一种具有雪崩能力的横向GaN HEMT器件结构

    公开(公告)号:CN118738114A

    公开(公告)日:2024-10-01

    申请号:CN202410907103.X

    申请日:2024-07-08

    Abstract: 本发明公开了一种具有雪崩能力的横向GaN HEMT器件结构,包括在垂直方向上依次布置的衬底层、GaN外延层、掺杂GaN层、缓冲层、GaN沟道层和势垒层;掺杂GaN层包括p‑GaN层和n阱,p‑GaN层上淀积阳极,n阱上淀积阴极,其中阳极与器件的源电极相接,阴极与器件的漏电极相接,从而为器件在水平方向上引入p‑n结结构。进一步地,p‑GaN层上的第一区域进行p型重掺杂,形成p+GaN区,阳极淀积于p+GaN区;n阱上的第二区域进行n型重掺杂,形成n+GaN区,阴极淀积于n+GaN区,通过调整掺杂浓度,将p‑n结的雪崩电压BVAVA调节到HEMT器件的失效电压之下,在UIS过程中,当器件突然关断,感性电动势加在器件漏源两端时,该结构能将漏源电压嵌位在安全值而避免产生破坏性击穿使管子损坏。

    基于协同感知和自适应信息融合的互联自动驾驶决策方法

    公开(公告)号:CN117922612A

    公开(公告)日:2024-04-26

    申请号:CN202410097215.3

    申请日:2024-01-24

    Abstract: 本发明公开了一种基于协同感知和自适应信息融合的互联自动驾驶决策方法,主要解决现有自动驾驶决策在复杂的道路结构和交通灯信息条件下适用性较低的问题。该方法考虑在世界坐标系统下的多车道交通环境,其中有互联自动驾驶车辆和人类驾驶车辆组成的混合交通流。每个CAV都可以通过车载传感器和离线高精度地图获得周围的多模态环境特征(如车道信息、HDV车辆信息和红绿交通灯信息)。在车对车通信的帮助下,CAV可以共享其信息,并在指定的时间步长t内做出决策。该方法的目标是为CAV生成速度决策和转向角度决策。有了这样的动作决策,自动驾驶车辆可以安全有效地按特定路线行驶,同时最大限度地提高乘客的舒适度以及减少其对周围HDV的影响。

    一种基于时空数据强化学习的自动驾驶速度控制框架

    公开(公告)号:CN113741464B

    公开(公告)日:2022-10-21

    申请号:CN202111043124.4

    申请日:2021-09-07

    Abstract: 本发明公开了一种基于时空数据强化学习的自动驾驶速度控制框架,主要解决自动驾驶汽车难以及时对较远车辆的急剧变速行为做出反应的延时性问题。该控制框架包括离线训练:利用现实生活中的车辆驾驶数据对自动驾驶车辆的速度决策进行学习;在线模拟:使用已经训练好的网络来检测自动驾驶车辆在特定场景下的表现。采用本发明的速度控制框架的自动驾驶车辆能够在复杂的交通环境中有良好的表现,本发明综合考虑了交通安全性,驾驶员舒适度和交通效率,使用了长短期记忆神经网络(LSTM),能够让自动驾驶汽车在进行速度决策时不只是考虑当前时刻的环境数据,可以同时考虑多个历史时刻的环境数据,让自动驾驶车辆能够在遇到突然的变速行为有更好的表现。

    一种基于线性伪量测模型的机动目标多帧检测跟踪方法

    公开(公告)号:CN111257865A

    公开(公告)日:2020-06-09

    申请号:CN202010082192.0

    申请日:2020-02-07

    Abstract: 本发明公开了一种基于线性伪量测模型的机动目标多帧检测跟踪方法,应用于雷达目标检测与跟踪技术领域,为了解决传统基于运动界限约束的机动目标多帧检测跟踪方法跟踪精度低、检测性能差的问题,以及现有技术通过增加搜索状态空间的维度来实现机动目标跟踪的巨大计算代价问题,本发明利用历史信息作为先验的多阶段联合优化思想,首先根据历史信息建立线性伪量测模型来对高阶目标运动信息量进行估计,然后引入机动目标状态转移模型来对目标机动特性进行建模,之后根据建立的目标机动模型自适应调整多帧积累可能转态转移区间的大小,最终输出完整的目标检测跟踪轨迹。

    一种基于序贯博弈的虚拟机竞价分配方法

    公开(公告)号:CN102710746A

    公开(公告)日:2012-10-03

    申请号:CN201210130826.0

    申请日:2012-04-30

    Inventor: 曾凯 佘堃

    Abstract: 本发明公开了一种基于序贯博弈的虚拟机竞价分配方法。其中基础设施服务提供商作为虚拟机资源出售方,软件应用服务提供商作为虚拟机资源需求方。资源出售方和需求方按照顺序依次给出资源价格和需求策略,并通过重复迭代,双方不断修正其博弈出价和策略,以博弈竞价方式最终达到虚拟机资源分配的纳什均衡,并按照此最终结果进行虚拟机资源交易。本发明方法内部由博弈控制器、虚拟机竞价代理和负载监控探头组成。通过本方法的实施可以最大化提高虚拟机资源出售方经济效益,同时使虚拟机需求方合理购买资源,避免了资源的浪费。

