-
公开(公告)号：CN105742817B
公开(公告)日：2018-04-03
申请号：CN201610188297.8
申请日：2016-03-29
Applicant: 西安电子科技大学
IPC: H01Q3/34
Abstract: 本发明公开了一种面向增益和指向的星载有源相控阵天线结构热变形补偿方法，包括确定天线的结构参数、材料属性和电磁参数，确定天线环境热载荷，计算太阳照射下天线温度场分布，确定T/R组件热功耗，计算T/R组件热功耗下天线温度场分布，叠加温度场，计算天线结构热变形，提取阵元几何中心的位置偏移量，计算阵元空间相位的附加误差，确定阵元激励电流的幅度和相位分布，计算天线电性能，判断增益和指向是否同时满足要求，计算天线理想主波束指向的单位矢量、阵元空间相位的调整量、补偿后阵元激励电流相位值。本发明结合相位调整法，实现了对变形星载有源相控阵天线的电性能补偿。解决由结构热变形导致的天线电性能恶化问题，确保天线能够正常工作。
-
公开(公告)号：CN107622148A
公开(公告)日：2018-01-23
申请号：CN201710758804.1
申请日：2017-08-29
Applicant: 西安电子科技大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于机电耦合的圆柱共形阵列天线结构最佳弹性模量的确定方法，包括：确定天线的结构参数和电磁参数；给出初始天线结构的弹性模量；利用ANSYS对天线进行载荷变形分析；计算变形后阵元的新位置；建立阵元直角坐标系及球坐标系；确定阵元直角坐标系与球坐标系之间的转换矩阵；求出阵元直角坐标系下的阵元方向图；确定阵元直角坐标系与转换矩阵；求出阵列直角坐标系下的阵元方向图；确定阵元激励幅度和相位；计算每个阵元在目标处的空间相位差；计算变形后的天线电性能参数；判断该弹性模量条件下的天线电性能参数是否满足要求。本发明有效地确定了圆柱共形阵列天线结构的最佳弹性模量，从而指导圆柱共形阵列天线的结构设计。
-
公开(公告)号：CN105449327B
公开(公告)日：2018-01-16
申请号：CN201510980100.X
申请日：2015-12-23
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于机电耦合的分布式MEMS移相器电容桥高度公差的确定方法，包括：1)确定分布式MEMS移相器的结构参数、材料属性和电磁工作参数；2)确定移相器等效电路参数；3)确定移相器的位数k；4)确定移相器的标准电容桥高度；5)给出初始电容桥的偏移量；6)利用单个电容桥的机电耦合模型，计算单个电容桥产生的相移量；7)计算移相器的相移量；8)计算移相器的偏差量；9)判断该电容桥高度情况下的移相器偏差量是否满足公差要求。本发明利用移相器电容桥结构参数和相移量之间的机电耦合模型，直接得到电容桥结构参数对移相器相移量的影响，快速给出合理的电容桥结构公差精度，降低加工成本和难度，缩短研制周期。
-
公开(公告)号：CN105337636B
公开(公告)日：2017-11-21
申请号：CN201510664633.7
申请日：2015-10-08
Applicant: 西安电子科技大学
IPC: H04B1/713
Abstract: 本发明公开了一种基于频率拼接的异步跳频信号参数盲估计方法。具体步骤包括：1、接收信号，2、采样信号，3、短时傅里叶变换，4、提取序号，5、计算频率，6、聚类频率，7、分析频率集合，8、初步估计跳周期，9、检测碰撞频率，10、分解碰撞频率，11、构造矩阵，12、拼接频率，13、精确估计跳周期，14、估计跳变时刻，15、估计频率。本发明解决了异步非正交网络中的频率碰撞情景下跳频信号参数盲估计的问题，提高了跳频信号参数估计方法对噪声的适应能力。
-
公开(公告)号：CN105718662A
公开(公告)日：2016-06-29
申请号：CN201610041249.6
申请日：2016-01-21
Applicant: 西安电子科技大学
IPC: G06F17/50
CPC classification number: G06F17/5086
Abstract: 本发明公开了一种基于机电耦合的圆柱共形阵列天线结构公差的快速确定方法，包括：确定圆柱共形阵列天线的结构参数和电磁工作参数；分别给出初始阵元周向和轴向位置公差，确定阵面内所有阵元的周向和轴向位置误差随机量；计算存在误差时的阵元新位置；建立阵元直角坐标系和阵元球坐标系并计算阵元和阵列直角坐标系下的阵元方向图；根据口面加权分布确定阵元激励幅度和相位；计算每个阵元在目标处的空间相位差；利用圆柱共形阵列天线机电耦合模型计算存在误差时的天线电性能参数；判断该结构公差条件下的天线电性能是否满足要求。本发明有效解决了圆柱共形阵列天线结构方案快速确定与分配天线结构公差的问题，可用于指导天线结构方案的评价。
-
Patent Agency Ranking
公开(公告)号：CN119377089B
公开(公告)日：2025-04-22
申请号：CN202411512898.0
申请日：2024-10-28
Applicant: 西安电子科技大学
