2022 电赛陕西省赛

Posted 2023-04-06 ♚℡灬

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了2022 电赛陕西省赛相关的知识，希望对你有一定的参考价值。

一：题目：

声源定位跟踪系统（E题）

设计制作一个声源定位跟踪系统，能够实时显示及指示声源的位置，当声源移动时能够用激光笔动态跟踪声源。

设计并制作声音发生装置——“声源”，装置最大边长或直径不超过10cm，声源中心点B用红色或其他醒目颜色标识，并在B点所在的平面以B点为圆心，直径为5cm画圆圈，用醒目线条标识，该平面面向检测指示装置（图中A点）。（4分）
设计并制作一个声源定位检测装置，传感器安装在图1的 C区范围内，高度不超过1m，系统采用的拾音器或麦克风传感器数量不超过10个；在装置上标记测试参考点A，作为位置坐标的原点；装置上有显示电路，实时显示D区域内声源的位置，显示A、B两点直线距离γ和以A点为原点，AB在地面的投影与图1中心线的夹角θ，测量时间不超过5s，距离γ和角度θ的测值误差越小越好。（36分）
设计并制作一个声源指示控制装置，此装置和上述声源定位检测装置可以合为一体。也放置在图1的 C区，安装有激光笔和二维电动云台，能控制激光笔指向声源，定位计算过程中时，激光笔关闭，定位运算完成时激光笔开启。定位指示声源时，动作反应时间不超过10s，光点与B点偏差越小越好。（30分）
声源移动动态追踪：当声源摆放在地面，用细绳牵引，以0.2m/s左右的速度在D区移动时，激光笔光点指向B点，光点与B点偏差越小好，跟踪反应时间越短越好。（20分）

二：方案计划：

2.1【硬件选型】

Sipeed Maix Dock k210开发板：

Sipeed麦克风阵列模块：

飞特串口舵机：

激光模块：

按键：

2.2【基础架构】

刚开始将麦克风阵列模块平面放置进行尝试，但出来的声音数据处于整个屏幕的最下方，有一半数据被遮挡不见，所以放弃此方法。

后面将麦克风阵列垂直放置后发现接收到的数据偶尔会有偏移现象导致不准，所以开始尝试增加麦克风阵列的收音能力。

尝试通过增加桶装结构来增加收音功能，但由于桶太小，3m距离的两头顶点数据很少收到，所以最终还是使用垂直放置的方式。

2.3【各模块软件设计】

2.3.1 麦克风阵列软件设计：

依据官方给出的声源定位历程如下所示：

#导入MIC_ARRAY和LCD模块
from Maix import MIC_ARRAY as mic
import lcd

#初始化模块
lcd.init()
mic.init()

while True:

    #获取原始的声源黑白位图，尺寸 16*16
    imga = mic.get_map()

    #获取声源方向并设置LED显示
    b = mic.get_dir(imga)
    a = mic.set_led(b,(0,0,255))

    #将声源地图重置成正方形，彩虹色
    imgb = imga.resize(160,160)
    imgc = imgb.to_rainbow(1)

    #显示声源图
    lcd.display(imgc)

mic.deinit()

问题：依据官方给的结果只能得出一张声场图，通过调用 get_dir 函数可以得到12个灯珠的强度。但是得不到具体的位置，只能令相应位置的灯珠亮。

通过在网上搜寻发现了一位大神所写的依据官方声源定位做处理得到相应X坐标，Y坐标，强度，角度的具体实现如下所示：

def get_mic_dir():
    AngleX=0
    AngleY=0
    AngleR=0
    Angle=0
    AngleAddPi=0
    mic_list=[]
    imga = mic.get_map()    # 获取声音源分布图像
    imgb = imga.resize(160,160)
    imgc = imgb.to_rainbow(1)
    lcd.display(imgc)
    b = mic.get_dir(imga)   # 计算、获取声源方向
    for i in range(len(b)):
        if b[i]>=2:
            AngleX+= b[i]*math.sin(i*math.pi/6)
            AngleY+= b[i]*math.cos(i*math.pi/6)
    AngleX=round(AngleX,6) #计算坐标转换值
    AngleY=round(AngleY,6)
    if AngleY<0:AngleAddPi=180
    if AngleX<0 and AngleY > 0:AngleAddPi=360
    if AngleX!=0 or AngleY!=0: #参数修正
        if AngleY==0:
            Angle=90 if AngleX>0 else 270 #填补X轴角度
        else:
            Angle=AngleAddPi+round(math.degrees(math.atan(AngleX/AngleY)),4) #计算角度
        AngleR=round(math.sqrt(AngleY*AngleY+AngleX*AngleX),4) #计算强度
        mic_list.append(AngleX)
        mic_list.append(AngleY)
        mic_list.append(AngleR)
        mic_list.append(Angle)
    a = mic.set_led(b,(0,0,255))# 配置 RGB LED 颜色值
    return mic_list #返回列表，X坐标，Y坐标，强度，角度

