Проектирование радиолокационной системы и моделирование в Matlab (1) Глава 1. Введение в базовые знания о радиолокации (диапазонное разрешение по расстоянию, доплеровское частотное уравнение радара, шум и отношение сигнал/шум, накопление импульсов)
Проектирование радиолокационной системы и моделирование в Matlab (1) Глава 1. Введение в базовые знания о радиолокации (диапазонное разрешение по расстоянию, доплеровское частотное уравнение радара, шум и отношение сигнал/шум, накопление импульсов)

Всем привет, мы снова встретились, я ваш друг Цюаньчжаньцзюнь.

Глава 1. Введение в основы радиолокации.

  • 1.1.Классификация радаров
    • 1.1.1. Понимание базовых знаний.
    • 1.1.2. Разделение рабочей полосы.
  • 1.2.Расстояние
    • 1.2.1.Измерение расстояния
      • PRF:частота повторения импульсов&PRI:интервал повторения импульсов
      • Рабочий цикл и соответствующая мощность
    • 1.2.2. Максимальное однозначное расстояние.
  • 1.3.Разрешение по расстоянию
    • (1) Описание базовой концепции
    • (2) Введение двери дистанционного блока
    • (3) Определение ширины двери дистанционного блока
    • (4) Внедрение технологии сжатия импульсов.
  • 1.4.Доплеровская частота
  • 1.5. Уравнение радара
    • 1.5.1.Основные уравнения радиолокации
    • 1.5.2.Шум и соотношение сигнал/шум.
      • 1.5.2.1. Моделирование отношения сигнал/шум (1) реализация в Matlab.
      • 1.5.2.2. Моделирование отношения сигнал/шум (2) реализация в Matlab.
      • 1.5.2.3 Роль выходного отношения сигнал/шум.
    • 1.5.3.Опорное расстояние радара
  • 1.6. Поиск (Оповещение)
    • Уравнение поискового радара
    • Ширина луча антенны
    • 1.6.1. Функция power_aoerture – Воспроизведение Уравнение поискового радара (произведение апертуры мощности)
    • 1.6.2. Анализировать отношения в реальных ситуациях.
    • 1.6.3.реализация кода matlab
  • 1.7. Накопление импульсов.
    • 1.7.1.Обзор
    • 1.7.2. Когерентное накопление.
    • 1.7.3. Некогерентное накопление.
    • 1.7.4. Расстояние обнаружения накопления импульсов.
    • 1.7.5.симуляция в Matlab
      • 1.7.5.1. Когерентное накопление.
      • 1.7.5.2. Некогерентное накопление.
      • 1.7.5.3. Понимание параметров функции.
      • 1.7.5.4 Код функции Matlab.
      • 1.7.5.5. Результат и код прикладной функции Matlab.
  • 1.8.Потеря радара
    • 1.8.1. Потери при передаче и приеме.
    • 1.8.2 Потеря диаграммы направленности антенны и потеря сканирования.
    • 1.8.3. Потери в атмосфере.
    • 1.8.4. Потеря суперпозиции.
    • 1.8.5. Работа с потерями.
    • 1.8.3. Прочие потери.
  • 1.9. Мой радар — практический пример проектирования.
    • 1.9.1. Введение.
    • 1.9.2. Постановка задачи.
    • 1.9.3. Дизайн
    • 1.9.4. Альтернативные конструкции.

1.1.Классификация радаров

Вообще говоря, радиолокационные системы используют модулированные сигналы и направленные антенны для излучения электромагнитной энергии в определенные области пространства для поиска целей. Цели в зоне поиска будут отражать часть энергии (сигналы отражения радара или эхо) обратно на радар. затем обрабатываются радиолокационным приемником для получения информации о цели, такой как дальность, скорость, угловое положение и другие характеристики идентификации цели.

1.1.1. Понимание базовых знаний.

radar-radio detection and ranging CW: радар непрерывного действия ПР: импульсный радар Радар с низкой PRF в основном используется для определения дальности и не интересуется скоростью цели (доплеровский сдвиг). Радар с высоким PRF в основном используется для измерения скорости цели.

1.1.2. Разделение рабочей полосы.