IPC: G06F11/3604 , G06N3/126
Abstract: 本发明公开了一种面向分布式专家系统的可靠性验证方法，属于智能软件工程技术领域，该方法包括：结合分布式专家系统的特性，设计目标评估函数；设计目标评估函数时，综合考虑了专家区域覆盖目标、故障种类覆盖目标、专家服务调用覆盖目标、故障持续时间目标、故障扩散目标、非冗余注入故障组合方案目标和引发异常数目标；利用改进的遗传算法求解目标评估函数，得到最优注入故障组合方案；利用故障注入工具，将最优注入故障组合方案注入分布式专家系统得到可靠性验证结果。本发明展示了如何智能生成注入故障组合方案，通过生成的注入故障组合方案可以提升系统的弹性，确保系统在面对各种潜在故障和挑战时，能够保持稳定运行并快速恢复。
-
公开(公告)号：CN117493697A
公开(公告)日：2024-02-02
申请号：CN202410002159.0
申请日：2024-01-02
Applicant: 西安电子科技大学
IPC: G06F16/9535 , G06F40/30 , G06N3/044 , G06N3/048 , G06N3/08 , G06F8/70 , G06F16/33 , G06F16/35 , G06F18/24 , G06F18/25
Abstract: 本发明公开了一种基于多模态特征融合的Web API推荐方法和系统。通过使用深度学习网络处理混搭服务的文本描述，得到混搭服务的文本特征向量，使用神经协同过滤网络处理混搭服务与Web API的历史调用记录，得到混搭服务的交互特征向量，再融合混搭服务的文本特征向量和交互特征向量，得到混搭服务的预测向量，计算预测向量得到Web API预测值；根据历史调用记录，以最小化预测值与实际值的差距为目的对模型进行训练。将预开发的混搭服务输入到训练的模型，得到推荐的Web API预测值，根据预测值大小对候选Web API排序作为推荐结果。本发明融合了混搭服务的多种特征，有效整合了各种模态的互补信息，提高了推荐Web API的准确性。
-
公开(公告)号：CN116363168A
公开(公告)日：2023-06-30
申请号：CN202310174942.0
申请日：2023-02-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于超分辨网络的遥感视频目标跟踪方法及系统，构造遥感超分辨率网络训练数据集；使用遥感超分辨率训练数据将超分辨网络ESRGAN迁移到遥感图像领域，作为基于超分辨网络的遥感视频目标跟踪方法的特征提取模块；使用特征提取模块加入到相关滤波跟踪方法中，并针对该特征模块的特性对相关滤波跟踪方法结构进行调整；将遥感视频转化为图像帧输入系统，并在第一帧裁剪出包含待跟踪目标的图像块，利用相关滤波跟踪方法进行在线跟踪，得到并输出目标跟踪结果。实验证明，本发明所提出的遥感视频目标跟踪方法能够提高遥感视频目标跟踪的准确率和成功率。
-
公开(公告)号：CN114240950A
公开(公告)日：2022-03-25
申请号：CN202111390503.0
申请日：2021-11-23
Applicant: 电子科技大学
Abstract: 本发明涉及的是一种基于图像生成的肿瘤图像分割方法，属于医学图像分析技术领域。本发明针对多模态医学图像存在模态缺失的场景，采用一个两阶段多任务框架实现缺失模态的生成并完成目标区域的分割，是通过以下技术方案实现的：首先，使用一个多任务生成器同时获得伪目标模态图像和初步分割结果，通过全局判别器和局部判别器提高生成图像的质量，同时提出一种感知损失函数，以减少生成的和真实的目标域图像之间的语义差距。其次，本发明提出了一个多任务精细分割网络，在生成的目标域图像和初步分割结果的基础上，同时预测精细分割结果和初步分割中的错误，并引入这两个预测之间的一致性约束提升分割性能。本发明与从原始的部分模态图像中直接分割相比，大大提高了分割精度，并且优于现有的图像生成与分割的方法。
-
公开(公告)号：CN113946438A
公开(公告)日：2022-01-18
申请号：CN202111032953.2
申请日：2021-09-03
Applicant: 西安电子科技大学 , 上海工业控制安全创新科技有限公司
IPC: G06F9/50
Abstract: 本发明公开了一种基于容器整合的在线迁移调度方法、装置、设备和系统，获取多个节点分别对应的负载值，其中，节点对应的负载值用于指示从当前时间窗口起向前连续N个时间窗口对应的节点的负载情况，将每个节点的负载值输入至过载预测模型，分别得到每个节点的预测结果，预测结果用于指示节点在当前时间窗口的下一个时间窗口是否过载，过载预测模型包括卷积神经网络层和门控循环单元层，过载预测模型的训练样本包含监督型数据，将过载节点的待迁移容器迁移到目标节点，多个节点包括目标节点，过载节点的预测结果指示过载节点在当前时间窗口的下一个时间窗口过载。实现对容器云环境中资源的调度与分配，提高资源的利用率及能源效率。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.027 seconds)
