面包芯语

【瑞萨RAMCU创意氛围赛作品赏析】项目14——手势识别控制终端

瑞萨MCU小百科 2023-11-20 12:00
汽车智能照明背后的“黑科技”传感器，你知道吗？ 玄铁处理器集智能、安全、端云一体芯片架构


本项目主要以启明6M5开发板作为主控，通过AMG8833模块获取手部的温度，然后通过BP神经网络解析温度数据，来识别手部动作。当手部动作和预定控制指令激活动作相匹配时，向外部设备发送控制指令，当外部设备接收到对应指令执行对应的操作。


因为该设备是通过手部温度作为控制变量，所以项目运行的温度在28℃摄氏度下（设备静态是经过传感器测量得到的数据）。手部温度为33℃左右，手部距离传感器大概在5cm左右，并且处于传感器芯片正前方。说明：环境温度会影响传感器的识别。


硬件部分

①设备型号

野火RA6M5开发

②外围设备

GY- AMG8833 IR 8x8 红外热像

1.44寸彩色TFT显示屏高清IPS LCD液晶屏模块128*128

③其他配件

面包板 x 1杜邦线若干

④设备引脚配置

⑤引脚连接

以及串口：

TX : P512

RX: P511


软件部分

项目完成使用到的软件有：

e2 studio

vs code

字模软件 PCtoLCD2013

野火串口调试助手


软件部分代码说明：

1、GY- AMG8833 IR 8x8 红外热像仪 驱动部分代码说明：

AMG8833模块使用I2C 通讯协议：(使用硬件I2C)

下面是模块是主要的各个功能驱动函数

根据数据手册说明：只要主机向从机发送0x80指令，从机设备 会直接 一次性按顺序发送完 温度栅格点 1-64 的温度数据

其他指令：按照I2C 通讯协议读取

I2C 驱动 .C 文件部分函数

// 设置传感器模式
void AMG88_SetSensorMode(AMG88_OperatingMode Mode)
{

   unsigned char buffer[2]={0x00,Mode};
   R_SCI_I2C_Write(&g_i2c6_ctrl, buffer, 2, false);
   return;
}

// 获取当前传感器模式

unsigned char AMG88_GetSensorMode(void)
{
   unsigned char OperatingModeBuffer=0;
   R_SCI_I2C_Write(&g_i2c6_ctrl, 0, 1, true);
   R_BSP_SoftwareDelay(2, 1000);
   //Read Register data
   R_SCI_I2C_Read(&g_i2c6_ctrl, &OperatingModeBuffer, 1, false);
   return OperatingModeBuffer;
}

// 重启传感器
void AMG88_SensorReset(AMG88_ResetMode Mode)
{
   //
   unsigned char ResetBuffer[2]={0x01,(unsigned char)Mode};
   //unsigned char ResetBuffer=0x30;
   R_SCI_I2C_Write(&g_i2c6_ctrl, ResetBuffer, 2, false);
   return;
}

// 设置帧率
void AMG88_SetFrameRate(AMG88_Frame Frame)
{

   unsigned char ResetBuffer[2]={0x02,(unsigned char)Frame};
   //unsigned char ResetBuffer=0x30;
   R_SCI_I2C_Write(&g_i2c6_ctrl, ResetBuffer, 2, false);
   return;
}
// 获取传感器帧率
unsigned char AMG88_GetFrameRate(void)
{
   unsigned char OperatingModeBuffer=0;
   unsigned char Address[1]={0x02};
   R_SCI_I2C_Write(&g_i2c6_ctrl, Address, 1, true);
   R_BSP_SoftwareDelay(2, 1000);
   //Read Register data
   R_SCI_I2C_Read(&g_i2c6_ctrl, &OperatingModeBuffer, 1, false);
   R_BSP_SoftwareDelay(2, 1000);
   return OperatingModeBuffer;
}
// 设置中断控制寄存器
void AMG88_SetICR(AMG88_ICR_REGISTER ICR)
{
   unsigned char ResetBuffer[2]={0x03,(unsigned char)ICR};
       //unsigned char ResetBuffer=0x30;
   R_SCI_I2C_Write(&g_i2c6_ctrl, ResetBuffer, 2, false);