1.2.Расстояние

1.2.1.Измерение расстояния

Возьмем, к примеру, импульсный радар:

PRF:частота повторения импульсов&PRI:интервал повторения импульсов

Вообще говоря, когда импульсный радар передает и принимает последовательности импульсов, естественно, существует интервал повторения импульсов.

Рабочий цикл и соответствующая мощность

В течение каждого периода PRI радар излучает энергию только в течение нескольких секунд, а остальное время используется для наблюдения за эхо-сигналом цели, поэтому передаваемый сигнал, естественно, имеет рабочий цикл.

1.2.2. Максимальное однозначное расстояние.

Максимальное однозначное расстояние — это расстояние, соответствующее времени задержки прохождения туда и обратно T. Когда радар излучает импульс, радар должен ждать достаточно долго, чтобы отраженный сигнал цели на максимальном расстоянии вернулся, прежде чем будет излучен следующий импульс. То есть максимальное однозначное расстояние равно Нечеткому расстоянию соответствует половина PRI.

1.3.Разрешение по расстоянию

(1) Описание базовой концепции

Разрешение по дальности — это показатель, который описывает способность радара обнаруживать цели, расположенные очень близко друг к другу, как отдельные цели.

(2) Введение двери дистанционного блока

Радиолокационные системы обычнодизайнИспользуя минимальное расстояние Rmin и максимальное расстояние Rmax, разделите расстояние между ними на M строб. Ширина каждого строба единицы расстояния представляет собой разрешение расстояния.

Тогда выполнение этого шага эквивалентно разделению полосок единиц расстояния одну за другой.

(3) Определение ширины двери дистанционного блока

Определение ширины двери дистанционного блока означает определение разрешения расстояния.

(4) Внедрение технологии сжатия импульсов.

Вообще говоря, пользователи и проектировщики радаров стремятся к тому, чтобы разрешение по дальности было достаточно малым для улучшения характеристик радара. Чтобы улучшить разрешение по дальности, ширина импульса должна быть достаточно маленькой. Однако в этом случае средняя мощность передачи будет уменьшена, а ширина импульса будет уменьшена. рабочая пропускная способность будет увеличена, что приведет к конфликтам. Получение хорошего разрешения по дальности при сохранении достаточной средней мощности передачи должно быть достигнуто за счет использования технологии сжатия импульсов.

1.4.Доплеровская частота

Радар использует доплеровскую частоту для определения радиальной скорости цели и различения движущихся и неподвижных целей.

Явление Доплера описывает сдвиг центральной частоты падающей волны, вызванный движением цели относительно источника излучения.

В зависимости от направления движения цели этот сдвиг частоты может быть положительным или отрицательным.

Примечание. Величина доплеровского сдвига частоты зависит от компонента скорости цели в радиолокационном направлении, то есть от радиальной скорости. Все эти три цели имеют скорость, но сдвиг доплеровской частоты очень различен. Первая цель дает 0 сдвига доплеровской частоты, вторая цель создает максимальный сдвиг доплеровской частоты, а третья цель создает сдвиг доплеровской частоты между двумя.

1.5. Уравнение радара

1.5.1.Основные уравнения радиолокации

Понять процесс вывода основных уравнений радиолокации

1.5.2.Шум и соотношение сигнал/шум.

(1) Спектральная плотность мощности: PSD В реальных ситуациях эхо-сигнал, принимаемый радаром, будет загрязнен шумом. Шум носит случайный характер и может быть описан спектром плотности мощности. В то же время мощность шума также является функцией рабочей полосы радара. .

(2) Отношение сигнал/шум и перезапись уравнения радиолокации

1.5.2.1. Моделирование отношения сигнал/шум (1) реализация в Matlab.

Примечание. Следующая функция используется для реализации (1.56), то есть для реализации уравнения радиолокационного расстояния, то есть для достижения минимального выходного отношения сигнал/шум SNR, требуемого радиолокационной системой после того, как все соответствующие показатели определены и определяется расстояние обнаружения.

Конечно: мы также можем изменить для заданного набора параметров радара максимальное обнаруживаемое расстояние как функцию требуемого минимального обнаруживаемого отношения сигнал/шум, а также мы можем изменить уравнение радара для расчета для заданного расстояния обнаружения и получения определенного отношения сигнал/шум. требуемая ширина импульса

(1) Объяснение соответствующих основных параметров

(2) Пример входных параметров:

(3) Функция написания кода Matlab Обратите внимание, что мы обычно используем подсчет децибел для выполнения расчетов, связанных с уравнением радиолокации.

