-
公开(公告)号：CN108828321B
公开(公告)日：2021-04-20
申请号：CN201810420659.0
申请日：2018-05-04
Applicant: 杭州电子科技大学
IPC: G01R27/26
Abstract: 本发明公开一种用于测量介电常数的差分微波传感器。本发明包括上层介质基板、金属通孔、顶层SRRs环、电场强度最大的区域、中间层馈电环、下层介质基板、底层SRRs环；上层介质基板的顶层正中心印刷耦合SRRs环；上层介质基板的底层正中心印刷馈电环并延伸出馈电长脚；下层介质基板的底层正中心印刷耦合SRRs环；沿着SRRs的两条平行的金属条为电场强度最大的区域，该区域放置待测样本。该差分微波传感器不仅具备对介电常数精确测量的优良性能(高Q值和高灵敏度)，而且具有超小的电尺寸，差分测量的结构设计使其几乎不受测量环境的影响，具备在非实验室条件下作精确测量的能力，具有极强的实用性。
-
公开(公告)号：CN110531164A
公开(公告)日：2019-12-03
申请号：CN201910766950.8
申请日：2019-08-20
Applicant: 杭州电子科技大学
IPC: G01R27/26
Abstract: 本发明公开基于SIW-CSRR的用于测量介电常数的微波传感器。本发明包括介质层、顶层金属层、底层金属层；顶层金属层刻槽有两个金属CSRR结构；上述两个金属CSRR结构由大小不同的两个开口环谐振器构成，其中开口环谐振器为开口槽环；较小开口环谐振器内嵌在较大开口环谐振器内；两个开口环谐振器的开口方向相反；较大开口环谐振器开口处至较小开口环谐振器的空间位置为电场强度最大、磁场强度最小的区域，该区域放置待测样品。本发明产品抗干扰能力更强，结构更简单，低成本，便于携带且该传感器的灵敏度和质量因子表现的很好，同时该新型微波谐振器的Q值达到786.5，很适用于精确测量磁介质材料的介电常数。
-
公开(公告)号：CN102680230A
公开(公告)日：2012-09-19
申请号：CN201210193891.8
申请日：2012-06-11
Applicant: 杭州电子科技大学
IPC: G01M13/02
Abstract: 本发明涉及一种长距离钢带精密传动试验检测器电路。本发明中的光电编码器接口电路与微控制器的I/O口信号连接，模数转换电路与微控制器的I/O口和地址锁存信号线信号连接，数据存储电路与微控制器的I/O口信号连接，LCD显示接口电路与微控制器的I/O口信号连接，按键接口电路与微控制器的I/O口信号连接，实时时间电路与微控制器的I/O口信号连接，RS232串行接口电路与微控制器的串口信号连接，电源电路给微控制器供电。本发明针对性强，专门用于长距离钢带精密摩擦传动试验中主从轮毂转速、转向及预紧力的测量。
-
公开(公告)号：CN119086511A
公开(公告)日：2024-12-06
申请号：CN202410855535.0
申请日：2024-06-28
Applicant: 杭州电子科技大学
Abstract: 本申请公开了一种多目标散射成像方法、装置、设备及其存储介质，涉及散射成像技术领域。所述方法包括：基于成像系统，获取隐藏在散射介质后的荧光物体在不同强度分布下形成的散斑图案；所述成像系统预先建立；基于所述散斑图案的强度分布数据，获取多个子目标散斑；基于多个所述子目标散斑，获取多个子目标图像；对于多个子目标散斑的强度分布和多个子目标图像的成像区域进行定位，获取目标图像。本申请通过调制成像过程中目标的强度变化，分离不同子目标散斑并恢复子目标图像，并且基于子目标的强度分布估计像区域，根据目标区域散射点扩散函数的关系进行精确的二次定位，实现准确可靠的目标图像重建。
-
公开(公告)号：CN112580518B
公开(公告)日：2024-04-05
申请号：CN202011526572.5
申请日：2020-12-22
Applicant: 杭州电子科技大学
IPC: G06F18/2431 , G06F18/23 , G06F18/214 , G06F18/213 , G06N3/088 , G06N3/096
Abstract: 本发明公开了一种基于原型聚类域适应算法的跨被试EEG认知状态识别方法。本发明引入了类别域的概念，一方面基于标签的多源域对齐，考虑不同类间的特征分布差异，研究特征空间中不同源域间类条件下的结构细粒度对齐，将多源域域内类别不平衡问题转化为类别域的方式。另一方面，源域和目标域之间的原型理论聚类对齐，即以动态调整原型中心为约束对目标域进行相似源域间的聚类，实现域间同类特征相近，异类特征相疏。前者实现域内类条件结构特征对齐，后者实现全局细粒度结构特征对齐。本发明能够兼容类别平衡和不平衡的情况，有效解决了脑认知计算领域脑电信号的个体差异性问题，具有较强的泛化能力，能够很好的适用于临床诊断和实际应用。
-