经过测试，发现数据非常NICE，但是还是有些达不到本次赛题的具体要求（只能说我也是非常头疼了）。于是开始尝试追寻源头，获取最底层的数据，尽量往题目de要求靠近了:(。

与麦克风阵列有关的函数库为MIC_ARRAY：MaixPy/components/micropython/port/src/Maix at master · sipeed/MaixPy (github.com)
通过查看发现我们所使用的 get_map() 函数内部只是把数据进行了一个拷贝，真正的数据来自 thermal_map_data ，定义如下：STATIC uint8_t thermal_map_data[256]; ，是一个静态变量。
000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 
 000 000 000 000 093 191 000 000 000 000 000 000 000 000 000 000 
 000 000 000 204 243 109 000 000 000 000 000 000 000 000 000 000 
 000 000 000 000 255 146 146 000 000 000 000 000 000 000 000 000 
 000 000 000 000 122 219 076 000 000 000 000 000 000 000 000 000 
 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 
 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 
 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 
 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 
 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 
 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 
 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 
 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 
 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 
 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 
 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 
 ====================
000 000 000 016 122 206 168 068 000 000 000 000 000 000 000 000 
 000 000 000 000 078 255 208 120 003 000 000 000 000 000 000 000 
 000 000 000 000 096 164 201 204 042 000 000 000 000 000 000 000 
 000 000 000 000 010 043 139 149 028 000 000 000 000 000 000 000 
 000 000 000 000 000 000 021 000 000 000 000 000 000 000 000 000 
 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 
 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 
 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 
 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 
 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 
 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 
 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 
 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 
 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 
 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 
 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 
这个变量只使用过两次，一次是初始化的时候进行读取，一次是在调用 get_map() 这个函数的时候进行处理。接下来就瞅瞅到底是如何调用数据的。

在 Maix_mic_array_init(size_t n_args, const mp_obj_t *pos_args, mp_map_t *kw_args) 函数中最后一行代码显示 int ret = lib_mic_init(DMAC_CHANNEL4, lib_mic_cb, thermal_map_data); 所以最原始的数据来自 lib_mic_init 这个函数，而这个函数在 #include "lib_mic.h" 函数库中。

lib_mic.h 地址如下所示：https://github.com/sipeed/MaixPy/blob/master/components/kendryte_sdk/include/lib_mic.h，最终发现官方只给了 lib_mic.a 静态链接库。所以我们目前所能够获得的最原始的数据便是 thermal_map_data 这256个数据也就是16x16在屏幕上所能看到的音场图像 😃 。

软件设计：

通过 mic.get_dir(imga) 获得的音场图像我们可以通过如下所示获得255的最原始的数据点。

imga = mic.get_map()    # 获取声音源分布图像
imgb = imga.resize(200,200)
for y in range(imgb.height()):
    for x in range(imgb.width()):
         print('%03d'%imgb.get_pixel(x, y), end=" ")
         print('\\r\\n', end=" ")
return

因为最终得到的是图像数据，所以我们可以通过处理图像的API来处理音频数据（嘻嘻），通过 find_blobs 函数可以适当的降噪并得到超过一定阈值的色块儿。
```
th = [(230, 255)]
blobs = imgb.find_blobs(th, area_threshold=16, pixels_threshold=1, merge=True, x_stride=1, y_stride=1)
#官方地址：https://book.openmv.cc/image/blob.html
```

这里通过最简单的对每个色块的cx值进行平滑处理（每次增加一个因素）得到大体的最终像素的位置。

 if blobs:
        meanlost = 0
        for obj in blobs:
            if meanfound == False:
                meanfound = True
                for i in range(meancount):
                    mean_x[i] = obj.cx()
                    meanwriteindex = 0
            else:
                mean_x[meanwriteindex] = obj.cx()
                meanwriteindex = meanwriteindex + 1
                meanwriteindex = meanwriteindex % meancount

            allv = 0.0
            allv = (allv / (meancount)) - 100
            print("x:" + str(allv) + "y:" + str(obj.cy()))
    else:
        meanlost = meanlost + 1
        if meanlost > 50:
            meanfound = False