return;
}
// 获取中断控制寄存器的数据
unsigned char AMG88_GetICR(void)
{
   unsigned char OperatingModeBuffer=0;
   unsigned char Address[1]={0x03};
   R_SCI_I2C_Write(&g_i2c6_ctrl, Address, 1, true);
//    R_SCI_I2C_Write(&g_i2c6_ctrl, 0x03, 1, true);
   R_BSP_SoftwareDelay(2, 1000);
   //Read Register data
   R_SCI_I2C_Read(&g_i2c6_ctrl, &OperatingModeBuffer, 1, false);
   return OperatingModeBuffer;
}
// 获取当前传感器状态
unsigned char AMG88_GetStatus(void)
{
   unsigned char OperatingModeBuffer=0;
   unsigned char Address[1]={0x04};
   R_SCI_I2C_Write(&g_i2c6_ctrl, Address, 1, true);
//    R_SCI_I2C_Write(&g_i2c6_ctrl, 0x04, 1, true);
   R_BSP_SoftwareDelay(2, 1000);
   //Read Register data
   R_SCI_I2C_Read(&g_i2c6_ctrl, &OperatingModeBuffer, 1, false);
   return OperatingModeBuffer;

}
// 清除传感器标志位
void AMG88_SetStatusClear(AMG_Status_FLAG ClearStatus)
{

   unsigned char ResetBuffer[2]={0x05,(unsigned char)ClearStatus};
           //unsigned char ResetBuffer=0x30;
   R_SCI_I2C_Write(&g_i2c6_ctrl, ResetBuffer, 2, false);
   return;
}

//
void AMG88_SetAverage(BOOL Flag)
{
   unsigned char ResetBuffer[2]={0x07,(Flag==TRUE)?(0xFF):(0)};
               //unsigned char ResetBuffer=0x30;
   R_SCI_I2C_Write(&g_i2c6_ctrl, ResetBuffer, 2, false);

}
//
unsigned char AMG88_GetAverage(void)
{
   unsigned char OperatingModeBuffer=0;
//    R_SCI_I2C_Write(&g_i2c6_ctrl, 0x07, 1, true);
   unsigned char Address[1]={0x07};
   R_SCI_I2C_Write(&g_i2c6_ctrl, Address, 1, true);

   R_BSP_SoftwareDelay(2, 1000);
   //Read Register data
   R_SCI_I2C_Read(&g_i2c6_ctrl, &OperatingModeBuffer, 1, false);
   return OperatingModeBuffer;
}

// 设置中断优先级
void AMG88_SetILR(unsigned char *ValueBuffer,unsigned char ArrayLenth)
{
   unsigned char ResetBuffer[7]={0x08,0x00,0x00,0x00,\
                                 0x00,0x00,0x00};
   if(ArrayLenth<=7 && ArrayLenth >= 1)
       return;
   for(unsigned char i= 1 ;i<7;i++)
   {

       if(i%2==0)
       {
           ResetBuffer[i]=(0x0F & ValueBuffer[i-1]);
       }else
       {
           ResetBuffer[i]=ValueBuffer[i-1];

       }
   }
   //unsigned char ResetBuffer=0x30;
   R_SCI_I2C_Write(&g_i2c6_ctrl, ResetBuffer, ArrayLenth+1, false);

return;
}
unsigned char Tempeture_Flag[2];
// 获取传感器 热敏电阻 电阻值
unsigned short AMG88_GetThermistor(void)
{

   unsigned short buffer_flag=0;
   unsigned char Address[1]={0x0E};
   R_SCI_I2C_Write(&g_i2c6_ctrl, Address, 1, true);
//    R_SCI_I2C_Write(&g_i2c6_ctrl, 0x0E, 1, true);
   R_BSP_SoftwareDelay(2, 1000);
   //Read Register data
   R_SCI_I2C_Read(&g_i2c6_ctrl, &Tempeture_Flag[0], 1, false);
   R_BSP_SoftwareDelay(2, 1000);
   Address[0]=0x0F;
   R_SCI_I2C_Write(&g_i2c6_ctrl, Address, 1, true);
   R_BSP_SoftwareDelay(2, 1000);
   R_SCI_I2C_Read(&g_i2c6_ctrl, &Tempeture_Flag[1], 1, false);
   R_BSP_SoftwareDelay(2, 1000);
   buffer_flag=Tempeture_Flag[1]<<8;
   buffer_flag|=Tempeture_Flag[0];
   return buffer_flag;
}
unsigned char Buffer[10];
unsigned char Revice[128];
// 获取传感器的温度
void AMG88_SensorData(void)
{
   /*
    * register address
    *
    * */
   Buffer[0]=0x80;
   //Send slave address
   R_SCI_I2C_Write(&g_i2c6_ctrl, Buffer, 1, true);
   R_BSP_SoftwareDelay(2, 1000);
   //Read Register data
   R_SCI_I2C_Read(&g_i2c6_ctrl, Revice, 128, false);
}

