-
公开(公告)号：CN118731884A
公开(公告)日：2024-10-01
申请号：CN202410868828.2
申请日：2024-07-01
申请人： 西安电子科技大学
IPC分类号： G01S7/41 , G06F18/214 , G06N3/0475 , G06N3/045 , G06N3/094
摘要： 本发明公开了一种基于生成对抗网络的涡旋电磁波逆散射方法和系统，涉及雷达领域，用以快速、可靠地对涡旋电磁波逆散射反演。本发明以真实的目标和涡旋电磁波参数作为真实样本，以生成数据作为虚假样本，输入判别器对判别器进行训练；以生成数据作为真实样本输入判别器对生成器进行训练。利用训练好的生成对抗网络对散射目标的雷达散射截面进行预测，得到目标和涡旋电磁波的基本参数。本发明填补了涡旋电磁波逆散射反演的空白，避开了传统电磁反演方法中的迭代的复杂性问题，提高了反演效率。并且，本发明从真实数据中学习并重建出目标特征，保留了真实数据的细节信息，预测结果更加可靠。
-
公开(公告)号：CN118036092A
公开(公告)日：2024-05-14
申请号：CN202410287497.3
申请日：2024-03-13
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于硬件辅助虚拟化的软件完整性保护方法与系统，涉及信息安全技术领域，解决了现有技术中，验证逻辑容易出现安全漏洞，且缺乏内核态内存隔离的问题，应用于虚拟机监视器，包括：获取用户的配置参数，并修改扩展页表的属性对计算机用户态发起的系统调用进行拦截；对计算机用户态发起的系统调用中的参数进行校验，得到校验结果；根据校验结果，判断系统调用是否可执行，若是，则继续在计算机的硬件中执行系统调用；若否，则中断系统调用，实现了在操作系统加载之前部署保护代码，大大缩短了保护的真空期；同时借助硬件辅助虚拟化以及虚拟机自省技术大大增强了保护系统的安全性与可扩展性。
-
公开(公告)号：CN113190978B
公开(公告)日：2024-04-05
申请号：CN202110393590.9
申请日：2021-04-13
申请人： 杭州电子科技大学
IPC分类号： G06F30/20 , G06Q50/26 , G06F113/08
摘要： 本发明公开一种排涝泵站中电动机选型方法及系统，其系统包括轴功率计算模块，额定功率选择模块，额定电压选择模块，起动方式选择模块，轴功率计算模块与额定功率选择模块联接，额定功率选择模块分别与额定电压选择模块以及起动方式选择模块联接；轴功率计算模块，用于计算获取排涝泵站中水泵运行的最大轴功率；额定功率选择模块，用于根据最大轴功率选择电动机额定功率；额定电压选择模块，用于根据电动机额定功率选择电动机额定电压；起动方式选择模块，用于根据电动机额定功率选择电动机起动方式。本发明给出了排涝泵站运转可靠性、技术性、经济性相对较优的电动机选型方案，可使电动机与排涝泵站结合更为准确，排涝泵站运行更为高效。
-
公开(公告)号：CN116701511A
公开(公告)日：2023-09-05
申请号：CN202310675905.8
申请日：2023-06-08
申请人： 西安电子科技大学
IPC分类号： G06F16/25 , G06F16/23 , G06F16/215 , G06F16/957 , G06F16/958
摘要： 本发明公开面向B/S业务场景的数据自动化融合录入系统及方法，包括多源数据融合校对模块、业务数据智能录入模块以及异常错误处理模块；多源数据融合校对模块用于将数据进行导入和融合，形成融合后的业务待录入数据；业务数据智能录入模块通过WebDriver驱动浏览器的方式将业务待录入数据填入到Web页面中，并以多线程的方式进行录入；异常错误处理模块用于处理运行过程中的错误。本发明的融合录入系统，可以使得用户在不同的项目数据录入过程中，仅需一次对数据项校对，显著提高多源数据的融合准确率以及录入效率，并能够有效降低数据信息在处理以及录入过程中出现的异常输入以及人工操作失误。
-
公开(公告)号：CN114693759A
公开(公告)日：2022-07-01
申请号：CN202210336050.1
申请日：2022-03-31
申请人： 电子科技大学
摘要： 本发明公开了一种基于编解码网络的轻量级快速图像深度估计方法，涉及图像处理和计算机视觉技术领域，图像深度估计方法包括以下步骤：采集图像，同时获取这些图像对应的深度信息作为标签，将它们分成训练集和测试集；构建编码器的网络架构；构建解码器的网络架构；构建注意力模块的网络架构，并在编码器、解码器之间加入带注意力模块的跳跃连接，实现图像细节信息的保留和关注；将训练集中的图像输入到编码器中进行特征提取和编码输出，并结合融入了注意力模块的跳跃连接和解码器架构，对图像特征图层自下而上解码生成最终的深度图像；将训练好的模型通过测试集进行测试。整个网络架构清晰简洁，模型整体小而轻便。
-
公开(公告)号：CN113190978A
公开(公告)日：2021-07-30
