-
解锁独立于电网的本地网络:通过车对家(V2H)技术优化基于光伏和电动汽车的储能系统,以实现西澳大利亚地区的本地能源管理
摘要: 本研究探讨了将光伏(PV)系统和蓄电池储能系统(BESS)与具备车对家(V2H)功能的电动汽车(EV)结合使用,以优化住宅并网家庭的系统规模。为了降低家庭用电成本,研究采用了粒子群优化(PSO)和贝叶斯优化(BO)两种技术来确定最佳系统规模;然而,由于贝叶斯优化在样本效
来源:IEEE Access
时间:2026-05-19
-
基于曲线引导的小波融合方法在桥梁损伤检测中的应用
摘要:桥梁表面的损伤,如裂缝、剥落、腐蚀和渗漏,通常具有细长的几何形态、较差的纹理质量以及强烈的背景干扰,这些因素给传统的实时检测方法带来了挑战。本文提出了一种桥梁损伤检测网络,该网络能够同时改善几何对齐性、细节保留能力和全局上下文建模。一种基于曲线引导的动态卷积机制能够沿着与
来源:IEEE Access
时间:2026-05-19
-
PACE – Plantard加速晶体扩展技术
摘要:ML-KEM(FIPS203)和ML-DSA(FIPS204)是美国国家标准与技术研究院最早标准化的后量子密码学方案之一。这两种方案都采用了模运算简化技术,特别是Montgomery简化算法。传统上,Montgomery简化算法适用于计算远大于32/64位的模数。Thom
来源:IEEE Access
时间:2026-05-19
-
具有小区间时钟偏差校正的5G定位技术的实验验证
摘要:第五代(5G)蜂窝网络的进步为定位服务带来了重大机遇,然而这些系统的性能目前受到商业网络中5G基站之间时钟偏移(称为小区间时钟偏差,ICCB)的阻碍。这些偏差会在到达时间(TOA)测量中引入系统误差,从而降低定位精度。本文通过使用固定参考接收器来估计和校正ICCB来应对这
来源:IEEE Access
时间:2026-05-19
-
基于卡尔曼滤波的移动用户信道估计与用户定位技术,结合可重构智能表面
摘要:本文提出了一种新的方法,用于在无线通信系统中最小化移动用户与矩形可重构智能表面(RIS)之间的信道估计均方误差(MSE)。同时,用户定位是基于估计的信道状态信息(CSI)来实现的。在这里,我们假设了一个非线性的、用户位置依赖的系统模型,该模型包括一个高移动性的用户、一个具
来源:IEEE Access
时间:2026-05-19
-
基于多场景随机规划的分布式协同优化方法:用于分布式能源资源(DER)聚合框架,以及基于用量的系统级芯片(SoC)分解与DER运行可视化
摘要:随着低压分布式能源资源(DERs)的大规模部署逐步推进,以实现2050年的碳中和目标,人们对电网灵活性不足的担忧日益增加。基于聚合器的商业模式通过整合低压DERs参与市场,正受到越来越多的关注。然而,目前尚未建立起能够主动考虑消费者光伏发电量和需求不确定性的竞价策略。本研
来源:IEEE Access
时间:2026-05-19
-
MR2-ByteTrack:基于CNN和Transformer的视频目标检测技术,用于增强人工智能功能的嵌入式视觉传感器节点
摘要:
现代智能视觉传感器需要具备设备自身的处理能力来处理视频流,因为由于带宽、延迟和隐私方面的限制,云计算往往不可行。然而,这些传感系统通常依赖于内存和计算能力有限的超低功耗微控制器(MCU),这使得需要特征存储或多帧
来源:IEEE Access
时间:2026-05-19
-
差分馈电双极化整流天线,采用不平衡到平衡的功率重分配技术实现最大功率转换(MWPT)
本文提出了一种差分馈电的双极化整流天线,该天线实现了微波无线能量传输(MWPT)中的非平衡到平衡的功率重新分配。前端天线部分由一个2 × 2的双极化贴片阵列组成,该阵列通过对称排列的空气负载槽耦合结构进行馈电。一个馈电网络利用功率合成器和两个混合耦合器将八个非平衡输入转换为两个平
来源:IEEE Transactions on Wireless Communications
时间:2026-05-19
-
最小超额功引导:基于分数的采样方法结合实验数据或稀疏约束
研究人员提出了一种受统计力学热力学功启发的方法,用于在预训练的概率流生成模型(如连续归一化流或扩散模型)中引入正则化引导,以匹配额外的稀疏信息。该正则化确保引导过程的超额功(excess work)最小化。基于此,研究人员开发了两种引导策略:路径引导(Path
来源:Journal of Chemical Theory and Computation
时间:2026-05-19
-
基于等变滤波器的雷达-惯性里程计(EqF-RIO):融合多普勒速度与多状态约束的无人机导航方法
研究人员提出了一种离散时间等变滤波框架(Equivariant Filter, EqF),用于雷达辅助惯性导航系统(Radar-Inertial Odometry, RIO)。该框架将雷达多普勒速度与三维点云测量融合,同时联合估计雷达与惯性测量单元(Inert
来源:IEEE Robotics and Automation Letters
时间:2026-05-19