2、1.44寸彩色TFT显示屏高清IPS LCD液晶屏模块128*128  部分代码说明

该LCD 液晶屏使用SPI 通讯协议：(使用模拟SPI)

驱动芯片为ST7735SPI

驱动 .C 文件部分函数


void SPI_init(void)
{

   SET_LED();
   SET_CS();
   SET_CDX();
   SET_RST();
   SET_CLK();
   SET_SDA();

   return;
}

void SPI_SendData(unsigned char Data) // CDX = 1
{

   unsigned char i;

   for (i = 0; i < 8; i++)
   {
       CLEAR_CLK();

       if ((Data & 0x80) != 0)
           SET_SDA();
       else
           CLEAR_SDA();

       Data <<= 1;

       SET_CLK();

   }

   return;
}

void SPI_WriteCommand(unsigned char Data) //CDX = 0
{

   CLEAR_CS();
   CLEAR_CDX();

   SPI_SendData (Data);

   SET_CS();

   return;
}
void SPI_WriteData(unsigned char Data) //CDX = 1
{

   CLEAR_CS();
   SET_CDX();

   SPI_SendData (Data);

   SET_CS();

   return;

}

void WriteDispData(unsigned char DataH, unsigned char DataL)
{

   SPI_SendData (DataH);
   SPI_SendData (DataL);


}
void LCD_Init(void)
{

   SET_RST();
   R_BSP_SoftwareDelay (100, BSP_DELAY_UNITS_MILLISECONDS);

   CLEAR_RST();
   R_BSP_SoftwareDelay (100, BSP_DELAY_UNITS_MILLISECONDS);

   SET_RST();
   R_BSP_SoftwareDelay (200, BSP_DELAY_UNITS_MILLISECONDS);

   SPI_WriteCommand (0x11); //Exit Sleep
   R_BSP_SoftwareDelay (120, BSP_DELAY_UNITS_MILLISECONDS);

   SPI_WriteCommand (0xB1);
   SPI_WriteData (0x05); //0a
   SPI_WriteData (0x3c); //14
   SPI_WriteData (0x3c);

   SPI_WriteCommand (0xB2);
   SPI_WriteData (0x05);
   SPI_WriteData (0x3c);
   SPI_WriteData (0x3c);

   SPI_WriteData (0xB3);
   SPI_WriteData (0x05);
   SPI_WriteData (0x3c);
   SPI_WriteData (0x3c);

   SPI_WriteData (0x05);
   SPI_WriteData (0x3c);
   SPI_WriteData (0x3c);

   SPI_WriteCommand (0xB4); // 前面的b1-b5 是设置帧速率
   SPI_WriteData (0x03);

   SPI_WriteCommand (0xC0); // Set VRH1[4:0] & VC[2:0] for VCI1 & GVDD      Power Control
   SPI_WriteData (0x28);
   SPI_WriteData (0x08);
   SPI_WriteData (0x04);

   SPI_WriteCommand (0xC1); // Set BT[2:0] for AVDD & VCL & VGH & VGL
   SPI_WriteData (0xC0);

   SPI_WriteCommand (0xC2); // Set VMH[6:0] & VML[6:0] for VOMH & VCOML
   SPI_WriteData (0x0D);  //54h
   SPI_WriteData (0x00);   //33h

   SPI_WriteCommand (0xC3);
   SPI_WriteData (0x8D);
   SPI_WriteData (0x2A);

   SPI_WriteCommand (0xC4);
   SPI_WriteData (0x8D);
   SPI_WriteData (0xEE);

   SPI_WriteCommand (0xC5);
   SPI_WriteData (0x1A);

   SPI_WriteCommand (0x36);    //MX,MY,RGB MODE
   SPI_WriteData (0x08);

