基于LTspice的神经元仿真系统及方法

    公开(公告)号:CN117787367A

    公开(公告)日:2024-03-29

    申请号:CN202311811630.2

    申请日:2023-12-26

    Abstract: 本发明涉及一种基于LTspice的神经元仿真系统,该系统包括:比较模块,用于根据上一时刻的第一电压与上一时刻的第二电压得到当前时刻的第三电压;状态模块,用于根据该当前时刻的第三电压得到当前时刻的第一电压;神经元模块,用于根据当前时刻的第三电压、开态电阻和关态电阻得到当前时刻的第二电压;该比较模块,还用于根据当前时刻的第一电压和当前时刻的第二电压得到下一时刻的第三电压,以实现神经元的仿真。通过上述技术方案,系统中上一时刻的电压影响当前时刻的电压,进而影响下一时刻的电压,形成循环,与LIF神经元电路的特性一致,实现了利用计算机对LIF神经元电路进行仿真,一定程度上促进了神经元模型研究的发展。

    一种新的帧同步扰码解扰方法

    公开(公告)号:CN115208722B

    公开(公告)日:2024-03-01

    申请号:CN202210897758.4

    申请日:2022-07-28

    Abstract: 本发明公开了一种新的帧同步扰码解扰方法,包括以下步骤:S1、生成采用不同本原多项式的帧同步扰码序列加扰后的信号样本;S2、构建基于深度学习的帧同步扰码解扰网络模型;S3、设置帧同步扰码解扰网络模型的训练超参数;S4、将信号样本输入解扰网络模型,其中扰码作为网络的输入数据,原始数据作为标签,进行训练,获得帧同步扰码解扰网络模型的最终形式。本发明将深度学习与通信领域相结合,使用深度学习技术对模拟仿真出来的加扰通信信号进行解扰,使用深度学习中的网络模型可以自动提取输入信号的扰码特征,学习扰码与原始信号的变换关系,提高扰码识别和解扰的准确率,为后续的解交织、纠错编码译码等工作打下坚实的基础。

    基于非易失性编程的传感器内加密方法及加密传感器

    公开(公告)号:CN117354638A

    公开(公告)日:2024-01-05

    申请号:CN202311385191.3

    申请日:2023-10-24

    Abstract: 本发明公开了一种基于非易失性编程的传感器内加密方法及加密传感器,所述方法包括:编程模块对被光线照射之后的光电晶体管进行非易失性编程;秘钥生成模块生成电压秘钥并根据电压秘钥对编程后的光电晶体管的栅极施加阈值电压;同时,控制电路模块向每个编程后的光电晶体管的漏级施加漏级偏置电压得到加密后的光电晶体管;读取电路模块根据加密后的光电晶体管的输出电流确定光线的加密图像。根据本发明提供的方法,通过对传感器进行非易失性编程,并根据电压秘钥对编程后的光电晶体管加密,能够在传感器内对传感器的探测结果直接进行加密运算,从而能够避免依赖于后处理计算单元执行的传统方法安全程度较低、容易被破解的问题,降低信息泄漏风险。

    一种基于多任务网络的调制信号分类与带宽估计方法

    公开(公告)号:CN114548146B

    公开(公告)日:2023-04-28

    申请号:CN202210020325.0

    申请日:2022-01-10

    Abstract: 本发明公开了一种基于多任务网络的调制信号分类与带宽估计方法,包括如下步骤:S1、生成12种不同类型调制信号作为数据集;S2、对调制信号数据集样本进行低通滤波;S3、对调制信号数据集样本作零均值归一化预处理;S4、设计多任务神经网络的结构、参数和损失函数;S5、将预处理后的调制信号训练集输入多任务神经网络进行训练,并保存最优模型;S6、利用保存的最优模型识别调制信号的类别和宽带信息。本发明实现了多任务共享特征,调制类型识别和带宽估计共享前面网络层输出的特征,一次推理可以同时得到输入信号样本的调制类型和带宽,相对于分别进行类型识别和带宽估计可以减小参数量和计算量,保证较好的实时性。

