一种W波段单管二倍频器
    2.
    发明公开

    公开(公告)号:CN117394796A

    公开(公告)日:2024-01-12

    申请号:CN202311319742.6

    申请日:2023-10-12

    Abstract: 本发明属于毫米波技术领域,具体涉及一种W波段单管二倍频器,包括:基波输入标准矩形波导、二次谐波输出标准矩形波导、基片、微带线传输电路以及金属屏蔽腔;微带线传输电路包括:输入探针、低通滤波器、二极管、短路匹配枝节以及输出探针;输入探针用于将输入信号传输到低通滤波器;低通滤波器对输入信号进行滤波,得到基波信号;二极管用于对基波信号进行筛选,产生各次谐波;短路匹配枝节用于对二极管散热和对次谐波进行信号提取,得到二次谐波信号;所述输出探针用于输出二次谐波信号;本发明的W波段二倍频器采用是肖特基变阻二极管,减少了直流偏置结构的设计,简化了电路。

    一种W波段超宽带波导滤波器
    4.
    发明公开

    公开(公告)号:CN116646700A

    公开(公告)日:2023-08-25

    申请号:CN202310846656.4

    申请日:2023-07-11

    Abstract: 本发明属于微波技术领域,具体涉及一种W波段超宽带波导滤波器,该滤波器结构包括谐振腔和金属加载电容,所述腔体前端设置有下行滤波器端口和上行滤波器端口;谐振单元由九个谐振腔体组成,相邻的两个谐振腔体通过直接耦合的方式进行连接;利用电容加载技术在每个谐振腔的H面插入金属柱,实现超宽带、高带外抑制和小型化;本发明的结构由9个矩形谐振腔偏移耦合组成,谐振腔内部插入圆形金属,且整体结构关于第5个谐振腔对称;该结构在仿真优化时参数较少,减少了设计时间,提高了设计效率。

    一种在并行任务分组调度下使用锁协议的方法

    公开(公告)号:CN112965829A

    公开(公告)日:2021-06-15

    申请号:CN202110197392.5

    申请日:2021-02-22

    Abstract: 本发明提出了一种在并行任务分组调度下使用锁协议的方法通过P‑FP调度将子任务固定地分配到具体的每个核上,实现子任务之间可近似地被看做串行任务,然后再通过将共享资源lq划分为局部资源和全局资源,并设置子任务的优先级和处理器的优先级等,本发明通过以上设置,再具体结合对子任务和共享资源以及处理器之间的分配以及锁协议的使用,解决了现有技术在并行任务调度技术领域使用串行任务的锁协议的技术需求,实现了串行任务的锁协议可适应性地迁移到并行任务的调度中,降低了并行任务出现死锁、阻塞链等的问题,同时降低了优先级翻转造成的调度损失,提高了并行任务调度的效率等。

    一种基于BCH码译码的BCH码编码参数盲识别方法

    公开(公告)号:CN102970048B

    公开(公告)日:2016-07-06

    申请号:CN201210337369.2

    申请日:2012-09-13

    Abstract: 本发明提供一种基于BCH码译码的BCH码编码参数盲识别方法,基于BCH码译码。先假设编码参数,构造译码器,对截获数据译码,通过统计并比较各译码器译码后得到的码字正确率,实现仅通过通信内容与信道误码率实现BCH码编码参数的盲识别。本发明运算复杂度低,识别速度快,性能稳定等特点,且在高误码率条件下仍能很好的进行对BCH码编码参数的盲识别。特别适用于智能通信、无线电检测以及非合作通信领域的信道编码识别。

    一种容误码的删除RS码编码参数盲识别方法

    公开(公告)号:CN102932012A

    公开(公告)日:2013-02-13

    申请号:CN201210339550.7

    申请日:2012-09-13

    Abstract: 本发明提供一种容误码的删除RS码编码参数盲识别方法,利用删除RS码在二元域上映射的结构特性,构造出与原码一一对应的线性码,计算该线性码在不同本原多项式下分量码码空间的归一化维数,通过最小寻找归一化维数,完成对删除RS码参数的盲估计。本发明运算复杂度低,识别速度快,性能稳定,且在高误码率条件下仍能很好的进行对删除RS码编码参数的盲识别。

    分布式深度学习流调度方法、系统、设备

    公开(公告)号:CN111131080B

    公开(公告)日:2021-09-07

    申请号:CN201911363582.9

    申请日:2019-12-26

    Abstract: 本发明公开了一种分布式深度学习流调度方法、系统、设备,涉及计算机技术领域。分布式深度学习流调度设备能够部署分布式深度学习流调度系统,并采用分布式深度学习流调度方法实现流调度。本发明方法从DDL训练的流特点出发,提出采用高精度改善优先的调度方式,对DDL训练任务进行数据流调度。本发明对DDL训练任务进行优先级划分,并周期性的更新DDL训练任务的优先级。其中通过DDL训练任务的历史数据预测该任务未来一个调度周期的精度改善情况,并以此进行排序进而确定DDL训练任务的优先级。同时,本发明考虑了网络优先级有限的情况,并通过全局优先级映射为本地优先级的方式,实现了少量优先级模拟无限优先级的可能。

Patent Agency Ranking