   SPI_WriteCommand (0xe0);
   SPI_WriteData (0x04);    //2c
   SPI_WriteData (0x22);
   SPI_WriteData (0x07);
   SPI_WriteData (0x0A);
   SPI_WriteData (0x2E);
   SPI_WriteData (0x30);
   SPI_WriteData (0x25);
   SPI_WriteData (0x2A);
   SPI_WriteData (0x28);
   SPI_WriteData (0x26);
   SPI_WriteData (0x2E);
   SPI_WriteData (0x3A);
   SPI_WriteData (0x00);
   SPI_WriteData (0x01);
   SPI_WriteData (0x03);
   SPI_WriteData (0x03);

   SPI_WriteCommand (0xe1);
   SPI_WriteData (0x04);
   SPI_WriteData (0x16);
   SPI_WriteData (0x06);
   SPI_WriteData (0x06);
   SPI_WriteData (0x0D);
   SPI_WriteData (0x2D);
   SPI_WriteData (0x26);
   SPI_WriteData (0x23);
   SPI_WriteData (0x27);
   SPI_WriteData (0x27);
   SPI_WriteData (0x25);
   SPI_WriteData (0x2D);
   SPI_WriteData (0x3B);
   SPI_WriteData (0x00);
   SPI_WriteData (0x01);
   SPI_WriteData (0x04);
   SPI_WriteData (0x13);

   SPI_WriteCommand (0x3A);
   SPI_WriteData (0x05);

   SPI_WriteCommand (0x29); // Display On
   R_BSP_SoftwareDelay (20, BSP_DELAY_UNITS_MILLISECONDS);

}
void BlockWrite(unsigned short Xstart, unsigned short Xend, unsigned short Ystart, unsigned short Yend)
{
   SPI_WriteCommand (0x2A);
   SPI_WriteData (Xstart >> 8);
   SPI_WriteData (Xstart + 2);
//    SPI_WriteData(Xstart);
   SPI_WriteData (Xend >> 8);
   SPI_WriteData (Xend + 2);
//    SPI_WriteData(Xstart);

   SPI_WriteCommand (0x2B);
   SPI_WriteData (Ystart >> 8);
   SPI_WriteData (Ystart + 1);
   SPI_WriteData (Yend >> 8);
   SPI_WriteData (Yend + 1);

   SPI_WriteCommand (0x2c);
}
void DispColor(unsigned short color)
{
   unsigned short i, j;

   BlockWrite (0, COL - 1, 0, ROW - 1);

   for (i = 0; i < ROW; i++)
   {
       for (j = 0; j < COL; j++)
       {
           SPI_WriteData (color >> 8);
           SPI_WriteData (color);
//            DelayMs(1);
       }
   }

}
void ClearFullScreen(void)
{

   unsigned short i, j;
   BlockWrite (0, COL - 1, 0, ROW - 1);
   for (j = 0; j < COL; j++)
   {
       SPI_WriteData (i + 50);
       SPI_WriteData (j + 50);

   }

   return;
}
void DrawColor(unsigned short ColorNumber)
{

   SPI_WriteData (0xFF);
   SPI_WriteData (0xFF);
   return;
}

3、BP 神经网络：

代码说明：

三层网络结构：

第一层是输入层，第二层是隐藏层，第三层是输出层

神经网络预测代码说明：

神经网络预测的原理是，将目标数据输入到神经网络中，经过神经网络中参数的迭代，使之得到符合要求的数据数据，然后保存神经网络中的参数（各个节点的权重参数）。使用该网络预测时，将训练好的参数，导入到神经网络中，该神经网络就预测和神经网络中相符合的数据。


该神经网络的相关信息如下：

三层BP神经网络：

输入层有64个元素  ， 隐藏层有34个元素， 输出层有10个元素

训练次数为：10000次，最终的错误率为：0.00658，学习率为：0.1 ，动量因子：0.1 训练数据总共160组 （160组中 ，分成三份）总共训练了三个手势




手势1 36组数据 手势2 68组数据 手势3 54组数据 上图：为编写文档时所拍，非传感器测量时图片，仅说明在采集测试数据时的手势动作


训练数据示例：

[[0.0000,0.0000,0.0000,0.0000,0.5,0.0000,0.0000,0.5,0.0000,0.0000,0.0000,0.5,0.5,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.5,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.5,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.5,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.5,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000],[0,1,0,0,0,0,0,0,0,0]],
// 手势 1  要求输出 结果 -----> [0,1,0,0,0,0,0,0,0,0]

