使用有安全保障的闪存存储构建安全的汽车系统

最新设计资源

大功率相控阵短波发射系统数字预失真方案[通信与网络][通信网络]

针对大功率相控阵短波发射系统在实现高效率传输时面临的非线性失真问题，提出了一种基于记忆多项式算法的相控阵短波发射系统数字预失真（DPD）方案。方案采用快速傅里叶变换（FFT）技术对系统多通道固态发射机耦合输出的100%调幅信号进行相位校准，并基于记忆多项式模型对非线性特性进行辨识，最终在激励设备的FPGA中实现对激励基带信号的实时预失真校正。测试结果表明，提出的方案能将短波发射系统全频段谐波失真控制在2%以内，调制度不对称度优于2%，载波跌落优于±2%，确保系统指标满足《中、短波调幅广播发射机技术要求和测量方法》（GY/T 225-2007）甲类标准，有效解决固态发射机饱和特性引起的发射信号频谱再生和波形畸变问题，显著提升了系统的发射质量。

发表于：2026/9/23

面向智能变电站的设备状态监控单元采样值异常检测技术[测试测量][智能电网]

在设备状态监控单元采样值异常测定过程中，若仅通过挖掘单个特征目标进行检测，则无法同步关联区间内的检测对象，导致输出结果的精准度降低。为此提出对面向智能变电站设备状态监控单元采样值异常检测技术的分析与研究。采用自回归拟合对监控单元的采样值进行量化处理，剔除非均匀错误数值后，输出回归处理结果。构建异常响应机制，以自回归结果作为引导，在正态响应分布区间之内对关联采样异常特征挖掘，同步采样检测对象，确定具体的异常目标。根据输出的异常目标进行告警识别及定位，结合检测偏差进行回溯补偿和修正，确保变电站设备恢复至预期的运行状态。实验结果表明，所提方法的误检率在0.8%~1.4%之间，初始时段最高，达到1.4%，后续时段逐渐平稳，控制在1.0%~1.1%之间，无明显波动，表明检测精准度和有效性有所提升，性能优越可靠。

发表于：2026/9/23

基于深度学习的医学图像分割算法综述[人工智能][医疗电子]

医学图像分割是智能诊断与辅助决策的重要环节，对疾病检测、器官识别及术中导航具有关键意义。近年来，深度学习的快速发展推动了分割算法的持续创新，但仍面临模态差异大、边界模糊及标注稀缺等挑战。系统综述了基于深度学习的医学图像分割研究进展，涵盖卷积神经网络、循环神经网络、Transformer等判别式模型，以及生成对抗网络和扩散模型等生成式方法，并探讨了Segment Anything Model等大模型在医学影像中的适配策略。同时，对医学图像分割的主要挑战进行了总结，并基于多模态数据集对典型方法的性能进行了实验性比较。最后，归纳了该领域的研究趋势与未来方向，为医学图像分割模型的优化与临床应用提供了参考。

发表于：2026/9/23

基于微服务架构的智慧园区综合管理平台设计与效能优化[通信与网络][安防电子]

针对传统园区建设中信息孤岛、数据碎片化及业务扩展性不足的核心痛点，提出一种以微服务架构为核心的智慧园区综合管理平台解决方案。首先构建“云-网-端”五层开放可扩展系统架构，明确前端感知层、信息传输层、数据资源层、平台服务层及业务展现层的协同逻辑；重点设计综合管理平台的软件架构、模块化实现视图、进程交互机制及冗余部署方案，通过微服务的独立部署、动态扩展特性，打破业务系统壁垒，实现数据融合分析与智能决策支撑。实际应用表明，该平台可实现园区业务响应效率提升40%、数据共享率达92%，有效解决业务烟囱与数据孤岛问题，为园区管理智能化转型提供关键技术支撑。

发表于：2026/9/23

基于大数据的电力智能 IoT 系统故障预测与自愈机制研究[人工智能][智能电网]

分布式电网中D-PMU数据易因设备故障、通信问题等缺失，影响电网监控与保护系统的可靠性，进而制约故障预测与自愈机制的精准性。提出基于自注意力机制的SAITS模型，用于分布式电网中D-PMU数据的缺失值填补，SAITS模型通过联合优化训练策略，结合掩码预测与观测值重建任务，利用对角掩码自注意力机制捕捉时间序列数据的长期依赖关系和特征相关性，有效填补缺失数据。研究结果表明，该模型在处理高达90%的缺失数据时仍能保持高精度，与LOCF、BRITS和TF模型相比，SAITS在RMSE和MAE等指标上表现更优，R²分数超过97%。结论指出，SAITS模型能够有效提高D-PMU数据的完整性和准确性，增强电网保护设备的可靠性，为电力智能IoT系统中的故障预测与自愈机制提供高质量数据支持，从而提升系统的自愈能力和运行可靠性。