Язык кода:javascript
копировать
function [snr] = radar_eq(pt, freq, g, sigma, te, b, nf, loss, range)
% This program implements Eq. (1.56)
c = 3.0e+8; % скорость света
lambda = c / freq; % длина волны
p_peak = 10*log10(pt); % Пиковая мощность, преобразованная в форму DB
lambda_sqdb = 10*log10(lambda^2); % длина Преобразовать квадрат волн в форму д Б
sigmadb = 10*log10(sigma); % Преобразование площади поперечного сечения радара в форму д Б
four_pi_cub = 10*log10((4.0 * pi)^3); % (4pi)^3 Преобразовать в БД form_db = 10*log10(1.38e-23); % Преобразовать константу Больцмана в форму д Б
te_db = 10*log10(te); % noise temp. in dB
b_db = 10*log10(b); % Конвертировать пропускную способность в формат db
range_pwr4_db = 10*log10(range.^4); % Четвертая степень расстояния до цели радара преобразуется в форму д Б.
% Представляем формулу 1.56
num = p_peak + g + g + lambda_sqdb + sigmadb;
den = four_pi_cub + k_db + te_db + b_db + nf + loss + range_pwr4_db;
snr = num - den;
return

1.5.2.2. Моделирование отношения сигнал/шум (2) реализация в Matlab.

(1) Изучите взаимосвязь между соотношением сигнал/шум, расстоянием до цели и площадью поперечного сечения радара.

(2) Изучите взаимосвязь между соотношением сигнал/шум, расстоянием до цели радара и пиковой мощностью.

(3) Реализация этой части кода Matlab. УведомлениеВ этой программе используется функция предыдущего моделирования.,Позвоните сюда

Язык кода:javascript
копировать
% создано с помощью этой программы Fig. 1.12
close all
clear all
pt = 1.5e+6; % Пиковая мощность в W
freq = 5.6e+9; %Пиковая мощность в W
g = 45.0; % Усиление антенны dB
sigma = 0.1; % Площадь поперечного сечения радара in m squared
te = 290.0; % Эффективная шумовая температура in Kelvins
b = 5.0e+6; % Рабочая полоса радара в Hz
nf = 3.0; % коэффициент шума in dB
loss = 6.0; % Потеря радара в dB
range = linspace(25e3,165e3,1000); % Расстояние до цели радара from 25 Km 165 Km, 1000 points
snr1 = radar_eq(pt, freq, g, sigma, te, b, nf, loss, range);
snr2 = radar_eq(pt, freq, g, sigma/10, te, b, nf, loss, range);
snr3 = radar_eq(pt, freq, g, sigma*10, te, b, nf, loss, range);
% Постройте выходное отношение сигнал/шум как функцию целевого расстояния.
figure(1)
rangekm  = range ./ 1000;
plot(rangekm,snr3,'k',rangekm,snr1,'k -.',rangekm,snr2,'k:')
grid
legend('\sigma = 0 dBsm','\sigma = -10dBsm','\sigma = -20 dBsm')
xlabel («Целевая дистанция - Km');
ylabel ('SNR - dB');
snr1 = radar_eq(pt, freq, g, sigma, te, b, nf, loss, range);
snr2 = radar_eq(pt*0.4, freq, g, sigma, te, b, nf, loss, range);
snr3 = radar_eq(pt*1.8, freq, g, sigma, te, b, nf, loss, range);
figure (2)
plot(rangekm,snr3,'k',rangekm,snr1,'k -.',rangekm,snr2,'k:')
grid
legend('Pt = 2.7 MW','Pt = 1.5 MW','Pt = 0.6 MW')
xlabel ('Detection range - Km');
ylabel ('SNR - dB');

1.5.2.3 Роль выходного отношения сигнал/шум.

(1) Когда мы находим выходное отношение сигнал/шум, поскольку минимальный обнаруживаемый сигнал имеет линейную связь с отношением сигнал/шум, для заданного набора параметров радара мы можем найти соответствующее соотношение сигнал/шум. коэффициент шума, где радиолокационный мониторинг. Выходное отношение сигнал/шум, соответствующее порогу, можно ввести в базовое уравнение радара, чтобы найти максимальную дальность (диапазон мощности) радара.