    一种基于压缩感知的图像数据加密传输系统

    公开(公告)号:CN113824681B

    公开(公告)日:2022-09-09

    申请号:CN202110920146.8

    申请日:2021-08-11

    Abstract: 本发明公开了一种基于压缩感知的图像数据加密传输系统,包括数据压缩模块、数据加密模块、数据传输摸块、数据解密模块和数据恢复模块,数据压缩模块用于利用随机数控制采样开关对原始图像数据像素点中的部分像素点进行多次随机采集,获得原始图像的观测数据;数据加密模块用于对观测数据进行加密;数据传输摸块用于将已加密的观测数据传输至数据接收端;数据解密模块用于在信息接收端对已加密的观测数据进行解密;数据恢复模块用于对已解密的观测数据在稀疏域中进行复原。本发明采用易失性忆阻器与压缩传感技术结合,以远低于奈奎斯特采样的速率进行采样,显著降低了数据存储和传输所产生的功耗,加快了数据采样和复原速率。

    基于迁移学习的工作模式开集的雷达辐射源个体识别方法

    公开(公告)号:CN112308008B

    公开(公告)日:2022-05-17

    申请号:CN202011258729.0

    申请日:2020-11-12

    Abstract: 本发明公开了一种基于迁移学习的工作模式开集的雷达辐射源个体识别方法,包括如下步骤:S1、采集不同雷达在不同模式下发射的中频AD信号数据;S2、对样本进行归一化并划分成原始训练样本集、原始验证样本集;S3、生成测试样本集;S4、分别得到训练样本集和验证样本集;S5、构建基于迁移学习的工作模式开集的雷达辐射源个体识别模型;S6、训练深度神经网络模型;S7、用测试样本集获得雷达辐射源个体模型识别结果并统计识别准确率。利用迁移学习的方法强调将雷达的不同工作模式混淆在一起,从而使得辐射源个体的识别不会受到工作模式的影响,在雷达辐射源识别中能够达到较高的识别准确率。

    一种基于YOLO的图像目标跟踪方法

    公开(公告)号:CN109118523B

    公开(公告)日:2022-04-22

    申请号:CN201811097244.0

    申请日:2018-09-20

    Inventor: 王宏 张巍 李建清

    Abstract: 本发明公开了一种基于YOLO的图像目标跟踪方法,包括以下步骤:S1、输入视频;S2、使用目标检测网络YOLO检测目标,初始化卡尔曼滤波器;S3、检测当前帧图像,如果检测到目标转至步骤S4,否则执行步骤S5;S4、计算当前帧图像目标的检测位置与预测位置的交并比,如果交并比大于预设阈值,用目标的检测位置作为目标在当前帧的位置;S5、将目标在上一帧的位置与目标在当前帧的预测位置做关键点匹配,如果匹配对大于预设阈值,得到目标在当前帧的位置;S6、检查视频是否检测结束,若是则结束跟踪,否则返回步骤S3。本发明通过上一帧目标位置与卡尔曼滤波得到目标在当前帧预测位置做关键点匹配从而判断预测位置是否存在目标,能够有效提高跟踪的准确率。

    易失型忆阻式PUF器件及其制备方法、装置和PUF加密芯片

    公开(公告)号:CN113823736A

    公开(公告)日:2021-12-21

    申请号:CN202110982658.7

    申请日:2021-08-25

    Abstract: 本发明公开了一种易失型忆阻式PUF器件及其制备方法、装置和PUF加密芯片,使用水溶性惰性金属材料,在衬底上制备底电极,在底电极上沉积活性金属材料,得到底层活性金属层,使用水溶性介质材料,在底层活性金属层上制备阻变转换层,以与底电极呈十字交叉的方向,在阻变转换层上沉积活性金属材料,得到顶层活性金属层,使用水溶性惰性金属材料,在顶层活性金属层上制备顶电极,得到易失型忆阻式PUF器件。可以按照实际需求便捷地控制PUF器件的功能自销毁,对于PUF密钥的安全防护具有广泛适用性。另外,材料溶解后的水解产物具有良好的生物兼容性,绿色环保。

Patent Agency Ranking