之前已经通过 imga.resize 函数将最终的结果放大到200了，所以理论上平面上的像素的位置因该处于100与-100之间。根据3m的约束，100像素对应150cm，在完全线性情况下计算距离的时候只需要将得到的值乘以1.5便是边上的最终距离（当然这是不切实际的哈，需要与真是场合进行最终的拟合）

通过测试如果将其中的最大与最小值进行去除后效果较为稳定

            max_num = mean_x[1]
            min_num = mean_x[1]
            for i in range(meancount):
                if mean_x[i] >  max_num:
                    max_num = mean_x[i]
                if mean_x[i] < min_num:
                    min_num = mean_x[i]
                allv = allv + mean_x[i]
            allv = allv - max_num - min_num

根据上述所示最终拟合后的情况较为稳定，大概像素抖动差距为1左右 😃

2.3.2 舵机软件设计：

串口舵机通过官方的协议发送相应的组帧数据便可到达相应的角度，这里设置360度对应于4096细分。封装结果如下所示：

#该函数将角度转换为步进电机的位置参数
#假定角度范围是0-180
def yiding(angle):
    return int(4096 * (angle / 360.0))

#该函数生成控制帧
def create_control_message(angle):
    step = yiding(angle)
    lw = step % 256
    hg = step>>8
    buffer = bytearray(7)
    buffer[0]=0x2A
    buffer[1]=lw
    buffer[2]=hg
    buffer[3]=0
    buffer[4]=0
    buffer[5]=0xE8 #这里没有做调速的逻辑
    buffer[6]=0x03 #直接将选定的参数写在代码里，可按需修改
    return SendBuffer(7, buffer, 0x03)

#该函数根据角度调用相应函数生成控制帧
#然后通过uart对象发送控制帧
def control(uart, angle):
    uart.write(create_control_message(angle))
    uart.read()

def SendBuffer(length, buffer, cmd):
    data = bytearray(length + 6)
    data[0] = 0xff
    data[1] = 0xff
    data[2] = 0x01
    data[3] = length + 2
    data[4] = cmd
    i = 0
    sum = 0
    while  i < length:
        data[5 + i] = buffer[i]
        sum += buffer[i]
        i += 1
    data[length + 5] = ~(data[2] + data[3] + data[4] + sum)
    return data

#引脚映射
fm.register(6, fm.fpioa.UART1_RX, force=True)
fm.register(7, fm.fpioa.UART1_TX, force=True)

#构造函数
uart = UART(UART.UART1, 115200, read_buf_len=4096)

2.3.3 矩阵键盘：

通过IO口进行控制：

fpioa = FPIOA()
fpioa.set_function(30, fpioa.GPIOHS0)
fpioa.set_function(31, fpioa.GPIOHS1)
fpioa.set_function(32, fpioa.GPIOHS2)
fpioa.set_function(33, fpioa.GPIOHS3)
fpioa.set_function(34, fpioa.GPIOHS4)
key_1 = GPIO(GPIO.GPIOHS0, GPIO.IN, GPIO.PULL_UP)
key_2 = GPIO(GPIO.GPIOHS1, GPIO.IN, GPIO.PULL_UP)
key_3 = GPIO(GPIO.GPIOHS2, GPIO.IN, GPIO.PULL_UP)
key_4 = GPIO(GPIO.GPIOHS3, GPIO.IN, GPIO.PULL_UP)
key_5 = GPIO(GPIO.GPIOHS4, GPIO.IN, GPIO.PULL_UP)
print("GPIO_init!")

2.4【问题总结】

上述麦克风阵列部分的软件设计虽然设想很好像素抖动并不巨大，但是当时只是测量了某些点，直到经过反复测量+1.5m — -1.5m的整体路径后… 😦

先上测试结果，如图所示为以15cm为间距测量的一个整体情况，发现在-75cm和-105cm之间麦克风阵列接收的值差距非常小几乎可以忽略…这岂不是代表6-7的像素结果最终需要对应到30cm emmm

xvalue	realx_cm
-101.29	-150
-82.412	-135
-71	-120
-49.666	-105
-45.412	-90
-42.335	-75
-31.212	-60
-21.267	-45
-12.828	-30
-7.114	-15
2	0
7.871	15
19.238	30
26.398	45
36.715	60
46.335	75
49.755	90
59.389	105
78.123	120
94.301	135
100.567	150