发表于：2026/9/23

边缘 AI 走向规模化落地， TI 全栈嵌入式边缘 AI 方案端到端加速产业智能升级[人工智能][工业自动化]

面对边缘 AI 在算力、功耗、安全、场景碎片化等方面的挑战，德州仪器 (TI) 全栈嵌入式边缘 AI 方案以分层布局、软硬协同为核心，基于 MCU + NPU 架构及 TinyEngine™ NPU 解耦设计，从硬件加速器、安全架构到软件开发生态，端到端加速 AI 规模化落地。

发表于：2026/9/23

面向超声显微测量系统的高速采集板卡设计[测试测量][工业自动化]

超声显微测量技术因具备高分辨率与实时成像优势，被广泛应用于晶圆、硅通孔及绝缘栅双极型晶体管器件的无损检测中。为实现百兆赫兹级超声信号的同步高速采集与传输，研制一款2 GSa/s采样率、8 bit分辨率的高速采集板卡。系统以现场可编程门阵列为控制核心，完成模数转换数据采集、缓存及高速串行扩展总线传输等电路设计，并利用基于单一主时钟同步控制方法，解决了高采样、高速采集中的时钟同步问题。在此基础上开发软件，集成至超声显微测量系统并开展超声C扫成像实验。结果表明，采集板卡指标均满足设计要求，具备良好的工程技术应用价值。

发表于：2026/9/22

多域特征融合的旋转机械故障诊断[测试测量][工业自动化]

针对旋转机械在复杂工况、变转速及多故障类别条件下声学信号易受噪声干扰且特征提取困难的问题，提出一种基于多域特征融合与XGBoost分类器的轴承故障音频诊断方法。以BJTU-RAO Bogie数据集和渥太华大学电机故障数据集中的多工况轴承音频信号为研究对象，从原始信号中提取时域、频域及梅尔频率倒谱系数（MFCC）特征。通过观察XGBoost特征重要性排序、Shapley值分析与特征相关性热力图，筛选出高贡献度、低冗余度的核心特征集，以降低模型复杂度并增强可解释性，同时结合多域声学特征融合与特征重要性分析，实现旋转机械声学信号的高效诊断。实验结果显示，该方法在BJTU-RAO数据集各工况下的加权平均准确率与召回率均超过96%；在渥太华大学数据集中，恒速条件下准确率超过98%，变速条件下仍保持在83%以上。这表明所提方法在多工况、多故障条件下的高精度、强鲁棒性及良好泛化能力，对工业现场强噪声背景下的在线监测具有广泛的应用价值。

发表于：2026/9/22

散射通信系统中相位噪声的影响及抑制算法研究[通信与网络][通信网络]

针对散射通信系统采用高阶调制及高载波频率后相位噪声影响问题，给出一种适用于散射通信系统的相位噪声仿真方法，研究不同强度相位噪声对不同阶调制方式、有无信道编码散射通信系统解调性能的影响，提出一种基于平均抑噪的分段迭代估计及补偿的相位噪声抑制算法，该算法能够利用较小的导频开销就能实现低信噪比环境下相位噪声的跟踪及抑制。仿真结果表明，该算法对不同强度相位噪声、不同阶调制方式及有无信道编码通信系统均具有良好的鲁棒性，能够显著改善相位噪声对散射通信系统解调性能的影响。

发表于：2026/9/22

基于FPGA和DSP微系统的信号处理板卡的设计[嵌入式技术][通信网络]

为应对现代高性能信号处理在实时性与集成度方面面临的挑战，设计了一款基于FPGA微系统与DSP微系统的异构信号处理板卡。该板卡的核心创新在于采用系统级封装技术，分别构建了以FPGA和DSP为核心、并集成DDR3与Flash存储的两个异构微系统，实现了计算与存储的紧耦合。阐述了板卡的总体架构、微系统构成、硬件实现以及系统的测试验证方案。测试结果表明，该板卡通过SRIO总线实现了微系统间的高速数据交互，利用EMIF接口完成了低延迟控制通信，并通过千兆以太网确保了可靠的外部数据链路。该设计将异构计算与先进集成技术相结合，为雷达、通信等领域的信号处理平台提供了一种高性能、小型化且高可靠的硬件解决方案。

发表于：2026/9/22

双模载波通信安全通用方案设计及应用[模拟设计][工业自动化]

