一种异相界面拉力测试夹具及测试方法

    公开(公告)号:CN102901667B

    公开(公告)日:2016-01-13

    申请号:CN201110214067.1

    申请日:2011-07-28

    Applicant: 复旦大学

    Abstract: 本发明公开了一种异相界面拉力测试夹具,该夹具通过一夹角确定装置的倾斜角来确定异相材料界面的断裂相位角;只需更换夹角确定装置,即可获得一系列不同断裂相位角对应的拉力,灵活方便;并且该夹具结构简单,易于操作;同时,还公开了一种异相界面拉力测试方法,该方法利用不同的夹角确定装置,来获得一系列不同断裂相位角对应的拉力,进一步得到待测样品的界面断裂参数,该方法简单方便。

    一种异相界面拉力测试夹具及测试方法

    公开(公告)号:CN102901667A

    公开(公告)日:2013-01-30

    申请号:CN201110214067.1

    申请日:2011-07-28

    Applicant: 复旦大学

    Abstract: 本发明公开了一种异相界面拉力测试夹具,该夹具通过一夹角确定装置的倾斜角来确定异相材料界面的断裂相位角;只需更换夹角确定装置,即可获得一系列不同断裂相位角对应的拉力,灵活方便;并且该夹具结构简单,易于操作;同时,还公开了一种异相界面拉力测试方法,该方法利用不同的夹角确定装置,来获得一系列不同断裂相位角对应的拉力,进一步得到待测样品的界面断裂参数,该方法简单方便。

    基于深度学习的到达角估计系统

    公开(公告)号:CN114487988B

    公开(公告)日:2024-11-08

    申请号:CN202111653969.5

    申请日:2021-12-30

    Applicant: 复旦大学

    Abstract: 本发明属于无线通信技术领域,具体为一种基于深度学习的到达角估计系统。本发明系统包括信号模型、数据预处理模块、双分支神经网络模型;信号模型用于对输入信号进行建模;数据预处理模块用于初步提取信号特征;双分支神经网络模型包括特征提取网络和并行预测网络,并行预测网络包括分类分支,回归分支和输出层;特征提取网络用于提取输入数据的深层特征,输出给分类分支和回归分支,分类分支给出DoA的大致范围即掩码,回归分支给出DoA相对网格点的误差,输出层结合两个分支的结果给出最终的DoA估计结果。仿真结果表明,与基于模型的深度学习方法和已有的深度学习方法相比,本发明在存在模型缺陷的情况下,能够达到更高的DoA估计精度,且大小仅为1.8MB。

    基于深度学习的到达角估计系统

    公开(公告)号:CN114487988A

    公开(公告)日:2022-05-13

    申请号:CN202111653969.5

    申请日:2021-12-30

    Applicant: 复旦大学

    Abstract: 本发明属于无线通信技术领域,具体为一种基于深度学习的到达角估计系统。本发明系统包括信号模型、数据预处理模块、双分支神经网络模型;信号模型用于对输入信号进行建模;数据预处理模块用于初步提取信号特征;双分支神经网络模型包括特征提取网络和并行预测网络,并行预测网络包括分类分支,回归分支和输出层;特征提取网络用于提取输入数据的深层特征,输出给分类分支和回归分支,分类分支给出DoA的大致范围即掩码,回归分支给出DoA相对网格点的误差,输出层结合两个分支的结果给出最终的DoA估计结果。仿真结果表明,与基于模型的深度学习方法和已有的深度学习方法相比,本发明在存在模型缺陷的情况下,能够达到更高的DoA估计精度,且大小仅为1.8MB。

Patent Agency Ranking