2.4.1【解决问题 —— 算法拟合的方式？】

刚开始的第一想法是认为算法太简单了可以通过拟合的方式导致结果好点，所以后面通过 TableCurve 2D 又再次对算法方面进行了优化。如图所示为原始数据，后面为重新修改算法后的对比图。

#三段数据通过傅里叶拟合后的代码已翻译为py
def evalfpoly_upper(order, x, c):
    y = c[0]
    x = (x-(-101.2900000000000))/(64.25307869540144)
    i = 1
    j = 1
    while (j<=order):
        y = y + c[j]*math.cos(i*x)+c[j+1]*math.sin(i*x)
        j = j + 2
        i = i + 1
    return y


def x2cm_upper(x):
    #xvalue,realx_cm
    #X= x
    #Y= y
    #Eqn# 6846  Fourier Series Polynomial 6x2
    #r2=0.9992520391742251
    #r2adj=0.9978629690692147
    #StdErr=4.024677208570474
    #Fstat=890.6456102510882
    #a= 18061.39806009811
    #b= 3037.621539029955
    #c= -32439.8924224331
    #d= -23307.50404252103
    #e= -4700.223775667663
    #f= -4180.635182396415
    #g= 13084.95904965044
    #h= 5462.199382107961
    #i= 2520.335507611479
    #j= 992.9660259627591
    #k= -1525.384832176511
    #l= -216.0594810973499
    #m= -201.9920503300485
    c = [ \\
        18061.39806009811, \\
        3037.621539029955, \\
        -32439.89242243310, \\
        -23307.50404252103, \\
        -4700.223775667663, \\
        -4180.635182396415, \\
        13084.95904965044, \\
        5462.199382107961, \\
        2520.335507611479, \\
        992.9660259627591, \\
        -1525.384832176511, \\
        -216.0594810973499, \\
        -201.9920503300485 \\
    ]
    y = evalfpoly_upper(12, x, c);
    return y


def evalfpoly_down(order, x, c):
    y = c[0]
    x = (x-(-101.2900000000000))/(16.43242956435201)
    i = 1
    j = 1
    while (j<=order):
        y += c[j]*math.cos(i*x)+c[j+1]*math.sin(i*x)
        j = j + 2
        i = i + 1

    return y


def x2cm_down(x):
    #xvalue,realx_cm
    #X= x
    #Y= y
    #Eqn# 6841  Fourier Series Polynomial 1x2
    #r2=0.9999494613096794
    #r2adj=0.9998483839290382
    #StdErr=0.2384450180034372
    #Fstat=9892.91031254093
    #a= -127.4956791753075
    #b= -22.44558132774609
    #c= 1.671278079513843
    c = ( \\
        -127.4956791753075, \\
        -22.44558132774609, \\
        1.671278079513843 \\
    )
    y = evalfpoly_down(2, x, c)
    return y


def x2cm_inner(x):
    #xvalue,realx_cm
    #X= x
    #Y= y
    #Eqn# 6067  High Precision Polynomial Order 17
    #r2=0.9999018183727648
    #r2adj=0.9990181837276478
    #StdErr=2.38117386446982
    #Fstat=1797.212645936657
    #a= -2.528288698078915
    #b= 2.16076952420472
    #c= 0.00582814018547617
    #d= -0.002275948124670886
    #e= -8.934730109710214E-05
    #f= 6.811064374229286E-06
    #g= 1.978340205779401E-07
    #h= -9.293511972574285E-09
    #i= -1.733939641774201E-10
    #j= 6.179017571697362E-12
    #k= 7.276632783720768E-14
    #l= -2.128501488212396E-15
    #m= -1.527417220941608E-17
    #n= 3.833655302736212E-19
    #o= 1.526021786343222E-21
    #p= -3.395643131151524E-23
    #q= -5.701345417693474E-26
    #r= 1.157136867109389E-27
    y = -2.528288698078915+x*(2.160769524204720+ \\
        x*(0.005828140185476170+x*(-0.002275948124670886+\\
        x*(-8.934730109710214E-05+x*(6.811064374229286E-06+\\
        x*(1.978340205779401E-07+x*(-9.293511972574285E-09+\\
        x*(-1.733939641774201E-10+x*(6.179017571697362E-12+\\
        x*(7.276632783720768E-14+x*(-2.128501488212396E-15+\\
        x*(-1.527417220941608E-17+x*(3.833655302736212E-19+\\
        x*(1.526021786343222E-21+x*(-3.395643131151524E-23+\\
        x*(-5.701345417693474E-26+x*1.157136867109389E-27))))))))))))))))
    return y


def x2cm(x):
    if x<-49.666:
        return x2cm_down(x)
    elif x > 49.755:
        return x2cm_upper(x)
    else:
        return x2cm_inner(x)