(2) Уравнение радара можно изменить для расчета ширины импульса, необходимой для получения определенного отношения сигнал/шум для заданной дальности обнаружения.

Отображение с использованием функции построения графика

Отображение с использованием функции полулогики

Язык кода:javascript
копировать
% создано с помощью этой программы Fig. 1.13 of text.
close all
clear all
pt = 1.e+6; % Пиковая мощность в Watts
freq = 5.6e+9; % Рабочая частота радара in Hz
g = 40.0; %Усиление антенны dB
sigma = 0.1; % Площадь поперечного сечения радара in m squared
te =300.0; % эквивалентная шумовая температура in Kelvins
nf = 5.0; % коэффициент шума in dB
loss = 6.0; % потеря радара in dB
range = [75e3,100e3,150e3]; % Три различных требования к расстоянию обнаружения
snr_db = linspace(5,20,200); % SNR values from 5 dB to 20 dB 200 points
snr = 10.^(0.1.*snr_db); % convert snr into base 10
gain = 10^(0.1*g); %convert antenna gain into base 10
loss = 10^(0.1*loss); % convert losses into base 10
F = 10^(0.1*nf); % convert noise figure into base 10
lambda = 3.e8 / freq; % вычислитьдлина волны
% Implement Eq.(1.57)
den = pt * gain * gain * sigma * лямбда^2;% знаменатель каждого элемента
num1 = (4*pi)^3 * 1.38e-23 * te * F * loss * range(1)^4 .* snr;% различных молекул
num2 = (4*pi)^3 * 1.38e-23 * te * F * loss * range(2)^4 .* snr;
num3 = (4*pi)^3 * 1.38e-23 * te * F * loss * range(3)^4 .* snr;
tau1 = num1 ./ den ;
tau2 = num2 ./ den;
tau3 = num3 ./ den;
% Нарисуй картинку
figure(1)
plot(snr_db,1e6*tau1,'k',snr_db,1e6*tau2,'k -.',snr_db,1e6*tau3,'k:')
%Поскольку выше мы получили s, нам нужно преобразовать его в нас, 1e6
grid
legend('R = 75 Km','R = 100 Km','R = 150 Km')
xlabel ('Запрошено SNR - dB');
ylabel ('\tau (ширина импульса) in \mu sec');

figure(2)
semilogy(snr_db,1e6*tau1,'k',snr_db,1e6*tau2,'k -.',snr_db,1e6*tau3,'k:')
%Поскольку выше мы получили s, нам нужно преобразовать его в нас, 1e6
grid
legend('R = 75 Km','R = 100 Km','R = 150 Km')
xlabel ('Запрошено SNR - dB');
ylabel ('\tau (ширина импульса) in \mu sec');

1.5.3.Опорное расстояние радара

Если мы не знаем проектную ситуацию с радаром пользователя, мы можем сначала предоставить ссылку

1.6. Поиск (Оповещение)

Уравнение поискового радара

Ширина луча антенны

Две ситуации: круглая апертура и коническая апертура.

1.6.1. Функция power_aoerture – Воспроизведение Уравнение поискового радара (произведение апертуры мощности)

То, что заменяется, — это db, а то, что окончательно вычисляется, находится в форме db. Используется для воспроизведения поискового радара – Рассчитать произведение мощности апертуры

Обратите внимание, что то, что мы воспроизводим, на самом деле является произведением светосилы. Исследование произведения светосилы очень ценно.

Радар поиска повторения - повторение как произведение апертуры

Язык кода:javascript
копировать
function PAP = power_aperture(snr,tsc,sigma,range,te,nf,loss,az_angle,el_angle)
% This program implements Eq. (1.67)
Tsc = 10*log10(tsc); % convert Tsc into dB
Sigma = 10*log10(sigma); % convert sigma to dB
four_pi = 10*log10(4.0 * pi); % (4pi) in dB
k_db = 10*log10(1.38e-23); % Boltzman's constant in dB
Te = 10*log10(te); % noise temp. in dB
range_pwr4_db = 10*log10(range.^4); % target range^4 in dB
omega = (az_angle/57.296) * (el_angle / 57.296); % compute search volume in steraradians
Omega = 10*log10(omega); % search volume in dB
% implement Eq. (1.67)
PAP = snr + four_pi + k_db + Te + nf + loss + range_pwr4_db + Omega ...
    - Sigma - Tsc;
return

1.6.2. Анализировать отношения в реальных ситуациях.