[[0.0000,0.0000,0.5,0.5,0.0000,0.5,0.5,0.5,0.0000,0.0000,0.5,0.0000,0.0000,0.5,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.5,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.5,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.5,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.5,0.5,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000],[0,0,1,0,0,0,0,0,0,0]],
// 手势 2  要求输出 结果 -----> [0,0,1,0,0,0,0,0,0,0]

[[0.0000,0.0000,0.0000,0.5,0.5,0.5,0.5,0.5,0.0000,0.0000,0.0000,0.5,0.5,0.5,0.0000,0.5,0.0000,0.0000,0.5,0.0000,0.0000,0.5,0.0000,0.5,0.0000,0.5,0.0000,0.0000,0.0000,0.5,0.0000,0.0000,0.0000,0.5,0.0000,0.0000,0.0000,0.0000,0.0000,0.5,0.0000,0.0000,0.0000,0.0000,0.5,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.5,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000,0.0000],[0,0,0,1,0,0,0,0,0,0]]
// 手势 3  要求输出 结果 -----> [0,0,0,1,0,0,0,0,0,0]

// 注：以上数据仅为 测试数据中的手势数据的 一部分 ，不代表整体数据

// 预测输出数据 示例：
[-0.0023248156377385144, 0.035785164105157696, 0.05889932014156386, 0.9992514065884543, 0.0003713636538696458, -0.002541229896438062, -0.0033772818188316607, -0.0023972941452978813, 0.001043452650557289, -0.0026320033807735485]

输出数据说明：

该网络有10个数据输出 ，（如：[0,0,0,1,0,0,0,0,0,0] （从左往右）依次是 0 - 9 手势 ，但本次训练 仅仅训练了3个手势， 结果如上。

其他信息说明：

本次的隐藏层的数目依次经历了 12->24->128->34 的变化 ，具体的数目和输入输出的元素个数，没有实际的关联（网上虽然有建议） ，具体看情况而论，因为是三层网络，隐藏层的数量不可以太少，也不可以太多，太少，说简单的，输出的数据不在[0,1]的区间，太多，输出的都是0.9左右的数据

输出的数据不在[0,1]的区间

  • ‍可以调整 学习率 或者 训练次数（增加），或者是动量因子（修改该参数时，学习率不变）

  • 调整隐藏层的节点数目（往大了调）‍

输出的都是0.9左右的数据（过拟合）

  • 调整隐藏层的节点数目（往小了调）（按实际情况调节）        

输出数据的设定，按照激活函数的取值选择

输入数据的选择，[0-1]之间 ，为了提供训练的成功率，在输入数据中做了一些处理

训练的前提是保证网络正常（代码没有写错）

优化训练的操作说明：

  1. 对数据进行了非0即0.5 的处理 ，对于超过 特定温度值的数据为0.5 ，不超过为 0（只要有相对应的特征即可）
  2. 网络训练成功的标志，输出的数据在（本网络）[0,1]之间，并且输出的数据 对应符合 输入的数据（只要有符合的即可尝试在在设备上运行），建议训练完成的网络，在预测时，要同时多预测几个，防止是误差
// 激活函数
double sigmoid(double x)
{
return tanh(x);
}
   
// 前向传播
void Forward()
{
unsigned char i=0,j=0;
double Temp=0.0;
double *InputValueTemp;
InputValueTemp=InputValue;
for( i=0 ;i< HIDDENSIZE ; i++)
{
Temp=0;
for(j=0 ; j < INPUTSIZE ; j++ )
{

Temp+=InputValue[j]*InputWeight[j*HIDDENSIZE+i];
}
HiddenValue[i]=sigmoid(Temp);
}

for( i=0 ;i < OUTPUTSIZE ; i++)
{
Temp=0;
for( j = 0; j < HIDDENSIZE ;j++ )
{
Temp+=HiddenValue[j]*OutputWeight[j*OUTPUTSIZE+i];
}
OutputValue[i]=sigmoid(Temp);

