简介：针对射频多标签识别多种防碰撞算法，提出了对标签设计的改进和相应的分组识别算法，利用各标签与阅读器距离不同这一物理条件对发生冲突的标签进行分组，把数量大的冲突标签划为多个小部分。实际应用过程中，该方法使多标签识别效率有较大幅度的提高，碰撞问题也比较容易得到解决。

简介：在丝绸等织物生产过程中,经常会出现织物产生非正常花纹的缺陷。目前对织物缺陷的检测主要是通过人工肉眼判别,该方法花费时间长、人工成本高,会给企业带来较大的经济负担。本文通过使用BP和SAE两种神经网络对织物进行缺陷检测,并判断是何种缺陷:首先介绍了使用BP神经网络对大量样本训练并保存,得到最佳权值,从而实现对于图像的缺陷检测和分类;训练样本通过SAE深度神经网络训练得到重构图像,再不断微调参数,获得最佳的权重数值,运用滤波器过滤噪声,最终得到结果。通过大量的实验,结果表明两种方法对织物缺陷检测均具有非常良好的效果,充分证明了深度神经网络在工业生产织物过程中运用的可行性。

简介：Qorvo凭借功能强大的前端模块(FEM)QPF1002Q(作为高通9150芯片组参考设计的关键部件),在蜂窝车联网(C-V2X)应用的全球现场试验中发挥重要作用。QorvoFEM具备出色的线性输出功率和热管理性能,有助于在车辆、自行车、行人和基础设施之间构建无线安全通信系统,实现直接实时通信。C-V2X技术将5G的低延迟和高带宽优势融入了汽车应用领域。Qorvo产品旨在解决汽车领域中最棘手的RF难题,同时支持C-V2X和DSRC协议。相关产品将于1月8日至11日的CES(#CES2019)期间,在拉斯维加斯金沙会展中心的40943号Qorvo展位上展出。