申请号：CN202110393590.9
申请日：2021-04-13
申请人： 杭州电子科技大学
IPC分类号： G06F30/20 , G06Q50/26 , G06F113/08
摘要： 本发明公开一种排涝泵站中电动机选型方法及系统，其系统包括轴功率计算模块，额定功率选择模块，额定电压选择模块，起动方式选择模块，轴功率计算模块与额定功率选择模块联接，额定功率选择模块分别与额定电压选择模块以及起动方式选择模块联接；轴功率计算模块，用于计算获取排涝泵站中水泵运行的最大轴功率；额定功率选择模块，用于根据最大轴功率选择电动机额定功率；额定电压选择模块，用于根据电动机额定功率选择电动机额定电压；起动方式选择模块，用于根据电动机额定功率选择电动机起动方式。本发明给出了排涝泵站运转可靠性、技术性、经济性相对较优的电动机选型方案，可使电动机与排涝泵站结合更为准确，排涝泵站运行更为高效。
-
公开(公告)号：CN107123668B
公开(公告)日：2019-12-13
申请号：CN201710235791.X
申请日：2017-04-12
申请人： 西安电子科技大学
IPC分类号： H01L29/06 , H01L29/205 , H01L29/778 , H01L21/335 , H01L21/02
摘要： 本发明公开了一种InAs/AlSb HEMT外延结构及其制备方法。本发明公开的一种InAs/AlSb HEMT外延结构，自下而上包括：衬底、缓冲层、AlAsxSb1‑x下势垒层、InAs沟道层、AlSb隔离层、InAs掺杂层、AlAsxSb1‑x上势垒层、InAlAs空穴阻挡层以及InAs帽层；缓冲层采用Si；AlAsxSb1‑x下势垒层为具有阶梯式变组分方式的AlAsxSb1‑x势垒层；AlAsxSb1‑x上势垒层为具有阶梯式变组分方式的AlAsxSb1‑x势垒层。本发明通过采用阶梯式变组份方法生长AlAsxSb1‑x下势垒层和AlAsxSb1‑x上势垒层，有效提高了器件的稳定性和可靠性。
-
公开(公告)号：CN109951163A
公开(公告)日：2019-06-28
申请号：CN201910157632.1
申请日：2019-03-01
申请人： 西安电子科技大学
摘要： 本发明公开了一种多路反馈型宽带低噪声放大器，包括：输入模块，电连接所述低噪声放大器的输入端RFin，用于接收并处理所述低噪声放大器的输入信号；放大模块，电连接所述输入模块，用于接收并放大所述输入模块输出的信号得到放大信号；输出模块，电连接所述放大模块和所述低噪声放大器的输出端RFout，用于对所述放大信号进行处理后输出。本发明所设计的低噪声放大器通过级联的放大电路，在不同的放大电路中解决了低噪声放大器在宽频带内实现较低噪声的问题和宽带低噪声放大器在高频时存在的增益滚降问题，实现宽带内良好的噪声与增益响应，同时也缓解了每一级电路的设计压力，提高了整体放大器的性能表现。
-
公开(公告)号：CN107611540B
公开(公告)日：2019-04-23
申请号：CN201710798795.9
申请日：2017-09-07
申请人： 西安电子科技大学
IPC分类号： H01P1/203
摘要： 本发明提出了一种混合有耗双工器，旨在保证传输零点单独可控和实现小型化的同时，提高双工器的带内平坦度，包括介质基板、印制于介质板上表面的复合微带线结构和下表面的共面波导结构，复合微带线结构包括三个端口馈线、四个微带开环谐振器和弯曲微带线，三个端口馈线通过弯曲微带线连接，共面波导结构包括两个共面波导环形谐振器，该两个结构构成微带线‑共面波导分层混合结构，其中的每两个相同的微带开环谐振器和一个共面波导环形谐振器构成一个非均匀Q值谐振器通道滤波器，不一致谐振器Q值可提高带内平坦度，再通过微带开环谐振器引入接地贴片电阻，降低谐振器Q值，进一步提高带内平坦度。
-
公开(公告)号：CN108711150A
公开(公告)日：2018-10-26
申请号：CN201810492666.1
申请日：2018-05-22
申请人： 电子科技大学
CPC分类号： G06T7/0004 , G06K9/6247 , G06K9/6256 , G06K9/6267 , G06T2207/20081 , G06T2207/20084 , G06T2207/30132
摘要： 本发明公开了一种基于PCA的端到端路面裂缝检测识别方法,涉及计算机视觉领域，包括以下步骤：S1：获取关于路面图像Ix的数据集，并对数据集进行预处理；S2：将预处理后的数据集进行类别标记,计算不含裂缝的背景图像Ib,并获取路面图像Ix与背景图像Ib之差图像I,并按比例构建训练集和测试集；S3：利用训练集图像I训练深度神经网络模型；S4:将测试集图像I输入到训练后的深度神经网络模型，获取图像类别概率，S5：选取最大概率对应的类别标签作为图像检测识别的结果。本方案将传统检测与识别过程融合在一起，提高了路面裂缝检测的效率与鲁棒性。
-
-
-
-
-
-
-
-
-
搜索结果
109 条记录 (耗时 0.21 秒)
