公开(公告)号：CN107784320B

公开(公告)日：2019-12-06

申请号：CN201710889757.4

申请日：2017-09-27

Applicant: 电子科技大学

Inventor： 沈晓峰 ,  何旭东 ,  廖阔 ,  司进修 ,  王莎 ,  邓贝贝

IPC: G06K9/62 ,  G06N3/04 ,  G01S7/41

Abstract: 本发明属于雷达技术领域，尤其涉及一种基于级联卷积神经网络和支持向量机的雷达一维距离目标识别方法，具体方案为：首先，对雷达目标后向散射仿真软件获取的一维距离像进行随机距离扰动、扩展及加噪声处理，并将其作为原始特征；其次，对样本数据的标签做one‑hot编码；然后，利用深度学习的方法，使用级联卷积神经网络再结合支持向量机来构建级联卷积支持向量机，采用随机梯度下降法来训练网络C_CNN提取高阶参数；随后，利用带标签样本数据对级联卷积支持向量机CCNN_SVM进行参数微调；最后，利用该级联卷积支持向量机网络训练得到参数模型，并对待识别样本进行识别分类。本发明方法卷积神经网络的正确识别率达到92.34％，深度卷积支持向量机的正确识别率达到95.59％。

公开(公告)号：CN107784320A

公开(公告)日：2018-03-09

申请号：CN201710889757.4

申请日：2017-09-27

Applicant: 电子科技大学

Inventor： 沈晓峰 ,  何旭东 ,  廖阔 ,  司进修 ,  王莎 ,  邓贝贝

IPC: G06K9/62 ,  G06N3/04 ,  G01S7/41

Abstract: 本发明属于雷达技术领域，尤其涉及一种基于级联卷积神经网络和支持向量机的雷达一维距离目标识别方法，具体方案为：首先，对雷达目标后向散射仿真软件获取的一维距离像进行随机距离扰动、扩展及加噪声处理，并将其作为原始特征；其次，对样本数据的标签做one-hot编码；然后，利用深度学习的方法，使用级联卷积神经网络再结合支持向量机来构建级联卷积支持向量机，采用随机梯度下降法来训练网络C_CNN提取高阶参数；随后，利用带标签样本数据对级联卷积支持向量机CCNN_SVM进行参数微调；最后，利用该级联卷积支持向量机网络训练得到参数模型，并对待识别样本进行识别分类。本发明方法卷积神经网络的正确识别率达到92.34％，深度卷积支持向量机的正确识别率达到95.59％。

公开(公告)号：CN107591324A

公开(公告)日：2018-01-16

申请号：CN201710738612.4

申请日：2017-08-24

Applicant: 西安电子科技大学

Inventor： 韩超 ,  王莎 ,  张玉明 ,  汤晓燕 ,  郭辉 ,  宋庆文

IPC: H01L21/329 ,  H01L29/861 ,  H01L29/06

Abstract: 本发明涉及一种结终端扩展终端结构的制备方法及结构，该方法包括：选取SiC衬底层；在所述SiC衬底层表面生长外延层；利用离子注入工艺在所述外延层上形成结终端扩展区；利用离子注入工艺在所述外延层上形成有源区；在所述外延层表面生长绝缘钝化层以完成所述结终端扩展终端结构的制备。本发明通过线性变化的边缘电荷分布消除传统碳化硅结终端扩展边缘处的单点锋锐电场峰并降低峰值电场值，缓解结边缘的电场集中效应，从而降低器件由于单点高电场诱发额外漏电和提前击穿的风险，提高结终端扩展结构在反向耐压时的可靠性。

公开(公告)号：CN207068861U

公开(公告)日：2018-03-02

申请号：CN201721069330.1

申请日：2017-08-24

Applicant: 西安电子科技大学

Inventor： 韩超 ,  王莎 ,  张玉明 ,  汤晓燕 ,  郭辉 ,  宋庆文

IPC: H01L29/06 ,  H01L29/861 ,  H01L21/329

Abstract: 本实用新型涉及一种结终端扩展终端结构，该结构包括：SiC衬底层201；外延层202，设置于所述SiC衬底层201表面；结终端扩展区203，设置于所述外延层202内；有源区205，设置于所述结终端扩展区203一侧并位于所述外延层202内；钝化层204，设置于所述外延层202表面。本实用新型的终端结构通过线性变化的边缘电荷分布消除传统结终端扩展边缘处的单点锋锐电场峰，缓解结边缘的电场集中效应，从而降低器件由于单点高电场诱发额外漏电和提前击穿的风险，提高结终端扩展结构在反向耐压时的可靠性。