-
公开(公告)号：CN117978149A
公开(公告)日：2024-05-03
申请号：CN202410120574.6
申请日：2024-01-29
Applicant: 重庆邮电大学 , 电子科技大学重庆微电子产业技术研究院
IPC: H03K19/0185 , H03K19/003
Abstract: 本发明属于集成电路技术领域，具体涉及一种LDO电路；该电路包括：NMOS管M1、运算放大器、PMOS管M19、NMOS管M20、NMOS管M21、电阻R1、瞬态抑制电路、源随缓冲器、功率管、负反馈电阻网络和NMOS管M34；本发明LDO在传统结构的基础上增加了瞬态抑制电路，可以增加输出电压的稳定性，提高电路的CMTI，保证了电路的正常工作，正确输出信号。
-
公开(公告)号：CN119860195A
公开(公告)日：2025-04-22
申请号：CN202510062261.4
申请日：2025-01-15
Applicant: 重庆邮电大学 , 电子科技大学重庆微电子产业技术研究院
IPC: E21B43/119 , E21B43/1185
Abstract: 本发明涉及石油开采工程领域，具体涉及一种基于多传感器接箍识别的嵌入式石油射孔系统，本发明引入IMU传感器采集系统运动状态数据，通过核心控制模块处理CCL信号和系统运动状态数据，结合两个传感器综合判定是否发送点火信号；射孔点火模块在接收到点火信号时引爆火工品；本发明能够提高射孔定位精度。
-
公开(公告)号：CN119777804A
公开(公告)日：2025-04-08
申请号：CN202510057049.9
申请日：2025-01-14
Applicant: 重庆邮电大学 , 电子科技大学重庆微电子产业技术研究院
IPC: E21B43/116 , E21B43/119 , E21B47/00 , E21B47/13
Abstract: 本发明公开了一种用于石油射孔的嵌入式多模块协同处理系统，该系统与射孔枪配合使用，在射孔枪内设置套管接箍定位器CCL，该系统包括：前端信号处理模块、嵌入式微控制器、上位机通信模块和后端点火电路模块；套管接箍定位器CCL用于检测井筒中套管接箍的位置，生成CCL信号；前端信号处理模块用于采集CCL信号并对其作预处理，将经预处理后的信号输入嵌入式微控制器；上位机通信模块用于实现上位机与嵌入式微控制器互相通信；嵌入式微控制器用于系统控制与调度管理，采集和存储数据，输出点火控制信号；后端点火电路模块接收点火控制信号后，执行点火爆破操作。本发明应用于石油射孔，可以实现对石油射孔过程中各类数据的采集和存储，以及点火控制。
-
公开(公告)号：CN117978098A
公开(公告)日：2024-05-03
申请号：CN202410134810.X
申请日：2024-01-30
Applicant: 重庆邮电大学 , 电子科技大学重庆微电子产业技术研究院
IPC: H03F1/02 , H03F1/30 , H03F1/42 , H03K19/0175 , H03K7/08
Abstract: 本发明属于开关电源电路领域，具体涉及一种应用于开关电源的隔离误差放大器，包括：误差信号放大器、平均电压反馈电路、PWM波生成电路、数字隔离器模块以及电压电流输出模块：误差信号放大器的输出端连接平均电压反馈电路一个输入端；PWM波生成电路的输出端分别连接数字隔离器模块的输入端和平均电压反馈电路的另一输入端；PWM波生成电路的输入端连接平均电压反馈电路的输出端；数字隔离器模块的输出端连接电压电流输出模块。本发明可解决传统线性光耦面临的老化、温度漂移和磁性耦合电路复杂难以集成等问题，改善隔离电源的瞬态响应、功率密度和工作温度范围。
-
公开(公告)号：CN118568596A
公开(公告)日：2024-08-30
申请号：CN202410767745.4
申请日：2024-06-14
Applicant: 电子科技大学 , 电子科技大学重庆微电子产业技术研究院
IPC: G06F18/2415 , G06F18/25 , G06F18/213 , G06N3/0464 , G06N3/0495 , G06N3/0985
Abstract: 本发明属于轨道超偏载检测预警领域，具体为一种基于轻量化网络的超偏载检测方法。本发明在铁轨的每个测区内安装4个剪力传感器和4个压力传感器，通过融合每个测区内8个传感器采集的数据，按照上、下轨道分别融合数据，并将融合的数据传入设计的轻量型神经网络结构训练超参模型，进而提取火车车厢的车轴特征、转向架特征，并组成车厢特征，以计算每个车厢的超偏载结果。本发明中轻量型神经网络的运用可以有效降低误检、漏检等风险，提升了车轴特征的检测的正确性；并提供了车轴特征的去重步骤进一步提升精度；基于此，车厢的检测正确性也将得到极大的提升，最终达到提高火车超偏载检测的精度，降低货运火车因超偏载带来的风险。
-
Patent Agency Ranking
公开(公告)号：CN118568596B
公开(公告)日：2024-11-29
申请号：CN202410767745.4
申请日：2024-06-14
Applicant: 电子科技大学 , 电子科技大学重庆微电子产业技术研究院
