国产专区欧美专区,国模无码视频一区二区三区,97精品在线观看

基于深度生成模型的点云生成算法综述[人工智能][汽车电子]

点云生成作为三维视觉领域的核心任务，在点云形状补全、点云上采样、点云合成等场景具有重要价值，广泛服务于自动驾驶、机器人导航及医学影像等关键领域。由于点云数据固有的无序性、稀疏性和复杂结构，传统几何建模方法难以高效生成高质量且多样化的点云样本。近年来，基于深度生成模型的点云生成技术快速发展，成为该领域的研究热点，极大地提高了点云生成的质量与效率。总结了基于深度生成模型的点云生成算法的前沿进展与当前面临的挑战，并对未来研究方向进行展望。

發(fā)表于：2026/2/26

RCS测试技术研究综述[通信与网络][航空航天]

雷达散射截面（RCS）是衡量目标在雷达波照射下电磁波散射能力的关键物理量，直接反映了目标在雷达探测下的可见性，对隐身装备研制和反隐身技术研发具有重要意义。梳理了RCS测试技术的原理、方法分类、技术特点及发展趋势。阐述了RCS的基本定义和影响因素，包括目标外形、材料特性及与频率之间的关系等；重点分析了四种主流测试方法，包括室外远场测试、室内紧缩场测试、室内近场测试和动态测试，分别探讨了它们的原理、优势与局限性。指出了当前RCS测试面临的挑战，包括测试效率、多物理场、极低RCS测量、复杂电磁环境构建以及新频段拓展等问题，最后展望了未来技术发展方向。该研究可为 RCS 测试技术的研究与应用提供参考。

發(fā)表于：2026/2/26

是德科技前瞻：2026年6G发展趋势预测[通信与网络][5G]

随着6G研究、早期技术开发以及标准化工作的持续推进，人工智能（AI）、通信感知一体化（ISAC）、能源效率以及新型物理层创新正逐渐成为行业关注的重点。展望2026年，6G领域将呈现怎样的格局？本篇6G展望专题文章中，是德科技的管理团队及技术专家分享前沿洞见，深度剖析影响6G发展的技术路线、系统级挑战与测试和验证需求，助力企业在日益复杂且不断演进的产业环境中行稳致远。

發(fā)表于：2026/2/26

SK海力士发表HBM与HBF联用架构[模拟设计][消费电子]

SK海力士模拟了HBF处理高达1000万个令牌的海量键值缓存的场景，系统处理并发查询的能力提升了高达18.8倍；SK海力士计划最早于今年推出HBF1样品，该产品预计采用16层NAND闪存堆叠而成。

發(fā)表于：2026/2/12

多协议赋能智慧零售未来，芯科科技引领ESL创新浪潮[模拟设计][工业自动化]

發(fā)表于：2026/2/10

ADALM2000实验：Colpitts振荡器[模拟设计][工业自动化]

振荡器有多种形式。本次实验活动将研究Colpitts配置，该配置使用带抽头的电容分压器来提供反馈路径。

發(fā)表于：2026/2/10

AI PC需要什么样的存储？[人工智能][数据中心]

随着采用Panther Lake处理器的AI PC开卖，端侧AI不仅获得了更强的AI算力、续航和游戏体验，终端形态也因为芯片算力提升、能耗降低而重新调整内部形态，1.2kg以下的轻薄型笔记本电脑开始变得司空见惯，基于Windows系统平台的游戏掌机也伴随着iGPU性能大幅提升获得优秀体验。

發(fā)表于：2026/2/10

构建韧性系统：从后量子加密到新型信任架构[人工智能][工业自动化]

后量子时代的成功几乎完全取决于系统的韧性。通过探索后量子韧性的概念、其在服务器基础设施中的根源，以及正确的硬件选择如何实现长期安全性，开发人员将能更好地将意识转化为行动。

發(fā)表于：2026/2/5

5G系统切换场景中的数据转发机制研究[通信与网络][5G]

5G系统切换场景中的实时性与数据转发性能直接关乎用户体验与网络服务质量。针对现有数据转发机制在切换过程中存在的高数据丢失率与高时延的问题，提出了一种无损的数据转发与自适应配置机制。该机制通过优化源基站的数据发送缓存队列的转发处理逻辑，并根据不同场景灵活选择配置策略，实现了无损的数据转发。经实测验证，使用该机制，切换过程中数据丢失率降至 0%。

發(fā)表于：2026/1/28

基于改进YOLOv8n的通信终端识别算法[人工智能][通信网络]

