一种适用于固放产品的微波集成电路薄膜加厚工艺

    公开(公告)号:CN113966099B

    公开(公告)日:2024-06-11

    申请号:CN202110738712.3

    申请日:2021-06-30

    Abstract: 本发明提供了一种适用于固放产品的微波集成电路薄膜加厚工艺,包括如下步骤:在带有附着层的陶瓷基片上实施一次镀金,形成的金镀层的厚度为2~3μm;将掩膜版紧密贴合在一次镀金后涂覆有光敏胶的基片表面,曝光后进行显影、定影以及金属层的腐蚀,完成在金镀层上的光刻;在光刻后的金镀层上镀铜,形成的铜镀层的厚度为3~5μm;在铜镀层上镀镍,形成的镍镀层的厚度为0.5~1μm;在镍镀层上实施二次镀金,形成的金镀层的厚度为2~3μm。本发明通过特有的膜层结构设计,基于薄膜陶瓷电路板制作工艺,采用“四镀一刻”的方式,解决了较厚膜层电路的制作问题,达到较高的图形精度与膜层附着力,实现多种功能,满足大功率电路的需求。

    一种天基异构多链路组网选择传输方法

    公开(公告)号:CN119697727A

    公开(公告)日:2025-03-25

    申请号:CN202411889023.2

    申请日:2024-12-20

    Abstract: 本发明提供了一种天基异构多链路组网选择传输方法,包括:步骤一,用户终端入网;步骤二,链路质量估计:用户终端及卫星周期统计通信收发信机收发数据量,结合链路负载及丢包率对每条发送链路通信质量进行估计;步骤三,链路选择;步骤四,链路切换:在业务通信中发送端通过链路状态利用累积和控制图技术决策通信链路切换,以保证始终以最优链路传输业务数据;步骤五,卫星协议转换:卫星通过地址映射进行各种通信链路帧到统一网络层数据包的协议转换,以IPv4统一承载业务数据包的路由实现多异构链路的铰链通信。本发明的方法在星上统一以IP承载数据实现异构终端组网,利用链路质量估计及控制图技术实现链路优选,提升卫星通信灵活性及效率。

    一种薄膜电路图形电镀连线的去除方法

    公开(公告)号:CN112218437B

    公开(公告)日:2022-06-03

    申请号:CN202011119616.2

    申请日:2020-10-19

    Abstract: 本发明涉及一种薄膜电路图形电镀连线的去除方法,属于薄膜微带电路工艺领域;步骤一、用电镀连线将光刻版图中所有不相连的电路图形连成一个整体;在薄膜电路光刻版图上设置n个定位圆;步骤二、按照薄膜电路光刻版图上的电镀连线位置,对实际薄膜电路上对应位置添加电镀连线;步骤三、设置电镀连线的激光刻蚀区域;步骤四、将薄膜电路光刻版图中所有电镀连线和所有定位圆刻蚀成通孔;获得辅助刻蚀版图;步骤五、将辅助刻蚀版图对准放置在实际薄膜电路的上方,采用紫外激光器,按照步骤三中的刻蚀规则对实际薄膜电路中电镀连线进行激光刻蚀,去除电镀连线;本发明解决了厚金层薄膜电路制作中图形电镀连线去除的可靠性和效率问题。

    一种薄膜电路图形电镀连线的去除方法

    公开(公告)号:CN112218437A

    公开(公告)日:2021-01-12

    申请号:CN202011119616.2

    申请日:2020-10-19

    Abstract: 本发明涉及一种薄膜电路图形电镀连线的去除方法,属于薄膜微带电路工艺领域;步骤一、用电镀连线将光刻版图中所有不相连的电路图形连成一个整体;在薄膜电路光刻版图上设置n个定位圆;步骤二、按照薄膜电路光刻版图上的电镀连线位置,对实际薄膜电路上对应位置添加电镀连线;步骤三、设置电镀连线的激光刻蚀区域;步骤四、将薄膜电路光刻版图中所有电镀连线和所有定位圆刻蚀成通孔;获得辅助刻蚀版图;步骤五、将辅助刻蚀版图对准放置在实际薄膜电路的上方,采用紫外激光器,按照步骤三中的刻蚀规则对实际薄膜电路中电镀连线进行激光刻蚀,去除电镀连线;本发明解决了厚金层薄膜电路制作中图形电镀连线去除的可靠性和效率问题。

    一种消除薄膜电路划切毛刺的方法

    公开(公告)号:CN106601672A

    公开(公告)日:2017-04-26

    申请号:CN201611072640.9

    申请日:2016-11-28

    Inventor: 曲媛 黄海涛 王平

    CPC classification number: H01L21/78 H01L23/544 H01L2223/54453

    Abstract: 本发明一种消除薄膜电路划切毛刺的方法。通过使用制作好的含有正面对准标记的正面掩膜版,先在基板的正面制作出所需的电路图形和正面对准标记;再使用制作好含有背面对准标记的反面掩膜版与基板上的正面对准标记进行高精度图形套刻,在基板的背面制作出与正面图形中切割标记高度吻合的,没有金属膜层覆盖的切割沟槽;最后利用砂轮划片机沿着基板正面的切割标记进行划切,得到单片电路产品。本发明的优点在于,采用双面对准套刻的新颖方式,制作出的背面图形切割沟槽不覆盖金属膜层,因此在砂轮划片过程中,避免了刀具与金属层的摩擦接触,有效消除了金属卷边和毛刺的产生,省略了手工修边操作,提高了薄膜电路的划切质量和生产效率。