}

}


}

左上角

手势1 白色

手势2  浅绿色

手势3 浅紫色


视频演示


本项目还有需要优化的地方，也有着许多不足。作者水平有限，希望广大网友批评指正。


更多内容您可识别二维码或点击文末阅读原文访问查看：


更多内容，您可复制下方网址到浏览器中打开进入瑞萨中文论坛查看：

https://community-ja.renesas.com/zh/forums-groups/mcu-mpu/


1

END

1


推荐阅读

【瑞萨RA MCU创意氛围赛作品赏析】项目11——基于瑞萨RA6M5的信号处理工具集（上）

【瑞萨RA MCU创意氛围赛作品赏析】项目12——智能烟雾感应吸除系统

【瑞萨RA MCU创意氛围赛作品赏析】项目13——基于瑞萨启明6M5智能环境检测小车

更多精彩内容，请点击

登录阅读全文
免责声明： 该内容由专栏作者授权发布或作者转载，目的在于传递更多信息，并不代表本网赞同其观点，本站亦不保证或承诺内容真实性等。若内容或图片侵犯您的权益，请及时联系本站删除。侵权投诉联系：  nick.zong@aspencore.com！
瑞萨MCU小百科
评论 （0）
  • 后勤实验仿真系统平台全面解析
    　　后勤实验仿真系统平台深度解析 　　北京华盛恒辉后勤实验仿真系统平台依托计算机仿真技术，是对后勤保障全流程进行模拟、分析与优化的综合性工具。通过搭建虚拟场景，模拟资源调配、物资运输等环节，为后勤决策提供数据支撑，广泛应用于军事、应急管理等领域。 　　应用案例 　　目前，已有多个后勤实验仿真系统平台在实际应用中取得了显著成效。例如，北京华盛恒辉和北京五木恒润后勤实验仿真系统平台。这些成功案例为后勤实验仿真系统平台的推广和应用提供了有力支持。 　　一、核心功能 　　(一)后勤资源模拟
    华盛恒辉l58ll334744 2025-04-23 15:39 80浏览
  • 汽车免拆诊断案例 | 2016款奔驰C200L车组合仪表上多个故障灯偶尔点亮
    故障现象一辆2016款奔驰C200L车，搭载274 920发动机，累计行驶里程约为13万km。该车组合仪表上的防侧滑故障灯、转向助力故障灯、安全气囊故障灯等偶尔异常点亮，且此时将挡位置于R挡，中控显示屏提示“后视摄像头不可用”，无法显示倒车影像。 故障诊断用故障检测仪检测，发现多个控制单元中均存储有通信类故障代码（图1），其中故障代码“U015587 与仪表盘的通信存在故障。信息缺失”出现的频次较高。 图1　存储的故障代码1而组合仪表中存储有故障代码“U006488 与用户界
    虹科Pico汽车示波器 2025-04-23 11:22 55浏览
  • 电磁干扰抑制系统平台全面解析
    　　电磁干扰抑制系统平台深度解析 　　一、系统概述 　　北京华盛恒辉电磁干扰抑制系统在电子技术快速发展、电磁环境愈发复杂的背景下，电磁干扰(EMI)严重影响电子设备性能、稳定性与安全性。电磁干扰抑制系统平台作为综合性解决方案，通过整合多元技术手段，实现对电磁干扰的高效抑制，确保电子设备稳定运行。 　　应用案例 　　目前，已有多个电磁干扰抑制系统在实际应用中取得了显著成效。例如，北京华盛恒辉和北京五木恒润电磁干扰抑制系统。这些成功案例为电磁干扰抑制系统的推广和应用提供了有力支持。 　　二
    华盛恒辉l58ll334744 2025-04-22 15:27 154浏览
  • 机器人摔倒，宇树科技甩锅，谁为未来的 “人机同行” 买单？
    在科技飞速发展的当下，机器人领域的每一次突破都能成为大众瞩目的焦点。这不，全球首届人形机器人半程马拉松比赛刚落下帷幕，赛场上的 “小插曲” 就掀起了一阵网络热潮。4月19日，北京亦庄的赛道上热闹非凡，全球首届人形机器人半程马拉松在这里激情开跑。20支机器人队伍带着各自的“参赛选手”，踏上了这21.0975公里的挑战之路。这场比赛可不简单，它将机器人放置于真实且复杂的动态路况与环境中，对机器人在运动控制、环境感知和能源管理等方面的核心技术能力进行了全方位的检验。不仅要应对长距离带来的续航挑战，还要
    用户1742991715177 2025-04-22 20:42 83浏览