针对复杂电磁环境下信号干扰引起的通信设备终端识别精度下降这一问题，提出一种基于改进YOLOv8n的通信设备终端识别算法EMIYOLO。首先，针对干扰信号对目标信号造成遮挡干扰问题，通过将深度卷积、逐点卷积和ECA(Efficient Channel Attention)注意力机制相融合，提出C2fCE模块以增加模型感受野；其次，在主干网络的末端嵌入部分自注意力机制，提高模型对信号特征的学习能力；再次，采用五种数据增强策略对数据集进行有效扩充。实验结果表明，在训练集上，EMIYOLO模型相比YOLOv8n模型mAP5095提升7.4%，模型参数量减小0.4M；在测试集上，相比3个对比算法，EMIYOLO模型对六个手机型号的识别准确率分别平均提高42.3%、52%、53.4%、50.4%、34%和39.7%。因此，EMIYOLO模型在复杂电磁环境下具有较强的抗干扰能力和鲁棒性。

發(fā)表于：2026/1/28

高噪声日志攻击源识别方法研究及实现[通信与网络][信息安全]

随着信息系统规模的扩大与网络攻击手段的多样化，网络安全态势感知平台及其他运营保障平台在面对海量异构日志时，普遍存在告警疲劳、误报率高、攻击溯源困难等问题。针对高噪声日志环境下的攻击源识别与威胁溯源难题，提出一种高噪声日志攻击源识别方法，该方法使用了基于多维规则的攻击源IP动态评分模型，实现攻击源威胁等级的动态评估与更新。同时，系统利用知识图谱完成攻击链重构与可视化分析，提升安全事件的可解释性与处置效率。实验结果表明，该方法在水利行业真实日志数据上实现了99.6%的日志浓缩率，误报率降低至8.3%，显著提升安全运营效率与响应能力。研究成果为行业级网络安全智能化运营提供了可行技术路径。

發(fā)表于：2026/1/28

广播发射台站在数据安全上的运维方式探索[通信与网络][信息安全]

基层广播发射台站数据安全运维的核心痛点在于“有限资源与差异化数据保护需求不匹配”，分类分级备份机制是解决该矛盾的关键技术路径。针对发射台站“数据聚焦设备运行与指令交互”的核心属性，构建“数据安全等级备份技术参数”映射模型，通过备份频率系数、冗余度及 RTO 达标率优化三类公式计算，并结合基层台站实测数据，验证公式可行性。研究表明，通过量化参数管控，可使一级数据备份成功率、RTO达标率提升至理想的数值，为基层发射台站提供可落地的分类分级备份技术方案。

發(fā)表于：2026/1/28

基于双模型的半监督流形混合流量分类方法[通信与网络][信息安全]

深度学习技术在网络流量分类领域中得到广泛应用，但存在对大量数据的依赖以及过拟合问题。为解决该问题，提出了一种结合双模型协作与流形混合的半监督深度学习方法。该方法使用教师-学生架构，通过移动指数平均辅助模型学习过程，从而提升模型的泛化性能，并于模型的特征空间中进行数据的流形混合，能够有效改善模型的决策边界，进一步增强模型的鲁棒性。实验结果表明，在不同数据类别，数据量为1 000的条件下，方法在三种网络流量数据集上都能达到90%以上的准确率，并在更少量数据的条件下保持较高的分类精度。

發(fā)表于：2026/1/28

S32N7助力实现汽车数字化：开启AI定义汽车新时代[人工智能][汽车电子]

实现软件定义汽车(SDV)的真正差异化竞争力，首先需要构建车辆上下文——即建立对车辆实时、全面的视图。这需要打破信息孤岛，使得原本分散在各个功能域的数据与功能，能够在整车层面可访问和可操作。

發(fā)表于：2026/1/27

莱迪思FPGA在无刷三相电机磁场定向控制中的应用优势[嵌入式技术][工业自动化]

本白皮书探讨了使用莱迪思FPGA在无刷三相电机应用中实现磁场定向控制（FOC，Field-Oriented Control）的诸多优势。FOC技术通过将电机电流转换至旋转参考坐标系，可实现精准的转矩和转速控制。传统上，这一功能由MCU或DSP实现，而FPGA凭借其并行处理能力、低延迟特性以及确定性时序，展现出更为卓越的性能。莱迪思FPGA在实时执行、可扩展性、系统集成及可靠性方面具备显著优势，是紧凑型、高能效电机控制系统的理想之选。本白皮书还展示了两个采用Lattice Certus™-NX FPGA的小型电机驱动器设计实例，详细介绍了器件选型、PCB布局以及通信接口。这些设计实例充分表明，莱迪思FPGA能够满足机器人、工业自动化等现代电机控制应用场景的严苛需求。

發(fā)表于：2026/1/27