Patent Agency Ranking
公开(公告)号：CN113408697B
公开(公告)日：2022-09-16
申请号：CN202110599847.6
申请日：2021-05-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于强化学习自编码器的脑电数据重建方法。本发明采用Openvibe搭建运动想象范式平台，在被试操作游戏情况下采集获得波动态情绪下的脑电数据集和常态情绪下的控制数据集；使用自动编码器作为数据重构方法，强化学习作为重要处理方式，通过对EEG信号进行编码及学习然后对数据重建。首先获取数据并预处理；其次自编码器对数据编码；然后用强化学习得到更好的向量用于解码重建数据。与传统的机器学习、深度学习方法和基于线性全联接的变分自编码器方法相比，强化学习自编码器拥有更好的数据重建效果。
-
公开(公告)号：CN113988122A
公开(公告)日：2022-01-28
申请号：CN202111212519.2
申请日：2021-10-19
Applicant: 杭州电子科技大学
IPC: G06K9/00 , G06V10/764 , G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习及图像特征的脑电数据分类方法。使用EEGnet作为特征分类的方法，图像特征学习网络作为重要处理方式，通过对EEG信号进行图像特征提取及学习,对特征进行分类。获取EEG数据并预处理；用被试观看的图片做数据预处理，并用EEGnet对图像数据做训练，得到图像特征分类器；用特征学习方法从脑电数据中得到图像特征向量；将EEG信号提取出的图像特征向量放入特征分类器中分类。在EEG数据的图像特征分类领域中，与传统的机器学习、深度学习方法相比，本发明特征提取方法拥有更好的提取效果，图像特征分类的准确率得到了显著提升。
-
公开(公告)号：CN113842151A
公开(公告)日：2021-12-28
申请号：CN202111160386.9
申请日：2021-09-30
Applicant: 杭州电子科技大学
Abstract: 本发明提出一种基于高效多源胶囊网络的跨被试EEG认知状态检测方法。本发明通过将目标域和多源域的特征分布对齐，以实现域间特征的有效迁移。将EEG数据构建成多通道一维结构，提高了训练效率，同时提高模型性能。其次，引入自表达模块来捕捉样本之间的潜在联系，能够很好地适应不同任务下具有显著个体差异的跨被试EEG数据分析。最后提出了基于动态子胶囊的空间注意力算法来进一步学习EEG数据空间层次上的细粒度特征信息，有效刻画了EEG数据的部分间空间关系和部分‑整体层次关系。本发明有效避免了脑认知计算领域脑电信号的个体差异性问题，可适用于任何任务下基于EEG的认知状态识别，具有较强的泛化能力，能够很好的适用于临床诊断和实际应用。
-
公开(公告)号：CN113408697A
公开(公告)日：2021-09-17
申请号：CN202110599847.6
申请日：2021-05-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于强化学习自编码器的脑电数据重建方法。本发明采用Openvibe搭建运动想象范式平台，在被试操作游戏情况下采集获得波动态情绪下的脑电数据集和常态情绪下的控制数据集；使用自动编码器作为数据重构方法，强化学习作为重要处理方式，通过对EEG信号进行编码及学习然后对数据重建。首先获取数据并预处理；其次自编码器对数据编码；然后用强化学习得到更好的向量用于解码重建数据。与传统的机器学习、深度学习方法和基于线性全联接的变分自编码器方法相比，强化学习自编码器拥有更好的数据重建效果。
-
公开(公告)号：CN108872266B
公开(公告)日：2021-04-20
申请号：CN201810419931.3
申请日：2018-05-04
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种用于测量介电常数的微型三层磁耦合微波传感器。本发明包括上层介质基板、顶层SRRs环、中间层馈电环、下层介质基板、底层SRRs环；上层介质基板的底层正中心印刷馈电环并延伸出馈电长脚；上层介质基板的顶层正中心印刷耦合顶层SRRs环；下层介质基板的底层正中心印刷耦合底层SRRs环，该SRRs的尺寸与顶层SRRs一样但开口方向相反；沿着顶层SRRs环的两条平行的金属条为电场强度最大的区域，该区域放置待测样本最大化传感器对介电常数的灵敏度。该传感器不仅具备对介电常数精确测量的优良性能(高Q值和高灵敏度)，而且具有很高的实用性(超小的电尺寸和强抗干扰能力)。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.038 seconds)