  • 卫星通信效能评估系统平台全面解析
    　　卫星通信效能评估系统平台全面解析 　　北京华盛恒辉卫星通信效能评估系统平台是衡量卫星通信系统性能、优化资源配置、保障通信服务质量的关键技术工具。随着卫星通信技术的快速发展，特别是低轨卫星星座、高通量卫星和软件定义卫星的广泛应用，效能评估系统平台的重要性日益凸显。以下从技术架构、评估指标、关键技术、应用场景及发展趋势五个维度进行全面解析。 　　应用案例 　　目前，已有多个卫星通信效能评估系统在实际应用中取得了显著成效。例如，北京华盛恒辉和北京五木恒润卫星通信效能评估系统。这些成功案例为卫
    华盛恒辉l58ll334744 2025-04-22 16:34 145浏览
  • 芯资讯｜语音芯片播报、蓝牙IC传输、电量检测智能血压计一体化解决方案
    一、行业背景与市场需求高血压作为全球发病率最高的慢性病之一，其早期监测与管理已成为公共卫生领域的重要课题。世界卫生组织数据显示，全球超13亿人受高血压困扰，且患者群体呈现年轻化趋势。传统血压计因功能单一、数据孤立等缺陷，难以满足现代健康管理的需求。在此背景下，集语音播报、蓝牙传输、电量检测于一体的智能血压计应运而生，通过技术创新实现“测量-分析-管理”全流程智能化，成为慢性病管理的核心终端设备。二、技术架构与核心功能智能血压计以电子血压测量技术为基础，融合物联网、AI算法及语音交互技术，构建起多
    广州唯创电子 2025-04-23 09:06 123浏览
  • 电磁兼容故障诊断系统软件
    　　电磁兼容(EMC)故障诊断系统软件解析 　　北京华盛恒辉电磁兼容故障诊断系统软件是攻克电子设备电磁干扰难题的专业利器。在电子设备复杂度攀升、电磁兼容问题频发的背景下，该软件于研发、测试、生产全流程中占据关键地位。以下为其详细介绍： 　　应用案例 　　目前，已有多个电磁兼容故障诊断系统在实际应用中取得了显著成效。例如，北京华盛恒辉和北京五木恒润电磁兼容故障诊断系统。这些成功案例为电磁兼容故障诊断系统的推广和应用提供了有力支持。 　　一、软件核心功能 　　干扰与敏感分析：深度剖析电磁干
    华盛恒辉l58ll334744 2025-04-22 14:53 142浏览
  • 电磁频谱数据综合管理平台系统全面解析
    　　电磁频谱数据综合管理平台系统解析 　　一、系统定义与目标 　　北京华盛恒辉电磁频谱数据综合管理平台融合无线传感器、软件定义电台等前沿技术，是实现无线电频谱资源全流程管理的复杂系统。其核心目标包括：优化频谱资源配置，满足多元通信需求;运用动态管理与频谱共享技术，提升资源利用效率;强化频谱安全监管，杜绝非法占用与干扰;为电子战提供频谱监测分析支持，辅助作战决策。 　　应用案例 　　目前，已有多个电磁频谱数据综合管理平台在实际应用中取得了显著成效。例如，北京华盛恒辉和北京五木恒润电磁频谱数
    华盛恒辉l58ll334744 2025-04-23 16:27 97浏览
  • 芯资讯｜WTL580-C01微波雷达感应模块在智能家居的应用方案介绍
    一、技术背景与市场机遇在智能家居高速发展的今天，用户对家电设备的安全性、智能化及能效表现提出更高要求。传统取暖器因缺乏智能感知功能，存在能源浪费、安全隐患等痛点。WTL580-C01微波雷达感应模块的诞生，为取暖设备智能化升级提供了创新解决方案。该模块凭借微波雷达技术优势，在精准测距、环境适应、能耗控制等方面实现突破，成为智能取暖器领域的核心技术组件。二、核心技术原理本模块采用多普勒效应微波雷达技术，通过24GHz高频微波信号的发射-接收机制，实现毫米级动作识别和精准测距。当人体进入4-5米有效
    广州唯创电子 2025-04-23 08:41 115浏览
  • 陆地边防事件紧急处置系统平台全面解析
    　　陆地边防事件紧急处置系统平台解析 　　北京华盛恒辉陆地边防事件紧急处置系统平台是整合监测、预警、指挥等功能的智能化综合系统，致力于增强边防安全管控能力，快速响应各类突发事件。以下从系统架构、核心功能、技术支撑、应用场景及发展趋势展开全面解读。 　　应用案例 　　目前，已有多个陆地边防事件紧急处置系统在实际应用中取得了显著成效。例如，北京华盛恒辉和北京五木恒润陆地边防事件紧急处置系统。这些成功案例为陆地边防事件紧急处置系统的推广和应用提供了有力支持。 　　一、系统架构 　　感知层：部
