相控阵用TR模块的健康管理

为满足相控阵雷达收发模块(TR模块)全生命周期健康管理的需求,本文设计了一种新型健康管理方式。通过对TR模块故障检测需求进行详细分析,确定故障检测内容和响应方案,并提出设计方案、系统框图及具有针对性的检测电路。试验表明:该健康管理方式的故障定位可覆盖TR模块的6种主要故障,满足TR模块健康管理需求,且设计的样机具有较高的工业应用价值。

TRS镜像模块在深圳政务信息网中的应用

深圳电子政务建设始于1996年,在经过了初期的网络平台的大规模投资后,政务信息的建设成了重中之重,深圳政府在线是深圳电子政务对外服务的窗口,目前主要提供政务、经济、服务三方面的内容。深圳大多数政府部门已建设了各自的局域网系统（简称内网,下同）,按照国家的统一要求,各内部业务系统必须与互联网物理隔绝。目前大多数电子政务应用系统的流程是这样的:业务初始时的资料申报由市民、企业在互联网上进行,各单位收到信息后,通过中间机等人工操作的方式将数据转入内部应用系统,经业务流转,得出最终结果,再次通过人工方式转出到互联网站（简称外网,下同）。深圳政府在线由多个应用子系统构成,包括网上投诉、政府公报、统计数据等,都是与后台的业务流程紧密相联。

一种有源相控阵雷达TR组件电源系统

TR组件是固态有源相控阵雷达的核心模块之一。由于受到体积、重量和工作环境的限制,TR组件的电源模块必须具备高功率密度、高效率、高可靠性和高可维修性。目前对TR组件供电的方式多为集中供电的方式,其可靠性较差,效率较低。本文提出了一种采用分布式方式供电的TR电源系统实现方案。该电源系统使用两个相同的AC/DC转换模块提供直流12 V冗余输入电源,给8个相同的TR电源模块供电。其中每个TR电源模块给8个TR模块供电,8个TR电源模块总共用于给64个TR模块供电。每个TR电源模块的电压输出可以精确的调整,电压、电流、功耗和温度可以被实时监控。测试结果显示该电源系统可靠性高,可维修性好,能够有效改善电源的输出质量与效率。此外,还有连接可靠,架构简单,易于扩展等优点。

基于DSC-YOLOv5s的煤矸目标检测算法

针对现有的基于图像处理的煤矸分选检测方法准确度低、速度慢、参数量和计算量大等问题,提出了一种基于DSC-YOLOv5s的煤矸目标检测算法。实验结果表明:DSC-YOLOv5s目标检测算法优于YOLOv5s算法,准确率提升1.3%,参数量降低15.6%,浮点计算量降低2.5%,可为煤矸智能分选场景中的煤矸目标检测提供借鉴。

数字阵列雷达工程实现技术难点分析

数字阵列雷达是一种接收和发射波束都采用数字波束形成技术的全数字阵列扫描雷达,是有源相控阵雷达和数字雷达的最新发展方向。本文从数字阵列雷达的基本组成入手,首先分析了数字阵列雷达动态范围低要求、超低副瓣、低截获概率、宽角度扫描等主要特点,最后讨论了工程实现过程中存在的诸如数字TR组件、宽带信号、超低副瓣和通道一致性等技术难点,为数字阵列雷达的深入发展指明了方向。

基于SEP3203的VFD控制器PT6311驱动程序设计

以VFD控制器PT6311为例,介绍了其内部结构、工作原理,并且详细阐述了在ASIXOS操作系统下面开发驱动程序的过程和方法。同时给出基于SEP3203微处理器的VFD控制器PT6311中断方式的驱动程序。结果表明,本模块刷新时间Tr<200ms,可以运用于税控收款机,银税一体机和音响等方面。

基于Android平台与SMS的智能家居能量管理系统

基于Android平台与SMS技术,设计并实现了智能家居能量管理系统设计方案。在文中描述了该系统的总体设计框图、终端软件设计、智能电表设计、智能插座设计。对该系统进行了验证,实验结果表明,该方案能够快捷地实现对家居设备等能量消耗单元的控制,成本很低,适合入门者使用。

汽车防盗报警系统分析与设计

汽车日益成为人们生活中不可缺少的部分,随着汽车数量的增加,被盗的汽车也越来越多。传统的汽车防盗报警器的防盗性能太差,已不能满足人们的需求。而本设计不但提高了汽车的防盗性能,还实现了远程防盗报警。在本设计中键盘主要是为了输入车主电话;LCD液晶显示屏主要是为了显示键盘输入的信息;摄像头是为了拍摄照片,并将拍摄的照片储存到存储器AT24C02里;传感器负责采集信号,把采集的信号传送给单片机,单片机根据采集的信号做出相应的判断,如果是危险信号单片机控制应急系统对汽车进行断油断电,单片机再利用TR800模块通过GSM网络将图片和报警短信发送到车主的手机上,这样无论车主在哪里都可以通过手机得知汽车受到危险,及时的采取措施。

基于YOLOv5s的自动扶梯乘客异常行为实时检测算法

为了实时检测乘客的异常行为,提出一种基于YOLOv5s算法的轻量化自动扶梯乘客异常行为实时检测算法YOLO-STE。首先在主干网络中引入轻量化ShuffleNetV2网络,以减少主干网络的参数量和计算量;其次在骨干网络的最后一层引入基于Transformer编码的C3TR模块,以更好地提取丰富的全局信息和融合不同尺度的特征;最后在YOLOv5s的特征融合网络中嵌入SE(Squeeze-and-excitation)注意力机制,以更好地关注主要信息,从而提高模型精度。自建数据集并进行实验,实验结果表明,相比于原YOLOv5s,改进算法的全类平均精度值(mAP)高出1.9百分点,达到了96.1%,模型大小减少了70.8%。并且在Jetson Nano硬件上部署测试所得,改进后的算法前传耗时比原YOLOv5s模型缩短了39.9%。通过对比改进前后的算法,后者能更好地实现对自动扶梯乘客异常行为的实时检测,从而可以更好地保障乘客乘梯安全。