通过将数据导入到上位机方便进行查看和分析，蓝线为声源与接受装置之间的距离，红线为原始麦克风阵列的采样数据（像素数据），绿线为将麦克风阵列通过傅里叶变换拟合到3m距离的对应长度。发现结果并不十分稳定。

果然采集的数据不行再咋拟合都不行（服气）

2.4.2【解决问题 —— 改变音源播放的声音解决问题？】

【声音大小】

如图左边所示为播放小音量的结果，右边所示为播放大音量的结果，感觉好像并不差多少哎。所以排除声音大小的问题（0db -3db）

【声音频率的问题】

又找了两段不同频率的声音进行整体的测试，如图所示为测试结果，发现真的有用哎，不同的音频结果确实差距挺大的。但是都有各自的无法区分的区间 :?

于是开始了非常非常非常非常非常非常漫长的寻找音源的阶段，又过了一夜…最终有三个音频入选到决赛

【两种混音测试】

通过将两张音源进行混音再测试，发现测试情况并不理想，依旧有区分度不大的区间。

最终版 ->【三种交替测试】

最终通过测试，发现如果将三种声音进行依次排序播放，效果能达到最好，难以区分区间虽然依旧存在但效果最好 😃

上传不上来嘞…

<

电赛省赛和国赛难度

01电赛基本介绍

电赛主要针对普通高等院校、军队院校、高等专科学校和高等职业学校具有正式学籍的全日制本科生或专科生择优组队参与，其中每组包含三名队员，由一到两名指导老师带领参赛，旨在提升高校学子将理论运用到实践、合作解决问题的能力。

从赛题分类上看，赛题考察专业包括了电子信息类、电气类、机械类以及计算机类，这就导致高校内大部分工科甚至理科专业，在合理组队后都能参加，涵盖范围广；

从规模和时间上，电赛可以分为“省赛”和“国赛”，两者按年份交替举行，即奇数年举办国赛，偶数年举办省赛。比如在今年八月初刚刚举办了2021年全国大学生电子设计竞赛，目前正在评审阶段，而2020年的七、八月份，则由各省份举办省赛。

02电赛报名流程、组织方式及时间安排

在报名流程上，电赛与其他工科类竞赛大同小异，均需要学生自行组队后，由导师指导参赛，具体的报名流程根据各个学校安排不同，也有所差别。值得一提的是，由于电赛属于全国性的比赛，参赛高校众多，所以竞赛组委会一般会依据往年获奖情况或各个省份高校的数量对每个省份及每个高校的参赛队伍数量进行把控。所以在有限的名额内，为了提高获奖率，大部分高校都会举行校赛，即通过校内选拔，选拔出代表学校参加省内评比的队伍，省内评比名列前茅的作品才有资格被推送国赛。

校内选拔根据高校不同的要求，一般可以分为笔试、面试或者实践类题目的形式，其考核课程主要包括模拟电子线路、数字电子线路、电路理论、微机原理等课程，对于信号处理类题目可能还会涉及的高等数学、线性代数等方面的知识，可见考核内容之多。面试的话，主要考核问题与笔试没有太大差异，但是可能会要求用自己的话去说明一个问题的解决思路，这种考核方式更加考验同学的应变能力和解决实际问题的能力，除此之外，由于面试的特殊形式，老师可能还会针对之前竞赛经验以及参与项目的深浅度进行提问，主要考察学生的实践能力。

至于实践类题目，主要的形式是由学生自行组队，以电赛的基本要求严格要求自己，通过团队协作和查阅资料，在一定时间内完成一个基本题目的独立设计，小竞认为，就考核方式而言，实践类题目更能看出一个队伍的整体实力，这也就给了队伍内三个人的磨合机会，更有利于在竞赛期间互相帮助，同时这也是大多数高校的主要考核方式之一。

在组织方式上，根据官网的要求，全国大学生电子设计竞赛采用“半封闭，相对集中”的组织方式。具体来说就是各参赛队必须在相对封闭的环境下独立完成竞赛题目的各项要求，不得与他人商量或交流，且任何老师不得干扰或给学生答题提供帮助，但是学生可离开赛场查阅各种相关资料，使用学校必要设备和仪器等来完善自己的作品，同时允许学生在规定的时间内进行就餐和休息。“相对集中”的意思是，按照委员会的要求，每个学校给参赛队伍提供的参赛场所（实验室）不能超过三个，以便组委会和巡查人员进行巡查和监督，至于摄像头和比赛期间的录屏工作则按照不同赛区的不同要求，可有所差别。

