一种基于伪差分结构的高频忆阻电路

    公开(公告)号:CN117935880A

    公开(公告)日:2024-04-26

    申请号:CN202410116423.3

    申请日:2024-01-26

    Abstract: 本发明涉及忆阻电路技术领域,尤其涉及一种基于伪差分结构的高频忆阻电路,通过简单的晶体管拓扑结构,采用伪差分放大器、一个处在线性区的P型场效应管、一个源跟随器,一个负阻抗转换器NIC和一个N型场效应管构成。本电路使用场效应管自身的寄生电容,无需外置电容电阻,在高频下也能够产生非线性忆阻特性:具体为当输入电压端Vin的输入信号Vin为正弦信号时,输入的整体电流Iin与输入信号Vin的关系曲线呈现出捏滞回线特征。且二者的关系曲线会随着输入信号Vin频率的提升而逐步收缩,最终收缩成一条单值函数曲线的趋势。

    一种基于流形结构核函数的方差最大化子空间学习算法

    公开(公告)号:CN117172335A

    公开(公告)日:2023-12-05

    申请号:CN202311143716.2

    申请日:2023-09-05

    Abstract: 本发明公开了一种基于流形结构核函数的方差最大化子空间学习算法,包括下述步骤:学习对称半正定矩阵:根据流行学习算法,学习包含数据流行结构信息的对称半正定矩阵M0;获得流行结构核函数;获得再生核希尔伯特空间;获得投影矩阵;计算数据的低维方差;最大化低维数据的方差;本发明旨在提供一种基于流形结构核函数的方差最大化子空间学习算法,利用不同的流形学习方法对数据分布特征的有效提取,对再生核希尔伯特空间的内积进行修正,来产生新的核函数,用于学习多核模型;能够包含数据非线性全局分布特征,也包含了数据局部的流形结构信息,提高了子空间学习算法的性能。

    一种基于射频感应的电子锁

    公开(公告)号:CN110821301A

    公开(公告)日:2020-02-21

    申请号:CN201911108213.5

    申请日:2019-11-13

    Abstract: 本发明公开了一种基于射频感应的电子锁。本发明中:LC感应电路经整流二极管D1`与滤波电容C2`与编码集成电路U1`连接;高频振荡电路产生的工作电流随射频钥匙中编码集成电路U1`输出的编码脉冲进行变化;电阻R3将电流变化转换成电压变化;携带编码信息的电压信号从三级T2的发射极输出,经过放大电路放大后传输到解码集成电路U1的DI脚;解码集成电路U1对DI脚输入的编码脉冲进行解调,当编码集成电路U1`的地址编码与解码集成电路U1的地址编码相同时,解码集成电路U1的VT脚输出高电平。本发明通过射频钥匙和射频感应器配合,无需进行手动开锁,只需将钥匙靠近射频感应器即可开启电控锁,并通过编码脉冲进行识别,具有使用方便,操作简单。

    一种K-均值聚类和分级训练SVM分类器的联合调制识别方法

    公开(公告)号:CN107770108A

    公开(公告)日:2018-03-06

    申请号:CN201710993729.7

    申请日:2017-10-23

    CPC classification number: H04L27/0012 G06K9/6223 G06K9/6256 G06K9/6269

    Abstract: 本发明公开了一种K-均值聚类和分级训练SVM分类器的联合调制识别方法,其特征在于,包括如下步骤:步骤S1:对未知信号进行预处理,得到包含信号的同相分量和正交分量的数据集X;步骤S2:对所述数据集X的样本点进行聚类运算,得到各个所述样本点对聚类中心的隶属度矩阵;步骤S3:对所述隶属度矩阵用有效性函数进行处理,得到用于区分不同调制方式的若干特征参数;步骤S4:将若干所述特征参数的组合作为SVM分类器的输入,对所述SVM分类器进行训练;步骤S5:利用训练后的所述SVM分类器识别所述未知信号,在SVM分类器的输出得到所述未知信号的调制类型。该方法克服了在识别多类问题时计算复杂度高的问题,收敛速度明显的提高,提高了调制信号识别的效率。

