XiaoMi-AI文件搜索系统
World File Search System采样率
声音再现的艺术 - Pearl HiFi
8.1 数字音频简介 219 8.2 二进制 221 8.3 转换 224 8.4 采样和混叠 224 8.5 采样率的选择 228 8.6 采样时钟抖动 228 8.7 光圈效应 230 8.8 量化 232 8.9 量化误差 234 8.10 抖动简介 238 8.11 重新量化和数字抖动 241 8.12 抖动技术 244 8.12.1 矩形 pdf 抖动 244 8.12.2 三角形 pdf 抖动 246 8.12.3 高斯 pdf 抖动 247 8.13 基本数模转换 247 8.14 基本模数转换 255 8.15 替代方法转换器 260 8.16 过采样 263 8.17 无噪声整形的过采样 269 8.18 噪声整形 270 8.19 噪声整形 ADC 274 8.20 一位 DAC 277 8.21 一位噪声整形 ADC 279 8.22 二进制补码编码 281 8.23 数字音频中的电平 283 8.24 AES/EBU 接口 285 参考文献 299
可解释人工智能（XAI）驱动的振动传感方案，用于智能表面磨削过程中的表面质量监测
局部可解释和模型无关解释 (LIME) 是一种可解释的人工智能 (XAI) 方法，用于识别智能磨削过程中预测平均表面粗糙度 (Ra) 的全局重要时频带。智能磨削装置包括一台 Supertech CNC 精密表面磨床，配备一个 Dytran 压电加速度计，沿切线方向 (Y 轴) 安装在尾座主轴上。每次磨削时，都会捕获振动特征，并使用 Mahr Marsurf M300C 便携式表面粗糙度轮廓仪记录地面真实表面粗糙度值。在整个实验中，粗糙度值范围为 0.06 至 0.14 微米。提取磨削过程中收集的每个振动信号的时间频域频谱图帧。建模卷积神经网络 (CNN) 以基于这些频谱图帧及其图像增强来预测表面粗糙度。最佳 CNN 模型能够预测粗糙度值，总体 R2 分数为 0.95，训练 R2 分数为 0.99，测试 R2 分数为 0.81，仅使用 80 组振动信号（对应 4 次实验，每次 20 次试验）。虽然数据量不足以保证在现实场景中达到这样的性能指标，但可以提取这些复杂的深度学习模型捕获的关系背后的统计一致的解释。在开发的表面粗糙度 CNN 模型上实施了 LIME 方法，以识别影响预测的重要时频带（即频谱图的超像素）。基于在频谱图帧上确定的重要区域，确定了影响表面粗糙度预测的相应频率特性。基于 LIME 结果的重要频率范围约为 11.7 至 19.1 kHz。通过基于重要频率范围并考虑奈奎斯特标准将采样率从 160 kHz 降低到 30、20、10 和 5 kHz，证明了 XAI 的强大功能。通过仅提取低于其相应奈奎斯特截止值的时间频率内容，为这些范围开发了单独的 CNN 模型。通过比较模型性能提出了一种适当的数据采集策略，以论证选择足够的采样率来成功且稳健地捕捉磨削过程。© 2023 制造工程师协会 (SME)。由 Elsevier Ltd. 出版。保留所有权利。这是一篇根据 CC BY-NC-ND 许可开放获取的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）由 NAMRI/SME 科学委员会负责同行评审。关键词：卷积神经网络；可解释机器学习；XML；可解释人工智能；XAI；局部可解释和模型无关解释；LIME；表面粗糙度；表面磨削；光谱图
tsception：捕获脑电图识别脑电图的时间动力和空间不对称
