基于Zynq的单频激光干涉仪非线性误差修正装置及方法

    公开(公告)号:CN116773017A

    公开(公告)日:2023-09-19

    申请号:CN202310691701.3

    申请日:2023-06-12

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于Zynq的单频激光干涉仪非线性误差修正装置,包括干涉仪光路模块、前级信号处理模块和误差修正模块,误差修正模块包括模数转换电路单元和数字信号处理单元Zynq;干涉仪光路模块生成四路电流信号;前级信号处理模块将四路电流信号转换为四路电压信号并进行放大滤波后,将四路电压信号两两相减形成两路干涉信号,模数转换电路单元将两路干涉信号转换为两路数字干涉信号,发送至数字信号处理单元Zynq;数字信号处理单元Zynq对两路数字干涉信号进行特征参数提取后,根据特征参数对两路数字干涉信号进行非线性误差修正。本发明还公开了一种基于Zynq的单频激光干涉仪非线性误差修正方法,用于本发明的装置。

    一种基于两阶段的噪声鲁棒行人重识别方法

    公开(公告)号:CN114022904B

    公开(公告)日:2023-01-24

    申请号:CN202111304590.3

    申请日:2021-11-05

    Applicant: 湖南大学

    Abstract: 本发明公开一种基于两阶段的噪声鲁棒行人重识别方法,包括步骤:输入带标签噪声的训练集;第一阶段:根据训练集的给定标签计算网络模型的交叉熵损失函数;根据预测标签计算标签调整正则化损失函数;计算纯样本损失函数;整合三项损失函数,得到自调整策略损失函数并分别训练两个不同的网络模型;第二阶段:更新可靠的预测标签集得到修正的交叉熵损失函数;计算对称的相对熵损失函数;寻找可靠三元组,计算噪声鲁棒的三元组损失函数;联合三项损失函数,得到网络模型的第二阶段总损失函数,并协同监督两个网络模型的学习,通过联合所有损失函数对两个网络模型进行迭代更新;测试性能,在含有噪声标签的设定下达到鲁棒性极好的行人重识别目的。

    一种炭包覆的多元硫化物异质结材料及制备方法和应用

    公开(公告)号:CN109935815B

    公开(公告)日:2022-02-15

    申请号:CN201910211821.2

    申请日:2019-03-20

    Applicant: 湖南大学

    Abstract: 本发明涉及电化学电池电极材料的制备技术领域,提供了一种炭包覆多元硫化物异质结材料,由包括核体和包覆于核体外部的壳体构成,所述的核体为多元硫化物异质结,所述壳体为炭层。所述的多元硫化物异质结为过渡金属硫化物中的两种或两种以上混合物。并提供了一种操作简单,处理成本低、处理效果好、应用范围广、可循环利用和环境友好的多元硫化物异质结材料的制备方法并对该材料进行炭包覆处理,作为电化学电池的电极材料使用,解决现有技术中电极材料内部离子和电子传输速度慢的技术问题,使其具有可逆容量高、倍率性能好的特点。

    一种基于两阶段的噪声鲁棒行人重识别方法

    公开(公告)号:CN114022904A

    公开(公告)日:2022-02-08

    申请号:CN202111304590.3

    申请日:2021-11-05

    Applicant: 湖南大学

    Abstract: 本发明公开一种基于两阶段的噪声鲁棒行人重识别方法,包括步骤:输入带标签噪声的训练集;第一阶段:根据训练集的给定标签计算网络模型的交叉熵损失函数;根据预测标签计算标签调整正则化损失函数;计算纯样本损失函数;整合三项损失函数,得到自调整策略损失函数并分别训练两个不同的网络模型;第二阶段:更新可靠的预测标签集得到修正的交叉熵损失函数;计算对称的相对熵损失函数;寻找可靠三元组,计算噪声鲁棒的三元组损失函数;联合三项损失函数,得到网络模型的第二阶段总损失函数,并协同监督两个网络模型的学习,通过联合所有损失函数对两个网络模型进行迭代更新;测试性能,在含有噪声标签的设定下达到鲁棒性极好的行人重识别目的。

    一种基于CPC的非成像远距离方位检测的方法与系统

    公开(公告)号:CN115183733A

    公开(公告)日:2022-10-14

    申请号:CN202211113255.X

    申请日:2022-09-14

    Applicant: 湖南大学

    Abstract: 本发明涉及非成像光学的方位检测领域,公开了一种基于CPC的非成像远距离方位检测的方法与系统,根据要实现的视场和距离的大小,设计复合抛物面集光器的相关参数,在光学软件中插入设计的复合抛物面集光器,并结合探测器进行仿真模拟,获取探测器数据信息,将所述探测器数据信息输入BP神经网络进行机器学习,获取强相关线性回归的BP神经网络,将采集的特定目标物的探测器数据信息输入机器学习后强相关线性回归的BP神经网络输出特定目标物的方位信息。本发明结合复合抛物面集光器、Tracepro及BP神经网络来实现大视场的远距离方位检测,在实现远距离方位检测的情况下确保方位检测的精度,同时兼顾了视场角以及距离。

Patent Agency Ranking