一种DC-18GHz高性能IPD低通滤波器芯片

    公开(公告)号:CN117060872A

    公开(公告)日:2023-11-14

    申请号:CN202310995694.6

    申请日:2023-08-08

    Abstract: 本发明属于射频集成电路技术领域,具体涉及一种DC‑18GHz高性能IPD低通滤波器芯片。该DC‑18GHz高性能IPD低通滤波器芯片,包括划片道,还包括两个接地‑信号‑接地结构、设置于划片道内的多条传输线和多个电容,所述传输线包括多条位于传输支路的等效电感传输线,该等效电感传输线和对应的电容串联后接地形成多个传输零点。本发明一种DC‑18GHz高性能IPD低通滤波器芯片通过设置等效电感传输线,代替传统片上电感,使得等效电感传输线的感值达到所需感值,大大降低了整体损耗,有利于芯片低损耗的实现;利用等效电感传输线来产生并控制多个传输零点,大大提高滤波器的滚降系数和远频带外抑制能力,从而提升芯片的整体性能。

    一种基于密码学的商标防伪方法

    公开(公告)号:CN116503234B

    公开(公告)日:2023-11-14

    申请号:CN202310757285.2

    申请日:2023-06-26

    Inventor: 张磊

    Abstract: 本方案公开了一种基于密码学的商标防伪方法,该方法商标方通过特定的方法打印与商标图关联的防伪码,验证方的验证过程为:通过感光设备采集商标图;与A2同样的方式测量B1所采集商标图的K个特征点以得到N组色彩值;计算得到M_i’,并计算M_i’的哈希值MH_i’;使用感光设备读取防伪码的N组MH_i值、MH及其签名值,使用公钥验证MH签名值的有效性;若有效,继续对N组MH_i进行融合运算并判断结果是否为MH,若是,则判断N组MH_i值是有效的;将MH_i’与MH_i进行一一比对,比对通过则验证通过,否则验证失败。通过本方案商标方只需使用普通打印设备,并且利用普通打印设备打印不一致性提高伪造成本,降低大量伪造可能性,从而提高防伪效果。

    一种冰凌检测方法、系统、电子设备及介质

    公开(公告)号:CN116977778A

    公开(公告)日:2023-10-31

    申请号:CN202310738639.9

    申请日:2023-06-20

    Abstract: 本发明公开一种冰凌检测方法、系统、电子设备及介质,涉及遥感语义分割技术领域。所述方法包括将待预测河流遥感图像输入训练好的冰凌检测模型得到待预测河流遥感图像中的冰凌;训练好的冰凌检测模型以样本河流遥感图像为输入以样本河流遥感图像中的冰凌为输出对冰凌检测模型进行训练得到的;冰凌检测模型包括编码层、多头注意力层和解码层;编码层的输出端与多头注意力层的输入端以及解码层的输入端连接,多头注意力层的输出端与解码层的输入端连接;编码层包括:多个特征编码模块;特征编码模块为倒置残差结构且包括深度参数化卷积层;多头注意力层包括空间注意力特征机制和通道注意力特征机制。本发明可提高冰凌边缘检测的准确度。

    一种用于数据表的个人信息披露情况统计分析方法及系统

    公开(公告)号:CN116340387A

    公开(公告)日:2023-06-27

    申请号:CN202310257243.2

    申请日:2023-03-17

    Abstract: 本方案公开了一种用于数据表的个人信息披露情况统计分析方法及系统,提出了一种新的数据处理方法,对数据表制作数据目录,并基于数据目录对个人信息相关数据表进行初步标注和分类,然后再对筛选出来的个人信息相关数据表进行字段内容的全面识别,准确且高效地完成字段标识符的标注;在前述处理基础上,依据是否存在直接标识符信息记录行将数据表进行划分,依据是否含有直接标识符信息记录行对数据表进行拆分重组,能够有效提高后续处理分析和统计效率;在前述处理基础上,采用逐层分类方法分析数据表,并从多个维度进行统计分析,自动化生成个人信息披露情况结果报表,从而全面完整地刻画平台的个人信息披露情况。

    基于半监督学习的固废检测模型构建方法及固废检测方法

    公开(公告)号:CN115965838A

    公开(公告)日:2023-04-14

    申请号:CN202211612143.9

    申请日:2022-12-14

    Abstract: 本发明公开了一种基于半监督学习的固废检测模型构建方法和固废检测方法,固废检测模型包括生成器和判别器,生成器基于输入的有标签影像特征图和无标签影像特征图输出预测结果,判别器基于生成器的预测结果和相应影像特征图的真实标签输出一致性判别结果,基于有标签影像特征图和无标签影像特征图的样本集组合,通过判别器与生成器的对抗训练使判别器学习到预测结果与真实标签的判别知识,生成器学习到基于输入的影像特征图识别固废目标的能力。通过半监督学习机制综合生成器和判别器提取未标记数据信息,采用融合损失来规范训练实现像素级预测,对标签的低需求量使其具有较高的应用价值和推广性,可有效提高现有方法的召回率。

    一种基于物理模型与数据驱动的全天候地表温度重建方法

    公开(公告)号:CN115879270A

    公开(公告)日:2023-03-31

    申请号:CN202211267398.6

    申请日:2022-10-17

    Abstract: 本方案公开了一种基于物理模型与数据驱动的全天候地表温度重建方法,该方法考虑到物理模型的可解释性与外推能力强,而数据驱动方法对数据适应性与挖掘数据特征能力强,将物理建模与灵活的数据驱动建模相结合重建LST,以物理模型生成LST源数据,使用数据驱动方法提高精度,能够生成一种空间分辨率较高的全天候类似MODIS数据,弥补卫星TIR影像受云污染而无法获取完整LST的缺点。本方案将重建模型建立在LST源数据的真实性与科学性的基础上,然后使用多源遥感数据与影像空间信息提高LST精度,最终能获得高精度的全天候LST影像。

Patent Agency Ranking