随着互联网信息技术不断更新发展，信息安全也越来越重要。HPLC+HRF双模通信技术成为下一代电力信息通信手段，国家电网公司对双模载波通信模块也提出了更高的要求：入网模块需要通过安全技术进行身份认证，且通信信息进行加密处理。方案基于安全算法协处理器处理载波通信过程中的安全认证和加解密，通过高速SPI进行数据通信，具备协处理升级更新能力，扩展了电力通信安全应用场景。该方案不仅能够满足国家电网公司对安全认证以及加解密的安全要求，同时低功耗模式下也能够满足整体的动态功耗要求，并且应用在智芯公司自研的集中器、I型采集器、Ⅱ型采集器通信单元、单相、三相表载波通信单元中，分布应用于各网省中的输配电系统、用电信息采集系统的本地通信系统中。

发表于：2026/9/22

基于国产化ARM+FPGA的双核异构微系统设计与实现[EDA与制造][工业自动化]

随着电子信息和封装技术的发展，在国防科技领域，弹载、无人机中传统由大量分立器件构成的板级方案已无法满足小型化的要求，针对当前武器装备中轻量化的发展趋势，提出了一种基于ARM+FPGA的国产化系统级封装（SiP）设计方案。该SiP内部将ARM Cortex-M4的MCU、FPGA、SPI Flash、LDO电路的四种电路集成到封装基板上，通过先进封装工艺实现了嵌入式硬件从板级到芯片级的小型化飞跃。该SiP设计在体积、重量上达到当前装备小型化要求的同时，软硬件开发又能兼容原分立设计方案。经装机试验验证，电路功能、性能完全满足要求，该设计方案解决了用户小型化轻量化的痛点。

发表于：2026/9/22

支持多协议的多通道音频接口设计[模拟设计][消费电子]

针对传统音频接口存在的协议支持单一、通道容量受限等问题，设计了一种支持多协议的多通道音频接口。该设计支持全双工通信，以8组独立串行器为核心，通过时钟与帧同步生成模块产生灵活可配置的时钟与帧同步信号，结合格式化单元，支持TDM、DIT及Burst三种传输模式，可在单一接口中兼容I²S与TDM（基于TDM模式，支持多达32个通道）、S/PDIF（基于DIT模式）以及突发控制帧（基于Burst模式）等多种音频协议与传输格式，最大支持256路音频数据流。通过NC-Verilog仿真工具对设计进行功能验证，结果表明其各项功能符合预期。

发表于：2026/9/22

基于双分支迁移学习与特征融合的目标实例计数方法研究[人工智能][工业自动化]

针对仓库场景中物资密集堆叠、相互遮挡导致自动盘点计数精度不足的问题，研究了一种端到端的高精度实例计数方法。该方法创新性地构建了名为WareCountNet++的双分支回归计数网络，其核心在于集成了分支级迁移学习与多层特征融合机制。网络通过一个注意力增强分支和一个定制化检测骨干分支并行提取特征，并利用所提机制在多个层级促进异构特征间的交互与多尺度信息的深度融合，以增强模型对复杂场景的表征能力。在自建的仓库物资数据集上的实验结果表明，所提WareCountNet++模型的平均绝对误差为1.8，均方根误差为3.2，相对平均绝对误差和相对均方根误差分别为4.2%与7.5%，决定系数为0.993，其综合性能显著优于YOLO系列等主流检测计数方法。消融实验证实了分支级迁移学习对降低相对误差、多层特征融合对提升计数精度的关键贡献。研究表明，该方法能够有效提升密集遮挡场景下的计数鲁棒性与准确性，为仓库智能盘点提供了可行的技术方案。

发表于：2026/9/22

基于复杂背景改进YOLOv11网络的焊缝缺陷识别方法[人工智能][工业自动化]

针对复杂背景中焊接缺陷尺度变化大、对比度低、缺陷多样化重叠问题，提出一种改进YOLOv11焊缝表面缺陷检测算法。引入SEAMHead结构通过空间与通道注意力机制自适应强化缺陷相关的显著区域，从而增强模型对焊缝缺陷边界与细节信息的感知能力；利用WaveletPool模块有效提取不同尺度下的纹理与结构信息，提高模型在复杂背景条件下对焊缝关键特征的捕获能力。改进模型的精确率、召回率、F1及mAP50分别达到88.1%、87.8%、87.9%和88.7%，整体性能优于其他YOLO系列模型，实现了精度与召回的有效平衡，尤其适用于对漏检敏感工业场景下的高效焊缝缺陷检测应用。

发表于：2026/9/22