时间安排上，以刚刚过去不久的2021届全国大学生电子设计竞赛为例，其各重要时间点如下表所示：

2021.1.31 关于组织2021年全国大学生电子设计竞赛的通知
2021.4.30 关于TI杯2021全国大学生电子设计竞赛赞助商指定器件的通知
2021.5.8~2021.6.8 免费TI处理器办卡申请
2021.5.31 各赛区负责本赛区的报名与情况汇总工作（报名截止）
2021.8.1~2021.8.4 发布竞赛推荐器件
2021.8.4~2021.8.7 竞赛时间
2021.8.8~2021.8.14 各赛区组织测试评审工作

由上我们可以看出，从开始发布相关通知，到竞赛结束，电赛共历时7个月，可以说是众多竞赛中时间比较充裕的了，如果再加上前一年的省赛，我们就有将近一年半的时间来准备国赛，但即便如此，每年国赛中在比赛期间完整做出题目要求的小组仍然是凤毛麟角。在小竞眼里，这一现象主要有几个主要原因导致：

首先，由于竞赛的时间战线较长，导致很多有意参赛的同学没有提起重视，没有充分利用这些准备时间，亦或者是由于学校内课程比较紧张，导致很多同学无可奈何地将准备电赛这一安排拖之又拖，可是“明日复明日，明日何其多”，在这中比较放松的心态下很难将电赛的全部内容，甚至部分内容复习完整，并加以实践。这也是导致很多同学在国赛失利的主要原因——没有充分利用准备时间。

其次，由于电赛本身的题目种类较多，每道题目又包括“理论设计和实际制作”两部分，以电子电路（含模拟和数字电路）设计应用为基础，可以涉及模数混合电路、单片机、嵌入式系统、可编程器件、EDA软件、互联网、大数据、人工智能、射频以及光电器件等多方面的技术应用。

题目本身所需知识相当复杂，单凭一个人，在有限的时间内很难面面俱到，这也就需要组内同学提前交流，相互磨合，分工明确，大家不仅要对自己有足够的了解，更要对队友的优势有充分的了解，提前选好题目方向，针对题目大方向做出木有针对性的准备，这很重要。这也就是导致很多同学失败的另一个原因——没有目标，准备没有目的性。

所以，要想在电赛中，从全国几千甚至上万支队伍中脱颖而出，时间和头脑是两个缺一不可的必要条件。接下来就让小竞带大家大致了解一下电赛中的题目吧~

03题目分类

按照每年省赛和国赛的题目类型总结，可将题目分为以下几大类：

控制类：此类题目一般要求参赛队伍具有较高的编程水平和运用算法解决实际问题的能力，以及独立对具体结构和电路进行设计的能力。一般情况下，控制类题目每年的数量会在1~2道，每道题目中至少会牵扯到一个基础算法，加上最近几年国内学科融合的趋势，从近两年的题目来看，控制题中所包含的电路设计内容也越来越多，但是目前还是以编程为主要考核内容。

电源类：电源类题目通常涉及到较高的电压，或者比较前沿的电源技术，比如在2018年的省赛中，部分省市就出现了关于“无线充电小车”的题目，其考核内容主要在提升充电效率、体积小、并具有可行的运用价值等等方面。由于该类题目大部分是在高压的情况下，故而比较适合电气方面的同学选择。

仪器仪表类：仪器仪表类题目是公认的比较难的题目，其主要根据目前市场上电流表、频谱仪以及示波器方面的部分功能设计，但因为此类题目中所要求的参数精确度较高，这也大大提升了硬件电路和软件信号处理的难度。