Произведение мощности апертуры относительно дальности

Средняя мощность относительно размера апертуры

1.6.3.реализация кода matlab

Язык кода:javascript
копировать
close all
clear all
tsc = 2.5; % Время сканирования 2,5 seconds
sigma = 0.1; % Площадь поперечного сечения радараin m sqaured
te = 900.0; % эквивалентная шумовая температураin Kelvins
snr = 15; % Требуемый сигнал/шум in dB
nf = 6.0; % коэффициент шумаin dB
loss = 7.0; % потеря радара in dB
az_angle = 2; % Диапазон азимутов района поиска в degrees
el_angle = 2; %Диапазон угла наклона области поиска in degrees
range = linspace(20e3,250e3,1000); % Расстояние обнаружения from 20 Km 250 Km, 1000 points
pap1 = power_aperture(snr,tsc,sigma/10,range,te,nf,loss,az_angle,el_angle);
pap2 = power_aperture(snr,tsc,sigma,range,te,nf,loss,az_angle,el_angle);
pap3 = power_aperture(snr,tsc,sigma*10,range,te,nf,loss,az_angle,el_angle);
% plot power aperture prodcut versus range
% figure 1.16a
figure(1)
rangekm  = range ./ 1000;
plot(rangekm,pap1,'k',rangekm,pap2,'k -.',rangekm,pap3,'k:')
grid
legend('\sigma = -20 dBsm','\sigma = -10dBsm','\sigma = 0 dBsm')
xlabel ('Диапазон in Km');
ylabel ('произведение апертуры in dB');


%GenerateFigure 1.16b
lambda = 0.03; % длина волныin meters
G = 45; % Усиление антенны in dB
ae = linspace(1,25,1000);% площадь апертуры to 25 meter squared, 1000 points
Ae = 10*log10(ae);
range = 250e3; % расстояние интереса is 250 Km
pap1 = power_aperture(snr,tsc,sigma/10,range,te,nf,loss,az_angle,el_angle);
pap2 = power_aperture(snr,tsc,sigma,range,te,nf,loss,az_angle,el_angle);
pap3 = power_aperture(snr,tsc,sigma*10,range,te,nf,loss,az_angle,el_angle);
Pav1 = pap1 - Ae;
Pav2 = pap2 - Ae;
Pav3 = pap3 - Ae;
figure(2)
plot(ae,Pav1,'k',ae,Pav2,'k -.',ae,Pav3,'k:')
grid
xlabel('Площадь диафрагмы in square meters')
ylabel('Средняя мощность in dB')
legend('\sigma = -20 dBsm','\sigma = -10dBsm','\sigma = 0 dBsm')

1.7. Накопление импульсов.

Когда цель находится в пределах луча радара во время одного сканирования, она может отразить несколько импульсов. Путем суммирования эхо-сигналов от всех импульсов, отраженных данной целью во время одного сканирования, чувствительность радара (SNR) увеличивается.

Процесс сложения эхо-импульсов называется накоплением радиолокационных импульсов, и существует два метода накопления: (1) Накопление импульсов может накапливаться до обнаружения огибающей – постоянно накопление&Накопление до обнаружения,последовательное накопление Сохраняет фазовое соотношение между полученными импульсами,Реализует сложение амплитуд сигналов (2) Накопление импульсов также может выполняться после обнаружения огибающей – непоследовательное накопление&Накопление после обнаружения,Фазовая связь разрушается.

1.7.1.Обзор

1.7.2. Когерентное накопление.

При когерентном накоплении при использовании идеального аккумулятора (100% эффективность накопления), накапливающего n импульсов, отношение сигнал/шум также увеличится в n раз.

1.7.3. Некогерентное накопление.

Некогерентное накопление часто реализуется после детектора огибающей (также называемого квадратурным детектором). Эффект накопления некогерентного накопления не так эффективен, как когерентного накопления.

