时间和光谱组组合的渐进关系网络 (GRN) 来解码直觉上肢运动想象 (MI)。我们从 25 名受试者那里获取了与直觉上肢运动相关的上臂、前臂和手的 MI 数据。在 1 次、5 次和 25 次设置下，离线分析下的总平均多类分类结果分别为 42.57%、55.60% 和 80.85%。此外，我们可以使用少样本方法在实时机械臂控制场景中展示直观 MI 解码的可行性。五名参与者在饮水任务中可实现 78% 的成功率。因此，我们展示了通过关注人体部位缩短校准时间的在线机械臂控制的可行性，同时也展示了基于所提出的 GRN 适应各种未经训练的直观 MI 解码。
rt-net：使用高...
抽象的高密度脑电图（HDEEG）已成功地用于对健康和患病的人脑中神经活动的大规模研究。由于其高度计算需求，通常会脱机地对源项目进行分析。在这里，我们提出了一种实时非侵入性电生理工具箱RT-NET，该工具箱是专门为使用HDEEG在线重建神经活动的专门开发的。rt-net依赖于实验室流层来从大量脑电图放大器中获取原始数据，并将处理后的数据流式传输到外部应用程序。rt- Net估计使用校准数据集进行伪影的空间过滤器，并重建了伪像删除和源活动。然后将此空间过滤器应用于HDEEG数据时，从而确保了低延迟和计算时间。总体而言，我们的分析表明，RT-NET可以通过与离线分析方法相当的性能估算实时神经活动。因此，它可以使新的大脑 - 计算机接口应用程序（例如基于源的神经反馈）的开发。
传感器
摘要：基于稳态视觉诱发电位（SSVEP）的脑机接口（BCI）拼写器因其高信息传输速率（ITR）而受到广泛研究。本文旨在提高SSVEP-BCI在高速拼写方面的实用性。系统从自行开发的专用EEG设备获取脑电图（EEG）数据，并将刺激布置为键盘。对任务相关成分分析（TRCA）空间滤波器进行修改（mTRCA）以进行目标分类，并且在离线分析中与原始TRCA相比表现出明显更高的性能。在在线系统中，利用基于贝叶斯后验概率的动态停止（DS）策略来实现可变的刺激时间。此外，还优化了时间滤波过程和程序以促进在线DS操作。值得注意的是，在线 ITR 平均达到 330.4 ± 45.4 比特/分钟，明显高于固定停止 (FS) 策略，峰值 420.2 比特/分钟是迄今为止使用 SSVEP-BCI 的最高在线拼写 ITR。所提出的系统具有便携式 EEG 采集、友好的交互和可变的命令输出时间，为基于 SSVEP 的 BCI 提供了更大的灵活性，并有望实现实际的高速拼写。
一种用户友好的基于 SSVEP 的 BCI，使用不可感知的...
摘要：利用四类相位编码刺激，开发了基于稳态视觉诱发电位（SSVEP）的脑机接口（BCI）系统。将高于临界融合频率（CFF）的60Hz闪烁光诱发的SSVEP与15Hz和30Hz的SSVEP进行比较。采用任务相关成分分析（TRCA）方法检测脑电图（EEG）中的SSVEP成分。对17名受试者的离线分析表明，60Hz的最高信息传输速率（ITR）为29.80±4.65bpm，数据长度为0.5s，分类准确率为70.07±4.15％。在线BCI系统在4s的60Hz下达到平均分类准确率为87.75±3.50％，ITR为16.73±1.63bpm。具体来说，受试者在60Hz下的最大ITR为80bpm，持续时间为0.5s。虽然60Hz的BCI性能低于15Hz和30Hz，但行为测试的结果表明，在无闪烁感知的情况下，60Hz的BCI系统比15Hz和30Hz的BCI系统更舒适。相关性分析表明，信噪比（SNR）较高的SSVEP对应更好的分类性能，舒适度的提高伴随着性能的下降。本研究证明了使用无感知闪烁的用户友好型SSVEP BCI的可行性和潜力。