高频通信类：顾名思义，此类题目主要以通信为主，一般情况下此类题目中信号频率相比于其他题目较高，故而也称高频类题目。该类题目同仪器仪表类题目类似，由于信号频率较高易受干扰，所以对于作品的稳定性以及抗干扰能力要求较高，这也就导致此类题目对于硬件电路的设计要求较高。比如在2019年国赛中，“双线路无线通信类”题目中，如果无线信号传输部分不够稳定，那么无论是传输信号的质量还是强度，都对比赛的结果造成了很大的不确定因素。参考技术A 01电赛基本介绍
电赛主要针对普通高等院校、军队院校、高等专科学校和高等职业学校具有正式学籍的全日制本科生或专科生择优组队参与，其中每组包含三名队员，由一到两名指导老师带领参赛，旨在提升高校学子将理论运用到实践、合作解决问题的能力。
从赛题分类上看，赛题考察专业包括了电子信息类、电气类、机械类以及计算机类，这就导致高校内大部分工科甚至理科专业，在合理组队后都能参加，涵盖范围广；
从规模和时间上，电赛可以分为“省赛”和“国赛”，两者按年份交替举行，即奇数年举办国赛，偶数年举办省赛。比如在今年八月初刚刚举办了2021年全国大学生电子设计竞赛，目前正在评审阶段，而2020年的七、八月份，则由各省份举办省赛。
02电赛报名流程、组织方式及时间安排
在报名流程上，电赛与其他工科类竞赛大同小异，均需要学生自行组队后，由导师指导参赛，具体的报名流程根据各个学校安排不同，也有所差别。值得一提的是，由于电赛属于全国性的比赛，参赛高校众多，所以竞赛组委会一般会依据往年获奖情况或各个省份高校的数量对每个省份及每个高校的参赛队伍数量进行把控。所以在有限的名额内，为了提高获奖率，大部分高校都会举行校赛，即通过校内选拔，选拔出代表学校参加省内评比的队伍，省内评比名列前茅的作品才有资格被推送国赛。
校内选拔根据高校不同的要求，一般可以分为笔试、面试或者实践类题目的形式，其考核课程主要包括模拟电子线路、数字电子线路、电路理论、微机原理等课程，对于信号处理类题目可能还会涉及的高等数学、线性代数等方面的知识，可见考核内容之多。面试的话，主要考核问题与笔试没有太大差异，但是可能会要求用自己的话去说明一个问题的解决思路，这种考核方式更加考验同学的应变能力和解决实际问题的能力，除此之外，由于面试的特殊形式，老师可能还会针对之前竞赛经验以及参与项目的深浅度进行提问，主要考察学生的实践能力。
至于实践类题目，主要的形式是由学生自行组队，以电赛的基本要求严格要求自己，通过团队协作和查阅资料，在一定时间内完成一个基本题目的独立设计，小竞认为，就考核方式而言，实践类题目更能看出一个队伍的整体实力，这也就给了队伍内三个人的磨合机会，更有利于在竞赛期间互相帮助，同时这也是大多数高校的主要考核方式之一。
在组织方式上，根据官网的要求，全国大学生电子设计竞赛采用“半封闭，相对集中”的组织方式。具体来说就是各参赛队必须在相对封闭的环境下独立完成竞赛题目的各项要求，不得与他人商量或交流，且任何老师不得干扰或给学生答题提供帮助，但是学生可离开赛场查阅各种相关资料，使用学校必要设备和仪器等来完善自己的作品，同时允许学生在规定的时间内进行就餐和休息。“相对集中”的意思是，按照委员会的要求，每个学校给参赛队伍提供的参赛场所（实验室）不能超过三个，以便组委会和巡查人员进行巡查和监督，至于摄像头和比赛期间的录屏工作则按照不同赛区的不同要求，可有所差别。
时间安排上，以刚刚过去不久的2021届全国大学生电子设计竞赛为例，其各重要时间点如下表所示：
2021.1.31 关于组织2021年全国大学生电子设计竞赛的通知
2021.4.30 关于TI杯2021全国大学生电子设计竞赛赞助商指定器件的通知
2021.5.8~2021.6.8 免费TI处理器办卡申请
2021.5.31 各赛区负责本赛区的报名与情况汇总工作（报名截止）
2021.8.1~2021.8.4 发布竞赛推荐器件
2021.8.4~2021.8.7 竞赛时间
2021.8.8~2021.8.14 各赛区组织测试评审工作
由上我们可以看出，从开始发布相关通知，到竞赛结束，电赛共历时7个月，可以说是众多竞赛中时间比较充裕的了，如果再加上前一年的省赛，我们就有将近一年半的时间来准备国赛，但即便如此，每年国赛中在比赛期间完整做出题目要求的小组仍然是凤毛麟角。在小竞眼里，这一现象主要有几个主要原因导致：
