一种精细轴密封的高功率直通式快速移相装置

    公开(公告)号:CN118539116A

    公开(公告)日:2024-08-23

    申请号:CN202410759829.3

    申请日:2024-06-13

    Abstract: 本发明公开了一种精细轴密封的高功率直通式快速移相装置,属于微波仪器技术领域。该装置包括:真空室外壳、第一圆极化器、第二圆极化器、旋转式移相器、第一支撑轴承、第二支撑轴承、真空阀门、同步带轮组件、磁流体密封组件、伺服电机;其中,旋转式移相器位于真空室内,利用轴承与真空室外壳连接,使旋转式移相器能够相对旋转,两个圆极化器分别位于旋转式移相器输入端和输出端的外侧,三者的腔体部分连通并共轴;在伺服电机与同步带轮组件之间设置磁流体密封组件,通过磁流体密封组件将传动动作导入真空室内部,进而带动旋转式移相器旋转。本发明旋转式移相器作为直通式移相器,能够在稳定的真空环境中实现高精度、高速度的移相功能。

    一种基于改进yolov7算法的水下目标检测方法

    公开(公告)号:CN117876858A

    公开(公告)日:2024-04-12

    申请号:CN202410055010.9

    申请日:2024-01-15

    Abstract: 本发明公开了一种基于改进yolov7算法的水下目标检测方法,该方法的步骤为:1)获取水下图像数据集,并按照一定的比例分为训练集、验证集和测试集;2)以yolov7模型为基础模型进行改进得到一种新的目标检测方法,改进方法包括对主干网络进行改进、设计一种新的模块、结合Transformer模型和使用新的损失函数;3)对改进后的模型进行剪枝;4)使用训练集对剪枝后的模型进行训练;5)使用测试集对模型进行评估。本发明方法具有较好的检测效果且减少了参数量和计算量,方法简单易部署,适用性广泛,尤其在水下机器人、海洋捕捞等领域将会被广泛应用。

    一种基于深度学习的辐射源个体识别方法

    公开(公告)号:CN111310680B

    公开(公告)日:2022-11-04

    申请号:CN202010110735.5

    申请日:2020-02-24

    Abstract: 该发明公开了一种基于深度学习的辐射源个体识别方法,涉及辐射源个体识别技术领域。通过特征提取,然后输入神经网络进行辐射源个体的识别,在神经网络中加入过滤层,本发明过滤层的作用是在每个训练批次中,选择性的让一半的隐层节点值为0,可以明显地减少过拟合现象;这种方式可以减少特征检测器(隐层节点)间的相互作用,降低过拟合、提升性能检测器相互作用是指某些检测器依赖其他检测器才能发挥作用,通过上述技术方案本发明能够准确识别各辐射个体。

    一种基于深度学习的通信信号特征融合方法

    公开(公告)号:CN111382803B

    公开(公告)日:2022-06-03

    申请号:CN202010189611.0

    申请日:2020-03-18

    Abstract: 本发明公开了一种基于深度学习的特征融合方法,涉及电磁信号识别技术领域。首先对目标离散信号进行预处理,使用短时傅里叶变换提取所有数据的功率谱密度P,将功率谱密度P作为通信信号源的特征;再以功率谱密度P作为通信辐射源的特征导入事先训练好的神经网络,完成特征的提取,得到特征P1;其次将目标离散信号分段,求每一段的载频和码元速率相对偏差,将之作为特征P2;最后将提取后的特征P2与特征P1在数量级上对应拼接起来,作为融合特征P3;采用融合特征P3对信号进行识别。与现有技术相比,本发明技术方案的有益效果是:具有更高的识别率,能够准确识别通信信号设备。

    一种基于深度学习的辐射源个体识别方法

    公开(公告)号:CN111310680A

    公开(公告)日:2020-06-19

    申请号:CN202010110735.5

    申请日:2020-02-24

    Abstract: 该发明公开了一种基于深度学习的辐射源个体识别方法,涉及辐射源个体识别技术领域。通过特征提取,然后输入神经网络进行辐射源个体的识别,在神经网络中加入过滤层,本发明过滤层的作用是在每个训练批次中,选择性的让一半的隐层节点值为0,可以明显地减少过拟合现象;这种方式可以减少特征检测器(隐层节点)间的相互作用,降低过拟合、提升性能检测器相互作用是指某些检测器依赖其他检测器才能发挥作用,通过上述技术方案本发明能够准确识别各辐射个体。

Patent Agency Ranking