应用于无线局域网WLAN频段的带内陷波宽带天线

    公开(公告)号:CN113471677B

    公开(公告)日:2023-01-10

    申请号:CN202110632662.0

    申请日:2021-06-07

    Abstract: 本发明公开应用于无线局域网WLAN频段的带内陷波宽带天线。包括介质基板;辐射贴片,设置在介质基板的上表面;微带馈线,设置在介质基板的上表面,且与辐射贴片相连;金属接地板,设置在介质基板的下表面;其中:所述辐射贴片内开有第一槽,第一槽内设有轴对称的两辐射枝节;两辐射枝节不接触;每个辐射枝节均包括第一枝节、与第一枝节垂直设置的第二枝节;第一枝节的一端与辐射贴片连接,另一端与第二枝节连接;所述金属接地板刻蚀有第二槽,第二槽的位置与微带馈线相对应。通过调整第一槽底边离馈电端口的距离d进而调控VSWR的峰值大小;通过调整两辐射枝节之间的距离g进而调控VSWR的峰值位置。

    基于Transformer和时间卷积网络的雷达目标识别方法

    公开(公告)号:CN115079116A

    公开(公告)日:2022-09-20

    申请号:CN202210391518.7

    申请日:2022-04-14

    Abstract: 本发明公开了一种基于Transformer和时间卷积网络的雷达目标识别方法,首先对原始HRRP样本集进行预处理;通过卷积模块对样本进行特征提取并改变数据格式;再通过基于VIT的MoCo对比学习模块,在特征空间上学习区分不同样本;之后将经过MoCo对比学习模块得到的特征,输入时间卷积模块,进一步地加强模型的表征能力,得到可分性更强的特征;最后通过全连接层将更有效的特征进行保留,最后采用softmax对网络的输出进行分类。本发明中应用引入时间卷积网络,使模型获取HRRP中更为全面的信息,进一步提高模型的特征提取能力,得到可分性更强的特征用于分类。

    一种基于Transformer的雷达目标识别方法

    公开(公告)号:CN115047421A

    公开(公告)日:2022-09-13

    申请号:CN202210391520.4

    申请日:2022-04-14

    Abstract: 本发明公开了一种基于Transformer的雷达目标识别方法,首先对原始HRRP样本集进行预处理,然后采用多尺度CNN来融合多种不同感受野的特征,并用SE模块基于通道之间的依赖关系进行建模,再采用Albert模型对HRRP数据进行建模。最后通过注意力分类模块对特征进行分类,完成HRRP识别。本发明应用堆叠Albert模块结合多头注意力机制来提取HRRP的双向特征。采用多尺度CNN结合SE模块来代替嵌入表示。针对HRRP的特殊性,利用多尺度卷积提取HRRP的多层次空间特征,通过不同的卷积核提取不同尺度的结构特征,并通过SE模块实现通道的重要性调整,提高了网络初期的表达能力。

    一种基于多模态技术的智能潜水监控系统

    公开(公告)号:CN113189927B

    公开(公告)日:2022-04-29

    申请号:CN202110416429.9

    申请日:2021-04-19

    Abstract: 一种基于多模态技术的智能潜水监控系统,包括水上监控平台和水下潜水设备,所述水下潜水设备包括潜水衣,穿戴于潜水员身上,所述潜水衣的关节点处安装有获取加速度、速度、旋转量信息的姿态传感器;环境传感器模块,安装于潜水衣外表面,用于对潜水环境进行监测评估;摄像照明设备,佩戴于潜水员头部,用于照明以及获取第一人称视角画面信息;主控模块,安装于潜水衣内部,用于与姿态传感器、摄像照明设备、环境传感器模块、语音模块电性连接,将所述姿态传感器实时的输出移动矢量信息结合第一人称视角画面信息传输给监控设备,实时模拟出潜水员实时立体姿态,建立3D模型,并使用多模态融合的深度学习技术识别出当前潜水员的姿态类型。

    一种由C型谐振器构成的宽带高抑制双通带滤波器

    公开(公告)号:CN113922020A

    公开(公告)日:2022-01-11

    申请号:CN202111106522.6

    申请日:2021-09-22

    Abstract: 本发明公开一种由C型谐振器构成的宽带高抑制双通带滤波器。当信号由输入馈线传输到第一个C型谐振器,当产生谐振时,信号通过电耦合传输到第二个C型谐振器,再通过磁耦合传输到第三个C型谐振器,再通过电耦合传输到第四个C型谐振器,由于通过多次耦合,可以过滤掉无用信号,使得带外抑制度大大增强,同时由于加载了微扰枝节,使得谐振器的简并模产生分裂,可以使得谐振器在不同的频率下被激发产生谐振,因此可以在通带内产生了多个传输极点,从而优化了通带内的回波损耗参数,使得通带的矩形系数更加良好。

    基于Bert和BiLSTM的雷达目标识别及据判方法

    公开(公告)号:CN113238197A

    公开(公告)日:2021-08-10

    申请号:CN202011600963.7

    申请日:2020-12-29

    Abstract: 本发明公开了一种基于Bert和BiLSTM的雷达目标识别及据判方法,包括以下步骤:S1,收集样本并划分训练集和测试集,进行数据预处理,包括强调归一化和重心对齐;S2,使用带注意力机制的幂次变换;S3,用Bert处理幂次变换的输出,提取更加深层的特征;S4,通过双向LSTM,加强特征提取;S5,使用softmax分类器分类;S6,将经过S1处理后的HRRP测试集送入S2、S3、S4,S5步骤中已训练完成的模型中进行测试。

    基于卷积神经网络和Bert的雷达目标识别方法

    公开(公告)号:CN112764024A

    公开(公告)日:2021-05-07

    申请号:CN202011600978.3

    申请日:2020-12-29

    Abstract: 本发明公开了一种基于卷积神经网络和Bert的雷达目标识别方法,包括以下步骤:S1,收集数据并划分训练集和测试集,对数据进行强度归一化和重心对齐处理;S2,将上述处理的HRRP样本输入到CNN模块,用CNN对处理后的样本进行提取特征;S3,用Bert处理CNN提取的有效特征,提取更加深层的特征;S4,搭建分类器,对HRRP目标分类,对Bert的输出,再次使用注意力机制,将更有效的特征进行保留,最后采用softmax对网络的输出进行分类;S5,将经过S1处理后的HRRP测试集送入S2、S3、S4步骤中已训练完成的模型中进行测试。

    基于闭环交叉耦合迭代学习的水晶研磨控制方法与系统

    公开(公告)号:CN112596389A

    公开(公告)日:2021-04-02

    申请号:CN202011504841.8

    申请日:2020-12-18

    Abstract: 本发明公开了一种基于闭环交叉耦合迭代学习的水晶研磨控制方法与系统,其中方法包括以下步骤:S10,建立水晶研磨伺服系统数学模型;S20,建立离散型闭环交叉耦合迭代学习控制器对位置进行控制;S30,离散型闭环迭代学习控制器产生新的控制信号;S40,控制器根据期望位置信息和实际信息得到新的跟踪误差;S50,经过轮廓误差分配模型补偿到各轴以消除每个轴对其它轴的影响。

Patent Agency Ranking