    基于多尺度几何分析的图像质量评测方法

    公开(公告)号:CN101127926A

    公开(公告)日:2008-02-20

    申请号:CN200710018671.0

    申请日:2007-09-14

    Abstract: 本发明公开了一种基于多尺度几何分析的图像质量评测方法,主要解决图像质量客观评测与主观评测值一致性差的问题。该方法包括:(1)利用多尺度几何分析方法对参考图像和被测图像进行尺度和方向的子带分解;(2)对分解后的所有子带利用对比敏感度函数进行加权;(3)根据人眼视觉感知特性,确定所有系数的视觉感知阈值;(4)分别计算参考图像和被测图像各方向子带中大于视觉感知阈值的系数所占的比重;(5)统计参考图像和被测图像各方向子带中大于视觉感知阈值的系数所占比重的绝对值差,根据比重绝对值差定义图像质量的评价测度。具有结构简单,传输数据量小,计算复杂度低,与主观评测一致性好的优点,可用于对图像处理方法进行有效性评测。

    一种内部集成低导通压降二极管的SiC MOSFET结构

    公开(公告)号:CN118315411A

    公开(公告)日:2024-07-09

    申请号:CN202410372155.1

    申请日:2024-03-29

    Abstract: 本发明公开了一种内部集成低导通压降二极管的SiC MOSFET结构,包括栅区和分布在栅区两侧的源区,栅区由两个被氧化层隔离的分裂栅组成,其中一个为控制沟道通断的栅,另一个为与源极短接的虚栅;靠近虚栅的一个源区下方为N基区,另一个源区下方为P基区,进一步地,在漂移区远离衬底的一面设置电流拓展层,P阱、N基区、P基区以及栅区均位于电流拓展层的上方,P阱与电流拓展层构成承受电压的PN结。本发明利用分裂栅和N基区内部集成低势垒二极管,抑制了反向导通情况下体二极管的作用,实现更低的导通电压,抑制了双极导通,电流驱动能力更强,利用电子迁移率大于空穴迁移率的特性,降低内部二极管引入的沟道电阻,并进一步减小第三象限导通电阻。

    基于自定中心星状图和注意力机制预测行人轨迹的方法

    公开(公告)号:CN112634328B

    公开(公告)日:2022-11-08

    申请号:CN202011551018.2

    申请日:2020-12-24

    Abstract: 本发明公开了一种基于自定中心星状图和注意力机制预测行人轨迹的方法,首先,目标行人及其邻近行人的历史轨迹分别由时间和空间编码器进行编码;然后将隐藏状态输入到注意力机制中,以模拟目标行人的注意力;最后,注意力权重的加和通过自定中心星状图解码器传递,一次输出一个预测位置;同时,相邻的隐藏状态将在星状图中连续解码,从而连续计算目标行人每个未来时刻的注意力。本发明利用自定中心星状图和多头注意力机制,并结合到时空编码信息中,很好地解决了现有技术预测行人轨迹精确度低及需要花费较多计算能力的问题。

    一种基于时空数据强化学习的自动驾驶速度控制框架

    公开(公告)号:CN113741464A

    公开(公告)日:2021-12-03

    申请号:CN202111043124.4

    申请日:2021-09-07

    Abstract: 本发明公开了一种基于时空数据强化学习的自动驾驶速度控制框架,主要解决自动驾驶汽车难以及时对较远车辆的急剧变速行为做出反应的延时性问题。该控制框架包括离线训练:利用现实生活中的车辆驾驶数据对自动驾驶车辆的速度决策进行学习;在线模拟:使用已经训练好的网络来检测自动驾驶车辆在特定场景下的表现。采用本发明的速度控制框架的自动驾驶车辆能够在复杂的交通环境中有良好的表现,本发明综合考虑了交通安全性,驾驶员舒适度和交通效率,使用了长短期记忆神经网络(LSTM),能够让自动驾驶汽车在进行速度决策时不只是考虑当前时刻的环境数据,可以同时考虑多个历史时刻的环境数据,让自动驾驶车辆能够在遇到突然的变速行为有更好的表现。

    基于自定中心星状图和注意力机制预测行人轨迹的方法

    公开(公告)号:CN112634328A

    公开(公告)日:2021-04-09

    申请号:CN202011551018.2

    申请日:2020-12-24

    Abstract: 本发明公开了一种基于自定中心星状图和注意力机制预测行人轨迹的方法,首先,目标行人及其邻近行人的历史轨迹分别由时间和空间编码器进行编码;然后将隐藏状态输入到注意力机制中,以模拟目标行人的注意力;最后,注意力权重的加和通过自定中心星状图解码器传递,一次输出一个预测位置;同时,相邻的隐藏状态将在星状图中连续解码,从而连续计算目标行人每个未来时刻的注意力。本发明利用自定中心星状图和多头注意力机制,并结合到时空编码信息中,很好地解决了现有技术预测行人轨迹精确度低及需要花费较多计算能力的问题。

Patent Agency Ranking