首先，由于竞赛的时间战线较长，导致很多有意参赛的同学没有提起重视，没有充分利用这些准备时间，亦或者是由于学校内课程比较紧张，导致很多同学无可奈何地将准备电赛这一安排拖之又拖，可是“明日复明日，明日何其多”，在这中比较放松的心态下很难将电赛的全部内容，甚至部分内容复习完整，并加以实践。这也是导致很多同学在国赛失利的主要原因——没有充分利用准备时间。
其次，由于电赛本身的题目种类较多，每道题目又包括“理论设计和实际制作”两部分，以电子电路（含模拟和数字电路）设计应用为基础，可以涉及模数混合电路、单片机、嵌入式系统、可编程器件、EDA软件、互联网、大数据、人工智能、射频以及光电器件等多方面的技术应用。
题目本身所需知识相当复杂，单凭一个人，在有限的时间内很难面面俱到，这也就需要组内同学提前交流，相互磨合，分工明确，大家不仅要对自己有足够的了解，更要对队友的优势有充分的了解，提前选好题目方向，针对题目大方向做出木有针对性的准备，这很重要。这也就是导致很多同学失败的另一个原因——没有目标，准备没有目的性。
所以，要想在电赛中，从全国几千甚至上万支队伍中脱颖而出，时间和头脑是两个缺一不可的必要条件。接下来就让小竞带大家大致了解一下电赛中的题目吧~
03题目分类
按照每年省赛和国赛的题目类型总结，可将题目分为以下几大类：
控制类：此类题目一般要求参赛队伍具有较高的编程水平和运用算法解决实际问题的能力，以及独立对具体结构和电路进行设计的能力。一般情况下，控制类题目每年的数量会在1~2道，每道题目中至少会牵扯到一个基础算法，加上最近几年国内学科融合的趋势，从近两年的题目来看，控制题中所包含的电路设计内容也越来越多，但是目前还是以编程为主要考核内容。
电源类：电源类题目通常涉及到较高的电压，或者比较前沿的电源技术，比如在2018年的省赛中，部分省市就出现了关于“无线充电小车”的题目，其考核内容主要在提升充电效率、体积小、并具有可行的运用价值等等方面。由于该类题目大部分是在高压的情况下，故而比较适合电气方面的同学选择。
仪器仪表类：仪器仪表类题目是公认的比较难的题目，其主要根据目前市场上电流表、频谱仪以及示波器方面的部分功能设计，但因为此类题目中所要求的参数精确度较高，这也大大提升了硬件电路和软件信号处理的难度。
高频通信类：顾名思义，此类题目主要以通信为主，一般情况下此类题目中信号频率相比于其他题目较高，故而也称高频类题目。该类题目同仪器仪表类题目类似，由于信号频率较高易受干扰，所以对于作品的稳定性以及抗干扰能力要求较高，这也就导致此类题目对于硬件电路的设计要求较高。比如在2019年国赛中，“双线路无线通信类”题目中，如果无线信号传输部分不够稳定，那么无论是传输信号的质量还是强度，都对比赛的结果造成了很大的不确定因素。参考技术B 从开始发布相关通知，到竞赛结束，电赛共历时7个月，可以说是众多竞赛中时间比较充裕的了，如果再加上前一年的省赛，我们就有将近一年半的时间来准备国赛，但即便如此，每年国赛中在比赛期间完整做出题目要求的小组仍然是凤毛麟角。在小竞眼里，这一现象主要有几个主要原因导致：
首先，由于竞赛的时间战线较长，导致很多有意参赛的同学没有提起重视，没有充分利用这些准备时间，亦或者是由于学校内课程比较紧张，导致很多同学无可奈何地将准备电赛这一安排拖之又拖，可是“明日复明日，明日何其多”，在这中比较放松的心态下很难将电赛的全部内容，甚至部分内容复习完整，并加以实践。这也是导致很多同学在国赛失利的主要原因——没有充分利用准备时间。参考技术C 这个是两个赛会段的赛事，只是可能对手水平肯定不一样，其他应该差不多参考技术D 从规模和时间上，电赛可以为“省赛”和“国赛”，两者按年份交替举行，即奇数年举办国赛，偶数年举办省赛

以上是关于2022 电赛陕西省赛的主要内容，如果未能解决你的问题，请参考以下文章

2022电赛C题：小车跟踪（方案1+核心代码）

2021电赛F题之openmv数字识别(附带视频，不看后悔)

省联社再下一城，陕西信合选择携手菊风共建远程银行服务平台

竞赛无人机搭积木式编程——以2022年TI电赛送货无人机一等奖复现为例学习(7月B题)

2022第六季完美童模陕西总决赛圆满落幕

2022年江西省研究生数学建模方案代码