IPC: G06F18/2415 , G06F18/25 , G06F18/213 , G06N3/0464 , G06N3/0495 , G06N3/0985
Abstract: 本发明属于轨道超偏载检测预警领域，具体为一种基于轻量化网络的超偏载检测方法。本发明在铁轨的每个测区内安装4个剪力传感器和4个压力传感器，通过融合每个测区内8个传感器采集的数据，按照上、下轨道分别融合数据，并将融合的数据传入设计的轻量型神经网络结构训练超参模型，进而提取火车车厢的车轴特征、转向架特征，并组成车厢特征，以计算每个车厢的超偏载结果。本发明中轻量型神经网络的运用可以有效降低误检、漏检等风险，提升了车轴特征的检测的正确性；并提供了车轴特征的去重步骤进一步提升精度；基于此，车厢的检测正确性也将得到极大的提升，最终达到提高火车超偏载检测的精度，降低货运火车因超偏载带来的风险。
-
公开(公告)号：CN118746842A
公开(公告)日：2024-10-08
申请号：CN202410767748.8
申请日：2024-06-14
Applicant: 电子科技大学 , 电子科技大学重庆微电子产业技术研究院
Abstract: 本发明属于低空安全领域，具体为一种低空飞行器的抗干扰跟踪方法，尤其适用于无人机的识别跟踪。本发明提出备选跟踪点的概念，通过目标物理尺寸的先验知识，解算目标当前形态、跟踪点位置与实际目标大小的映射关系，然后根据映射关系在目标上选取至少1个目标点作为备选跟踪点；通过打击点设置的距离阈值、形变时对应的目标点是否达到移出视场的阈值，将跟踪点替换为备选跟踪点，从而达到目标跟踪时强抗干扰的效果。本发明有效解决了现有激光系统对无人机跟踪，因目标跟踪点出现急剧变化(外界干扰或目标跟踪点丢失)的情况下导致跟踪失效的问题，有效维护低空安全。
-
公开(公告)号：CN118781334B
公开(公告)日：2025-02-07
申请号：CN202410590201.5
申请日：2024-05-13
Applicant: 重庆邮电大学 , 重庆医科大学附属口腔医院
IPC: G06V10/26 , G06V20/70 , G06N3/0464 , G06N3/084 , G06V10/82 , G06V10/10 , G06N3/0985
Abstract: 本发明公开了一种基于语义协调的双空间表征口内扫描图像牙齿分割方法，涉及医学图像处理与计算机视觉技术领域，本方法包括对原始口内扫描图像进行数据下采样；对口内扫描图像的欧式空间的几何属性进行自适应的语义协调化，关注空间与语义特征之间在真实空间维度的关系；通过空间‑语义图学习模块学习口内扫描图像的结构特征和旋转不变性；学习得到的表征送入分割进行预测，将口内扫描图像中的单颗牙齿和牙龈进行分割，本发明能够有效应对口内扫描图像的旋转不变性并提升分割精度。
-
公开(公告)号：CN114629501B
公开(公告)日：2024-06-14
申请号：CN202210259969.5
申请日：2022-03-16
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种机械加工过程状态信息的边缘数据分类压缩方法，属于数据压缩领域，包括S1：在边缘侧通过传感器采集机械加工过程状态信息边缘数据为原始数据；S2：原始信号数据利用自相关系数和平稳度判定算法将其自动识别并分类为稳变信号、缓变信号、振动信号和其他信号；S3：对S2所得到的稳变信号数据先进行一阶差分、再经过游程编码和算术编码进行压缩；S4：对S2所得到的缓变信号数据先采用BP神经网络进行拟合，再采用算术编码对神经网络进行压缩保存；S5：对S2所得到的振动信号数据通过2DDCT变换、多项式拟合量化、二进制缩减法和算术编码结合进行压缩；S6：对S2其他信号数据直接采用算术编码进行压缩存储。
-
公开(公告)号：CN116051839A
公开(公告)日：2023-05-02
申请号：CN202310056095.8
申请日：2023-01-16
Applicant: 重庆邮电大学 , 重庆医科大学附属口腔医院
IPC: G06V10/26 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明属于医学图像处理和计算机视觉技术领域，特别涉及一种基于多支路融合学习的三维牙齿分割方法，包括对原始三维牙齿模型进行数据下采样并进行特征提取；对提取的特征信息进行特征信息分离，得到坐标特征信息、向量特征信息和曲率特征信息；利用K近邻算法构建网格的局部区域，即以网格的中心点为据点，找出与该网格相邻最近的K个网格，该网格与相邻最近的K个网格一起构成局部区域的范围；对局部区域中的坐标特征信息，利用基于注意力机制的图卷积学习牙齿的细粒度几何特征；对局部区域中的向量特征信息，利用基于最大池化的图卷积学习牙齿的显著性局部细节特征；对全局区域的曲率特征信息，利用基于偏移注意力机制的最大池化和平均池化学习牙齿的全局边界约束特征。将细粒度几何特征、显著性局部细节特征和全局边界约束信息进行融合，得到对牙齿的特征描述；本发明有效得提升三维牙齿模型的分割准确率。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.096 seconds)
