熱門搜尋 :
醫療照護模式正從被動反應轉向主動預防，由於穿戴式裝置可提供長時間、連續的生理監測資料，能幫助醫療人員識別早期異常情形。
電信設備商諾基亞(Nokia)於台北舉辦《2025年諾基亞電信市場論壇》，此論壇自2006年起在台舉辦，至今已歷時20年，致力於分享電信產業趨勢觀察並推動業界交流。
從LE Audio對音訊體驗的重塑，到Channel Sounding對空間感知的賦能，物聯網的多樣性與AI的智慧度將提供藍牙未來發展的動能，藍牙深化低功耗優勢與跨場景複合應用，成為未來發展的核心趨勢。
藍牙技術應用朝向AIoT發展，Nordic採用通用平台與軟體定義核心策略，強化AI技術支援能力，滿足智慧家庭、智慧城市與數位醫療等需求。
藍牙生態系正快速擴張，為產業帶來跨場景、跨裝置的創新能力，Silicon Labs布局AIoT應用，Ceva打造完整SIP服務，達發科技則深耕藍牙音訊市場。
游泳不僅是深具歷史及魅力的運動，也是現今運動競賽裡不可或缺的專項運動之一。而在競賽訓練中可能會面臨到一些問題，像是需要大量工作人員管理場中秩序、確認比賽的裁判公平性，或是關注運動員的生理狀況，避免憾事發生等不可預期的情況。
藍芽通道探測是一個雙向測距過程，多天線、多通道架構有助提升測距與定位精度，在可控範圍內實現天線切換的靈活標準化至關重要，確保其在實現穩健精準度的同時最大化互通性的承諾。
藍牙技術不斷擴展應用範疇，在進入智慧化與AIoT時代，低功耗音訊、雙向定時廣播、電子標籤通訊、精準測距、室內定位等，讓藍牙成為物聯網短距無線連接的主流。
AI感知系統是未來交通與自駕技術的安全基石，但其準確性深受資料偏誤與情境落差影響。本文將從「AI是否看得懂、看得準」的實務挑戰切入，說明如何透過FAiTH評測機制，以在地化資料與科學評測，建構可信且可監理的AI安全框架。
近期隨著AI技術迅速發展，人工智慧的應用已逐漸從生成式AI(Generative AI)延伸到具備自主決策能力的AI助理(Agentic AI)應用領域，下一波趨勢將是物理AI(Physical AI)、具身AI(Embodied AI)的各類AI與真實世界互動結合的應用，包括機器人、自駕車、以及智慧工廠等場域的實現。
由於初始電流非常高，最終在電路諧振頻率附近的諧波中會儲存大量能量。這就是為什麼對於不同設計中的相同降壓控制器，在相同頻率下工作時，也會在各種位置出現電磁輻射超標問題。
第三代寬能隙(WBG)解決方案是前瞻半導體技術，如使用碳化矽(SiC)。與傳統的矽(Si)晶體管相比，SiC的優異物理特性使基於SiC的系統能夠在更小的外形尺寸內顯著減少損耗並加快開關速度。
藍牙通道探測(Channel Sounding)是藍牙6.0核心規範新增功能，能精確、安全地測量設備間距離，廣泛應用於智慧門鎖、家電近距感應及標籤定位，並有助於資產追蹤市場的成長。
斑馬科技(Zebra Technologies)於臺北國際自動化工業大展(Automation Taipei)展示新世代多方位機器視覺解決方案，展現其在智慧製造與自動化領域的布局。
向基於乙太網的區域架構的演進，代表著汽車設計和功能的重大躍進。透過採用單一通訊技術，車商可以簡化車輛內部網路，降低維護多種通訊標準所帶來的複雜性和成本。這樣的簡化不僅能提升車輛效能，也為日後導入更先進的功能奠定基礎。
原相以CMOS影像感測器起家，但很快就意識到若只做標準品，將直接面臨國際大廠的產能與價格競爭。因此，原相很早就確立以「應用」為核心的突圍路徑，將技術聚焦於感測系統單晶片(SSoC)開發。
傳統設計方法的低良率問題，一直是產業發展的主要障礙。星相科技透過創新的技術架構，為這個長期存在的問題提供了解決方案。
5G行動通訊網路是最先採用大規模多輸入多輸出(massive Multi-Input Multi-Output, mMIMO)天線陣列系統的技術。它是透過在基地台使用大型天線陣列，同時為多個用戶提供服務。
人工智慧(AI)和機器學習(ML)是使系統能夠從資料中學習、進行推論，並隨著時間的推移提高其性能的關鍵技術。這些技術通常運用於大型資料中心和功能強大的GPU，但是將它們部署在資源有限的設備(如微控制器MCU)上的情形也逐漸增加。
EMI行為需符合法規要求，這取決於產品應用類型，而且汽車、消費和工業市場的要求也各不相同。為了符合法規要求，通常需要EMI濾波，這會在系統中占用大量空間、體積和成本，因此必須瞭解適用於不同產品應用的標準。 本文首先講解切換轉換器中EMI的來源和類型，然後介紹工業市場和汽車市場產品法規標準差異，最後討論Diodes使用的技術，使其DC-DC切換轉換器符合嚴格的汽車標準。
Featured Videos
Upcoming Events
Hot Keywords
本站使用cookie及相關技術分析來改善使用者體驗。瞭解更多