    华盛恒辉l58ll334744 2025-04-23 11:22 88浏览
  • 无人机结构仿真与部件拆解分析系统平台全面解析
    　　无人机结构仿真与部件拆解分析系统平台解析 　　北京华盛恒辉无人机结构仿真与部件拆解分析系统无人机技术快速发展的当下，结构仿真与部件拆解分析系统平台成为无人机研发测试的核心工具，在优化设计、提升性能、降低成本等方面发挥关键作用。以下从功能、架构、应用、优势及趋势展开解析。 　　应用案例 　　目前，已有多个无人机结构仿真与部件拆解分析系统在实际应用中取得了显著成效。例如，北京华盛恒辉和北京五木恒润无人机结构仿真与部件拆解分析系统。这些成功案例为无人机结构仿真与部件拆解分析系统的推广和应用提
    华盛恒辉l58ll334744 2025-04-23 15:00 116浏览
  • 复杂电磁环境模拟系统平台全面解析
    　　复杂电磁环境模拟系统平台解析 　　一、系统概述 　　北京华盛恒辉复杂电磁环境模拟系统平台是用于还原真实战场或特定场景电磁环境的综合性技术平台。该平台借助软硬件协同运作，能够产生多源、多频段、多体制的电磁信号，并融合空间、时间、频谱等参数，构建高逼真度的电磁环境，为电子对抗、通信、雷达等系统的研发、测试、训练及评估工作提供重要支持。 　　应用案例 　　目前，已有多个复杂电磁环境模拟系统在实际应用中取得了显著成效。例如，北京华盛恒辉和北京五木恒润复杂电磁环境模拟系统。这些成功案例为复杂电
    华盛恒辉l58ll334744 2025-04-23 10:29 122浏览
  • 55 亿美元损失重压，黄仁勋火速来华稳固中国市场
    文/Leon编辑/cc孙聪颖‍在特朗普政府发起的关税战中，全球芯片产业受到巨大冲击，美国芯片企业首当其冲。据报道称，英伟达本周二公布的8-K文件显示，美国政府通知该公司向中国（包括中国香港及澳门）销售尖端芯片（H20）时，需要获得美国政府的许可。文件发布后，英伟达预计会在第一季度中额外增加55亿美元的相关费用计提。随后，英伟达股价单日下跌6.9%，市值一夜蒸发约1890亿美元（约合人民币1.37万亿元）。至截稿时，至截稿时，其股价未见止跌，较前日下跌4.51%。北京时间4月17日，英伟达创始人、
    华尔街科技眼 2025-04-22 20:14 87浏览
  • 摔倒的宇树和人形机器人的“求生”博弈
    文/Leon编辑/cc孙聪颖‍4月18日7时，2025北京亦庄半程马拉松暨人形机器人半程马拉松正式开跑。与普通的半马比赛不同，这次比赛除了有人类选手，还有21支人形机器人队伍参赛，带来了全球首次人类与机器人共同竞技的盛况。参赛队伍中，不乏明星机器人企业及机型，比如北京人形机器人创新中心的天工Ultra、松延动力的N2等。宇树G1、众擎PM01，则是由城市之间科技有限公司购置及调试，并非厂商直接参赛。考虑到机器人的适用场景和续航力各有不同，其赛制也与人类选手做出区别：每支赛队最多可安排3名参赛选手
    华尔街科技眼 2025-04-22 20:10 89浏览
  • 国产！基于瑞芯微RK3576ARM八核2.2GHz A72 工业评估板——多屏同显、异显方案演示
    前言本文主要演示基于TL3576-MiniEVM评估板HDMI OUT、DP 1.4和MIPI的多屏同显、异显方案，适用开发环境如下。Windows开发环境：Windows 7 64bit、Windows 10 64bitLinux开发环境：VMware16.2.5、Ubuntu22.04.5 64bitU-Boot：U-Boot-2017.09Kernel：Linux-6.1.115LinuxSDK：LinuxSDK-[版本号]（基于rk3576_linux6.1_release_v
    Tronlong 2025-04-23 13:59 69浏览
我要评论
0
0
点击右上角，分享到朋友圈 我知道啦
请使用浏览器分享功能 我知道啦