Фактически, выгода от некогерентного накопления всегда меньше, чем количество импульсов некогерентного накопления.

1.7.4. Расстояние обнаружения накопления импульсов.

**Мыслительный процесс: (1) Сначала определите, следует ли использовать когерентное или некогерентное накопление. (2) Во-вторых, определите минимальное ОСШ, необходимое для обнаружения и отслеживания. (3) Определите, сколько импульсов n должно быть накоплено. Выбор n контролируется такими показателями, как скорость сканирования радара, частота повторения импульсов радара и ширина луча антенны. (4) Наконец, используйте SNR для расчета расстояния радиолокационного мониторинга. **

При использовании того же отношения сигнал/шум мы видим, что дальность радиолокационного контроля больше, чем у одиночного импульса из-за уменьшения отношения сигнал/шум за счет накопления.

1.7.5.симуляция в Matlab

1.7.5.1. Когерентное накопление.

1.7.5.2. Некогерентное накопление.

1.7.5.3. Понимание параметров функции.

1.7.5.4 Код функции Matlab.

Язык кода:javascript
копировать
function [snrout] = pulse_integration(pt, freq, g, sigma, te, b, nf, loss, range,np,ci_nci)
 snr1 = radar_eq(pt, freq, g, sigma, te, b, nf, loss, range) % single pulse SNR
 snr1=0
if (ci_nci == 1) % последовательное накопление
   snrout = snr1 + 10*log10(np);
else % Нетпоследовательное накопление
    if (ci_nci == 2)
        snr_nci = 10.^(snr1./10);
        val1 = (snr_nci.^2) ./ (4.*np.*np);
        val2 = snr_nci ./ np;
        val3 = snr_nci ./ (2.*np);
        SNR_1 = val3 + sqrt(val1 + val2); % уравнение 1.87 of text
        LNCI = (1+SNR_1) ./ SNR_1; % уравнение 1.85 of text
        snrout = snr1 + 10*log10(np) - 10*log10(LNCI);
    end
end
return

1.7.5.5. Результат и код прикладной функции Matlab.

Язык кода:javascript
копировать
%use thsi figure to generate Fig. 1.21 of text
clear all
close all
np = linspace(1,10000,1000);
snrci = pulse_integration(4,94.e9,47,20,290,20e6,7,10,5.01e3,np,1);
snrnci = pulse_integration(4,94.e9,47,20,290,20e6,7,10,5.01e3,np,2);
semilogx(np,snrci,'k',np,snrnci,'k:')
legend('последовательное накопление','Нетпоследовательное накопление')
grid
xlabel («Количество накопленных импульсов»);
ylabel ('SNR - dB');

1.8.Потеря радара

В уравнении радиолокации указано, что отношение сигнал/шум приемника обратно пропорционально потерям радара, любое увеличение потерь радара приведет к уменьшению отношения сигнал/шум.

1.8.1. Потери при передаче и приеме.

1.8.2 Потеря диаграммы направленности антенны и потеря сканирования.

1.8.3. Потери в атмосфере.

1.8.4. Потеря суперпозиции.

Когда количество накопленных шумовых эхо-импульсов превышает количество целевых эхо-импульсов, SNR уменьшится и произойдет потеря суперпозиции.

1.8.5. Работа с потерями.

Алгоритмы и аппаратная обработка могут привести к потерям

1.8.3. Прочие потери.

1.9. Мой радар — практический пример проектирования.

Используйте знания, изложенные в этой главе, только для удовлетворения потребностей проектирования. Когда в последующих главах будут представлены новые знания, мы сможем обновить проект, чтобы адаптировать его к теориям и технологиям, изложенным в разных главах.

1.9.1. Введение.

Это наземный радар ПВО Принятый подход к проектированию основан на моделировании многих компонентов радиолокационной системы без учета каких-либо аппаратных ограничений или каких-либо практических ограничений.

1.9.2. Постановка задачи.

Здесь нужно еще раз подчеркнуть ключевые показатели (1) Указана соответствующая площадь поперечного сечения радара. (2) Скорость сканирования (3) Разрешение по дальности (4) Коэффициент шума (5) Потери в приемнике (6) Разумный порог обнаружения (минимальное обнаруживаемое отношение сигнал/шум).