    一种含深度数据的图像语义传输方法

    公开(公告)号:CN120091134A

    公开(公告)日:2025-06-03

    申请号:CN202510184653.8

    申请日:2025-02-19

    Abstract: 本发明涉及一种含深度数据的图像语义传输方法,将RGBD图像转换为YCbCr颜色空间,并分为亮度y、色度u、v和深度d四个通道;在特征提取网络中,分别对每个输入通道进行语义特征提取,获取yf、uf、vf和df,并对yf、uf、vf进行合并,获得yuvf;构建双分支结构的联合信源信道编码器,其中一个分支接收yuvf,另一分支接收df,编码后输出yuvj和dj;将编码后的两路特征yuvj和dj通过信道传输到接收端;在接收端,将 和 输入至联合信源信道解码器,进行特征恢复和上采样处理获得 和 在特征恢复网络中完成细节恢复,得到 和 最终重建成RGBD图像。本发明能够提高RGBD图像的数据压缩能力,在较低信噪比下提高了图像的恢复质量。

    一种基于同步压缩算子的信号隐蔽传输方法

    公开(公告)号:CN119675818A

    公开(公告)日:2025-03-21

    申请号:CN202411892385.7

    申请日:2024-12-20

    Abstract: 本发明提供了一种基于同步压缩算子的信号隐蔽传输方法,该方法包括以下步骤:步骤一,在发射端,将需要隐蔽的信号添加到传输的主信号中,接收机同时收到主信号和隐蔽信号,在时域和频域主信号与隐蔽信号相互交叠,形成合成信号;步骤二,将同步压缩算子的分析算子作用于步骤一得到的合成信号,变换到高分辨率变换域,将合成信号中的主信号与隐蔽信号在变换域得到分离,分别得到主信号在变换域的分布和隐蔽信号在变换域的分布。步骤三,在变换域通过瞬时频率曲线提取方法,得出步骤二得到的主信号在变换域的分布对应的瞬时频率曲线,将主信号在变换域的分布对应的主信号系数置零,提取出步骤二得到的隐蔽信号在变换域的分布对应的隐蔽信号系数,将同步压缩算子的合成算子作用于隐蔽信号系数,重构出隐蔽信号,实现信号隐蔽传输。

    一种适合多层膜电路制作的镍光刻腐蚀液配方及腐蚀方法

    公开(公告)号:CN105274530B

    公开(公告)日:2018-06-01

    申请号:CN201510594064.3

    申请日:2015-09-17

    Abstract: 一种适合多层膜电路制作的镍光刻腐蚀液配方及腐蚀方法,配方包括氢氟酸、硝酸和去离子水;各组成部分的体积比如下:氢氟酸:硝酸:去离子水=(0.8‑1.2):(2.5‑3.5):2。利用本发明配方腐蚀的多层膜电路镍层在40×显微镜下观察,线条侧壁光滑、陡直,无金属膜层内缩,无锯齿状凸起或内凹;腐蚀前后对比膜层附着力无明显变化,无膜层起翘、脱落等现象;经上百次腐蚀验证,线条质量良好,腐蚀过程容易控制,腐蚀工艺性较为稳定。

    一种基于DNN的OTFS时频域态势感知与信道估计方法

    公开(公告)号:CN119583264A

    公开(公告)日:2025-03-07

    申请号:CN202411807130.6

    申请日:2024-12-10

    Abstract: 一种基于DNN的OTFS时频域态势感知与信道估计方法,将无线通信过程中的频域选择性衰落信道建模为自回归过程,进而将该估计问题转化为自回归系数估计过程,通过对信道冲激响应函数进行离散化采样、DFT变换、特征矩阵表征、信道先验信息产生等过程获取训练数据,完成对训练数据的预处理过程,并设计一个基于数据和模型驱动的神经网络,通过大量先验信道数据对神经网络进行训练,利用离线训练和在线估计求解该网络最小均方误差下的最优频域相关参数估计,进而得到相应的信道响应,该算法能够在相同信噪比条件下,实现更低的误码率和复杂度。

    一种抗干扰智能决策系统
    20.
    发明公开

    公开(公告)号:CN118432734A

    公开(公告)日:2024-08-02

    申请号:CN202410435728.0

    申请日:2024-04-11

    Abstract: 本发明公开一种抗干扰智能决策系统,该方法能够有效躲避干扰信号,实现无先验条件下的通信决策过程。该方法利用强化学习模型,通过增加动态调节因子,在每个时间回合,网络模型根据当前状态和决策结果选择一个动作。然后接收到环境反馈的奖励或惩罚,将收集到的系统状态、动作和奖励函数放入经验回放单元,利用这些经验估计值进行策略更新。该方法可自适应的学习和优化决策策略,加速算法收敛效率,提高决策成功率。算法能在复杂环境和动态变化的干扰状态下,依然进行有效学习。

Patent Agency Ranking