摘要 - 高时间分辨率和不对称空间激活是大脑中脑电图（EEG）的基本属性。为了学习脑电图对准确和普遍的情绪识别的时间动态和空间不对称性，我们提出了Tsception，这是一种多尺度的卷积神经网络，可以从EEG分类情绪。tsception由动态时间，不对称空间和高级融合层组成，它们同时学习时间和通道尺寸。动态时间层由多尺度的1D卷积内核组成，其长度与EEG的采样率有关，EEG学习了EEG的动态时间和频率表示。不对称的空间层利用了情绪的不对称脑电图模式，学习歧视性的全球和半球表示。学习的空间表示将被高级融合层融合。使用更广泛的交叉验证设置，在两个公开可用的数据集DEAP和MAHNOB-HCI上评估了所提出的方法。将所提出的网络的性能与先前报道的方法（例如SVM，KNN，FBFGMDM，FBTSC，无监督学习，DeepConvnet，ShallowConvnet和Eegnet）进行了比较。tsception达到了更高的分类精度和F1评分。这些代码可在以下网址提供：https：//github.com/yi-ding-cs/tseption
利用设计多样性冗余降低 SoC 模拟数字接口的软错误率
摘要 — 本文在重离子辐照下测试了商用可编程片上系统（PSoC 5，来自赛普拉斯半导体公司），重点测试了系统的模数接口模块。为此，将数据采集系统 (DAS) 编程到被测设备中，并使用设计多样性冗余技术进行保护。该技术通过使用两种不同架构的转换器（一个转换器和两个逐次逼近寄存器 (SAR) 转换器）以不同的采样率运行，实现了不同级别的多样性（架构和时间）。实验在真空室中进行，使用能量为 36 MeV 且足以穿透硅的 16 O 离子束在活性区域产生 5.5 MeV/mg/cm 2 的有效线性能量传输 (LET)。平均通量约为 350 粒子/秒/cm 2，持续 246 分钟。评估了每个转换器对单粒子效应的个体敏感性，以及整个系统截面。结果表明，所提出的技术可有效缓解源自转换器的错误，因为使用分集冗余技术可纠正 100% 的此类错误。结果还表明，系统的处理单元容易挂起，可以使用看门狗技术来缓解。
皮质钙动力学的数据驱动分割
在整个大脑半球体上神经元钙通量的经颅视频中解散信号是在映射皮质组织特征之前的关键步骤。在这里我们揭示了独立的成分分析可以最佳地恢复神经信号的含量，以捕获的神经元记录，以最小采样率为1.5×10 6像素，每100毫秒框架以17分钟的速度以1：1：1：1：1：1：1：1：1：1：1：1：1：1：1：1：1：1：1：1：1：1：1：1：1：1。我们表明，从组件获得的一组空间和时间指标可用于构建一个随机的森林分类器，该分类器可自动以人为性能分离神经活动和伪影组件。使用此数据，我们建立了小鼠皮层的功能分割，以每个半球体提供〜115个域的图，其中提取的时间课程最大地表示每个记录中的基本信号。域图显示了大量的区域基序，高阶皮质区域呈现出较大的怪异结构域，而较小的圆形域则是原发性感觉区域中的较小圆形区域。数据驱动的视频分解和信号源的机器层化的工作流程可以极大地增强复杂脑动力学的高质量映射。
DPS368 - 英飞凌科技
• 带环保封装的压力传感器 • 操作范围：压力：300 –1200 hPa。温度：-40 – 85 °C。• 压力传感器精度：± 0.002 hPa（或 ±0.02 m）（高精度模式）。• 相对精度：± 0.06 hPa（或 ±0.5 m） • 绝对精度：± 1 hPa（或 ±8 m） • IPx8 认证：临时浸泡在 50m 深水中 1 小时 • 温度精度：± 0.5°C。• 压力温度灵敏度：0.5Pa/K • 测量时间：标准模式（16x）通常为 27.6 ms。最小值：低精度模式为 3.6 ms。• 平均电流消耗：压力测量 1.7 µA，温度测量 @1Hz 采样率 1.5 µA，待机：0.5 µA。• 电源电压：VDDIO：1.2 – 3.6 V，VDD：1.7 – 3.6 V。 • 操作模式：命令（手动）、后台（自动）和待机。• 校准：使用系数单独校准以进行测量校正。• FIFO：存储最多 32 个压力或温度测量值。• 接口：I2C 和 SPI（均带有可选中断） • 封装尺寸：8 针 PG-VLGA-8-2，2.0 mm x 2.5 mm x 1.1 mm。• 符合绿色产品 (RoHS)