    一种针对OCT视网膜图像消除血管阴影的滤波方法

    公开(公告)号:CN112330547B

    公开(公告)日:2024-04-30

    申请号:CN202011086639.8

    申请日:2020-10-12

    Abstract: 本发明提出了一种针对OCT视网膜图像消除血管阴影的滤波方法,所述方法包括选取一个待处理的OCT视网膜B扫描图像;利用傅里叶变换将OCT视网膜B扫描图像从空间域转为频率域得到OCT视网膜B扫描图像的频谱图;通过垂直扇形滤波器和巴特沃斯低通滤波器生成最终掩模图;将OCT视网膜B扫描图像的频谱图及最终掩模图相乘得到保留通带的频谱图;利用傅里叶逆变换将保留通带的频谱图转化为空域图。本发明能够有效消除视网膜B扫描图像的血管阴影,同时基于视网膜图的成像形态,构造掩模图,保留了曲线带状的方向信息,消除了血管阴影的方向信息,并且通过保留图像所需的低频信息,有效地避免了振铃效应。本发明适用于图像处理领域。

    基于循环扩散模型的单视图三维重建方法

    公开(公告)号:CN117671146A

    公开(公告)日:2024-03-08

    申请号:CN202311650864.3

    申请日:2023-12-04

    Abstract: 本发明公开了基于循环扩散模型的单视图三维重建方法,包括下述步骤:提取并融合得到融合特征向量,预测图像条件特征向量的均值和方差;对预测的图像条件特征向量的均值和方差进行采样,得到图像条件特征向量;进行最远点采样得到三维模型点云,训练扩散模型中的去噪网络;通过循环去噪提高图像条件特征向量对去噪网络的引导能力;通过输入单张视图引导去噪网络对服从标准高斯分布的纯噪声点云进行逐步去噪,最终得到与单视图的几何结构一致的三维模型点云;本发明旨在提供一种基于循环扩散模型的单视图三维重建方法,具有训练稳定的优点和较高的运行效率,且能够提高视图的引导能力。

    基于流形结构核函数的多核学习方法、系统及相关设备

    公开(公告)号:CN115527075A

    公开(公告)日:2022-12-27

    申请号:CN202211048789.9

    申请日:2022-08-30

    Abstract: 本发明属于机器学习领域,尤其涉及一种基于流形结构核函数的多核学习方法、系统及相关设备,所述方法包括:S1、获取用于目标识别的训练集,根据预设流形学习算法,对所述训练集计算得到对称半正定矩阵;S2、根据预设原始核函数以及所述对称半正定矩阵计算得到流形结构核函数;S3、对所述流形结构核函数进行求解,得到关于多核学习的所述训练集的参数解,并根据所述参数解对所述数据集进行降维处理。本发明通过不同的流形学习方法对用于目标识别的数据集中的分布特征进行提取,同时对再生核希尔伯特空间的内积进行修正,来产生新的具有学习内积约束的数据依赖的新的核函数,提高基核函数与数据之间的适应性,使目标识别的数据得到降维。

    基于ZigBee的智能家居控制系统

    公开(公告)号:CN110677331A

    公开(公告)日:2020-01-10

    申请号:CN201911109170.2

    申请日:2019-11-13

    Abstract: 本发明公开了基于ZigBee的智能家居控制系统,涉及智能家居技术领域。本发明包括TCP客户端、TCP服务器和ZigBee模块,TCP客户端与TCP服务器连接,TCP服务器与ZigBee模块连接;ZigBee模块包括数据协调模块、光敏模块、温湿模块和继电器,数据协调模块与TCP服务器连接,数据协调模块分别与光敏模块、温湿模块以及继电器连接。本发明通过TCP客户端、TCP服务器和ZigBee模块之间的相互连接配合,用户不但可以时刻通过手机获取住宅内的各种信息,而且可以控制家电的开关,通过光敏模块、温湿模块以及继电器之间的相互配合用户能够远程控制室内温度、湿度和光照强度。

    一种LDO电路
    10.
    发明授权

    公开(公告)号:CN106406408B

    公开(公告)日:2017-12-19

    申请号:CN201611016776.8

    申请日:2016-11-18

    Abstract: 一种LDO电路,其特征在于包括参考时钟、缓冲整形单元、鉴频器(FD)、数字控制器(DPC)、功率管阵列、滤波器(LPF)和压控振荡器(VCO),功率管阵列包括并接而成的数个功率管,功率管阵列的输出与滤波器(LPF)相连,滤波器(LPF)与压控振荡器(VCO)相连,压控振荡器(VCO)与鉴频器(FD)其中一输入端相连,参考时钟与缓冲整形单元相连,缓冲整形单元与鉴频器(FD)另一输入端相连,鉴频器(FD)的输出控制与功率管阵列的各个功率管的控制输入相连。本发明与已有技术相比,具有即使是低电压,甚至是超低电压下,也能正常工作的优点。

Patent Agency Ranking