用于超外差接收机提供本振源的高功率510 GHz单片集成三倍频器

本文介绍了一种基于砷化镓材料的高功率490~530 GHz单片集成三倍频器。基于提出的对称平衡结构,该三倍频器不仅可以实现良好的振幅和相位平衡,用来实现高效的功率合成,还可以在没有任何旁路电容的情况下提供直流偏置路径以保证高效倍频效率。同时,开展容差性仿真分析二极管关键电气参数与结构参数对倍频性能的影响研究,以便最大化提升倍频性能。最终,在大约80~200 mW的输入功率驱动下,研制的510 GHz三倍频,在490~530 GHz频率范围内,输出功率为4~16 mW,其中峰值倍频效率11%。在522 GHz频点处,该三倍频在218 mW的输入功率驱动下,产生16 mW的最大输出功率。该三倍频器后期将用于1 THz的固态外超外差混频器的本振源。     

分子束外延的CdTe在碲镉汞中波器件中钝化效果

采用分子束外延技术（MBE）制备了碲化镉（CdTe）原位钝化的中波碲镉汞（HgCdTe）材料。原子力显微镜（AFM）和扫描电子显微镜（SEM）测试结果表明,分子束原位外延的CdTe可见cross-hatch,表面粗糙度为1～2 nm,CdTe和HgCdTe界面结合紧密。微波光导测试结果显示,77 K时,与表面处理后非原位CdTe钝化的HgCdTe材料相比,CdTe原位钝化的HgCdTe材料的少子寿命较大。制备了分子束外延CdTe原位钝化的中波HgCdTe光伏器件,和相同材料上的非原位CdTe/ZnS双层钝化制备的器件I-V特性相似。     

基于FPGA的图像自适应AWB系统设计与实现

为了解决常见自动白平衡(Auto White Balance, AWB)方法的场景适应能力不足且实时性较差等问题,提出了一种基于颜色通道直方图重构的自适应AWB方法,并使用现场可编程门阵列(FPGA)对所提出的算法进行硬件电路实现,在校正图像白平衡的同时也确保了系统高速实时处理图像。首先对图像进行限制对比度自适应直方图均衡化(CLAHE)处理来提高图像对比度,然后对图像进行灰度级区间的通道分区统计,对不同场景类别的图像采用颜色直方图匹配或平移的重构方式做自适应处理。实验结果表明,该算法在处理图像白平衡时,相比基于光源估计的AWB算法,色温校正准确率提高了14%,对不同色彩场景有更好的适应性,具有实时处理能力。     

基于AI的全场景智能基站节电系统设计与实现

摘 要：在集约化网络的建设背景下,如何实现自动化、智能化、保体验的基站能耗管理,成为当前运营商的运营管理痛点。创新地提出一种全智能检测、全场景建模、全流程自助的3G/4G/5G智能基站节电方案,通过动态时间规整算法区分覆盖场景,利用SARIMA模型预测时间框构建自适应模型,实时监控指标保证用户感知,自动下发节电策略,短信告警及时拉起。在用户无感知的情况下,实现小区粒度级最大限度节约基站能耗。该方法已在某省网络试点推行,试点区域单站平均节电效率可达9.24%每日,具备实际生产指导意义。     

基于Bank Swap的STM32软件升级方案

针对STM32软件升级介绍了一种组合方式的新思路,通过将MCU片内Flash地址进行重新编排,采用将传统的独立BootLoader与MCU中提供的Bank Swap进行整合的升级方式,在保障开发过程中代码量不会溢出的情况下进行过渡,实现了设备在升级的过程中不打断正常运行的特性,满足了设备开发调试以及后续运维的设计需求.     

基于区块链的群智感知中任务预算约束的位置隐私保护参与者选择方法

群智感知中,任务发布者基于有限的任务预算招募合适的参与者来执行感知任务.但是,现有的相关工作依赖于可信第三方来执行参与者选择或者忽视了参与者位置隐私泄露问题.为了解决这些问题,本文提出一种基于区块链的群智感知中任务预算约束的位置隐私保护参与者选择方法LPWS.通过保序加密和Merkle树来为参与者提供个性化的位置隐私保护,确保参与者将精确位置隐藏于隐匿区域.在有限的任务预算下,LPWS将参与者选择问题建模为目标优化问题,并基于动态规划来确定一组合适的参与者以增加高质量感知数据获取的可能性.此外,在保证数据隐私和奖惩公平性下,LPWS基于数据质量评估结果完成报酬支付和信誉更新,从而激励参与者尽可能地提供高质量数据.仿真实验表明,LPWS在参与者选择方面具有可行性与有效性,保证了安全公平的参与者选择以及数据质量评估.与相关工作对比,在有限的任务预算下,LPWS不仅取得了更好的质价比,而且在确保任务完成质量的同时提供了位置隐私保护和数据隐私保护.     

考虑需求侧管理的风光燃储微网两阶段优化调度

针对微电网中源荷匹配较弱及储能应用不充分的问题,计及需求侧管理与碳排放对其源荷储进行协调优化。所研究的并网型微网优化分为需求侧管理与调度两阶段。首先,第一阶段引入需求侧管理模型,结合储能电池并采用纵横交叉算法求解,使微网的净负荷最小与自供率最大。然后,第二阶段依托第一阶段需求侧管理后的信息从经济和环保角度出发,建立以综合成本最小及碳排放量最低为目标的风光燃储微网日前优化调度模型,利用改进多目标灰狼优化算法进行求解。最后,以福建某实际微网为例,通过仿真表明引入需求侧管理可有效利用储能电池改善微网源荷匹配度,充分挖掘需求响应潜力。相比单阶段优化,两阶段优化更有利于提高可再生能源渗透率,降低微网日运行成本与碳排放量,实现微网的低碳经济运行。     

不确定性环境下基于深度强化学习的综合能源系统动态调度

随着综合能源系统中间歇性能源和负荷不确定性的逐步增强,传统的调度方法局限于固定物理模型及参数设定,难以较好地动态响应源荷的随机波动。针对这一问题,提出了一种基于深度强化学习的综合能源系统动态调度方法。首先,以数据驱动方式构建面向综合能源系统的深度强化学习模型,通过智能体与综合能源系统的持续交互,自适应学习调度策略,降低对物理模型的依赖程度。其次,通过添加随机扰动的方式表征源荷不确定性变化特征,针对不确定性变化特征改进深度强化学习模型的状态空间、动作空间、奖励机制以及训练流程等关键环节,并经由近端策略优化算法优化求解,实现了综合能源系统的动态调度决策。最后,通过算例仿真验证了所提方法在不同时间尺度以及不确定性环境下的可行性和有效性。