代理模型在动态系统数字孪生开发中的作用
数字孪生技术在航空航天、基础设施和汽车等各个工业领域具有广泛的应用前景、现实意义和潜力。然而，由于具体应用不明确，这项技术的采用速度较慢。本文使用离散阻尼动态系统探讨数字孪生的概念。由于数字孪生也有望利用数据和计算方法，因此在这种情况下使用代理模型是有充分理由的。在这种协同作用的推动下，我们探索了在数字孪生技术中使用代理模型的可能性。特别是，我们探索了在数字孪生技术中使用高斯过程 (GP) 模拟器。GP 具有处理噪声和稀疏数据的固有能力，因此，在数字孪生框架内使用它是有充分理由的。涉及刚度变化和质量变化的情况将单独和联合考虑，以及数据中不同程度的噪声和稀疏性。我们的数值模拟结果清楚地表明，GP 模拟器等替代模型有可能成为开发数字孪生的有效工具。分析了与数据质量和采样率相关的方面。总结了本文介绍的关键概念，并提出了未来迫切研究需求的想法。
替代模型在开发中的作用 - arXiv
数字孪生技术在航空航天、基础设施和汽车等各个工业领域具有广泛的应用前景、相关性和潜力。然而，由于具体应用不明确，这项技术的采用速度较慢。本文使用离散阻尼动态系统来探索数字孪生的概念。由于数字孪生也有望利用数据和计算方法，因此在这种情况下使用替代模型是一个令人信服的例子。在这种协同作用的推动下，我们探索了在数字孪生技术中使用替代模型的可能性。特别是，我们探索了在数字孪生技术中使用高斯过程 (GP) 模拟器。GP 具有处理噪声和稀疏数据的固有能力，因此，在数字孪生框架内使用 GP 是一个令人信服的理由。考虑了涉及刚度变化和质量变化的情况，分别考虑了不同程度的数据噪声和稀疏性。我们的数值模拟结果清楚地表明，GP 模拟器等替代模型有可能成为开发数字孪生的有效工具。分析了与数据质量和采样率相关的方面。总结了本文介绍的关键概念，并提出了未来迫切研究需求的想法。
替代模型在数字技术发展中的作用...
数字孪生技术在航空航天、基础设施和汽车等各个工业领域具有广泛的应用前景、相关性和潜力。然而，由于具体应用不明确，这项技术的采用速度较慢。本文使用离散阻尼动态系统来探索数字孪生的概念。由于数字孪生也有望利用数据和计算方法，因此在这种情况下使用替代模型是一个令人信服的例子。在这种协同作用的推动下，我们探索了在数字孪生技术中使用替代模型的可能性。特别是，我们探索了在数字孪生技术中使用高斯过程 (GP) 模拟器。GP 具有处理噪声和稀疏数据的固有能力，因此，在数字孪生框架内使用 GP 是一个令人信服的例子。考虑了涉及刚度变化和质量变化的情况，分别考虑了不同程度的数据噪声和稀疏性。我们的数值模拟结果清楚地表明，GP 模拟器等替代模型有可能成为开发数字孪生的有效工具。分析了与数据质量和采样率相关的方面。总结了本文介绍的关键概念，并提出了未来迫切研究需求的想法。
用于情绪识别的多模态神经生理转换器
摘要 — 理解神经功能通常需要多种模式的数据，包括电生理数据、成像技术和人口统计调查。在本文中，我们介绍了一种新颖的神经生理模型，以应对多模态数据建模的主要挑战。首先，我们通过解决可变采样率问题来避免原始信号和提取的频域特征之间的不一致问题。其次，我们通过与其他模态的“交叉注意”对模态进行编码。最后，我们利用父变换器架构的属性来模拟跨模态段之间的长距离依赖关系，并评估中间权重，以更好地了解源信号如何影响预测。我们应用多模态神经生理变换器 (MNT) 来预测现有开源数据集中的效价和唤醒。对非对齐多模态时间序列的实验表明，我们的模型在分类任务中的表现相似，在某些情况下甚至优于现有方法。此外，定性分析表明 MNT 能够模拟神经对自主活动的影响以预测唤醒。我们的架构有可能针对各种下游任务进行微调，包括 BCI 系统。