1.9.3. Дизайн

**(1) Разрешение по расстоянию — ширина импульса/эквивалент требуемой рабочей полосы пропускания. Здесь необходимо определить рабочую частоту, размер апертуры и пиковую мощность одиночного импульса радара. **

1.9.4. Альтернативные конструкции.

Издатель: Лидер стека программистов полного стека, укажите источник для перепечатки: https://javaforall.cn/136543.html Исходная ссылка: https://javaforall.cn

boy illustration
Неразрушающее увеличение изображений одним щелчком мыши, чтобы сделать их более четкими артефактами искусственного интеллекта, включая руководства по установке и использованию.
boy illustration
Копикодер: этот инструмент отлично работает с Cursor, Bolt и V0! Предоставьте более качественные подсказки для разработки интерфейса (создание навигационного веб-сайта с использованием искусственного интеллекта).
boy illustration
Новый бесплатный RooCline превосходит Cline v3.1? ! Быстрее, умнее и лучше вилка Cline! (Независимое программирование AI, порог 0)
boy illustration
Разработав более 10 проектов с помощью Cursor, я собрал 10 примеров и 60 подсказок.
boy illustration
Я потратил 72 часа на изучение курсорных агентов, и вот неоспоримые факты, которыми я должен поделиться!
boy illustration
Идеальная интеграция Cursor и DeepSeek API
boy illustration
DeepSeek V3 снижает затраты на обучение больших моделей
boy illustration
Артефакт, увеличивающий количество очков: на основе улучшения характеристик препятствия малым целям Yolov8 (SEAM, MultiSEAM).
boy illustration
DeepSeek V3 раскручивался уже три дня. Сегодня я попробовал самопровозглашенную модель «ChatGPT».
boy illustration
Open Devin — инженер-программист искусственного интеллекта с открытым исходным кодом, который меньше программирует и больше создает.
boy illustration
Эксклюзивное оригинальное улучшение YOLOv8: собственная разработка SPPF | SPPF сочетается с воспринимаемой большой сверткой ядра UniRepLK, а свертка с большим ядром + без расширения улучшает восприимчивое поле
boy illustration
Популярное и подробное объяснение DeepSeek-V3: от его появления до преимуществ и сравнения с GPT-4o.
boy illustration
9 основных словесных инструкций по доработке академических работ с помощью ChatGPT, эффективных и практичных, которые стоит собрать
boy illustration
Вызовите deepseek в vscode для реализации программирования с помощью искусственного интеллекта.
boy illustration
Познакомьтесь с принципами сверточных нейронных сетей (CNN) в одной статье (суперподробно)
boy illustration
50,3 тыс. звезд! Immich: автономное решение для резервного копирования фотографий и видео, которое экономит деньги и избавляет от беспокойства.
boy illustration
Cloud Native|Практика: установка Dashbaord для K8s, графика неплохая
boy illustration
Краткий обзор статьи — использование синтетических данных при обучении больших моделей и оптимизации производительности
boy illustration
MiniPerplx: новая поисковая система искусственного интеллекта с открытым исходным кодом, спонсируемая xAI и Vercel.
boy illustration
Конструкция сервиса Synology Drive сочетает проникновение в интрасеть и синхронизацию папок заметок Obsidian в облаке.
boy illustration
Центр конфигурации————Накос
boy illustration
Начинаем с нуля при разработке в облаке Copilot: начать разработку с минимальным использованием кода стало проще
boy illustration
[Серия Docker] Docker создает мультиплатформенные образы: практика архитектуры Arm64
boy illustration
Обновление новых возможностей coze | Я использовал coze для создания апплета помощника по исправлению домашних заданий по математике
boy illustration
Советы по развертыванию Nginx: практическое создание статических веб-сайтов на облачных серверах
boy illustration
Feiniu fnos использует Docker для развертывания личного блокнота Notepad
boy illustration
Сверточная нейронная сеть VGG реализует классификацию изображений Cifar10 — практический опыт Pytorch
boy illustration
Начало работы с EdgeonePages — новым недорогим решением для хостинга веб-сайтов
boy illustration
[Зона легкого облачного игрового сервера] Управление игровыми архивами
boy illustration
Развертывание SpringCloud-проекта на базе Docker и Docker-Compose