-
公开(公告)号：CN116192150A
公开(公告)日：2023-05-30
申请号：CN202211424374.7
申请日：2022-11-15
Applicant: 电子科技大学长三角研究院(湖州)
IPC: H03M3/00
Abstract: 本发明提供了一种用于低频计量的斩波调制方法、斩波Sigma‑Delta调制器。通过获取低频信号并执行第一斩波调制，获取第一调制信号，并输入至放大器；放大器中的1/f噪声、失调电压叠加至第一调制信号，输出第一混合信号；对第一混合信号执行第二斩波调制，获取第二调制信号；第二调制信号包括低频部分以及高频部分，低频部分包括第一调制信号对应的低频信号，高频部分包括1/f噪声与失调电压经过第二斩波调制后的高频信号；对第二调制信号执行低通滤波，获取低频信号。相比于现有技术，一方面，通过两级斩波调制，消除调制器电路中的低频误差；另一方面，将Sigma‑Delta调制器共模抑制能力显著提高，从而提高调制器整体的转换精度。
-
公开(公告)号：CN116073796A
公开(公告)日：2023-05-05
申请号：CN202210795848.2
申请日：2022-07-07
Applicant: 电子科技大学长三角研究院(湖州)
IPC: H03K3/356 , H03K3/3565
Abstract: 本发明提供了一种具与非门逻辑的施密特触发器电路、方法及芯片，所述施密特触发器电路包括：第一输入节点A、第一PMOS管和第一NMOS管、第二输入节点B、施密特触发器和输出节点Y，所述第一PMOS管和第一NMOS管一端均与第二输入节点B连接，所述第一PMOS管同时连接施密特触发器和输出节点Y，所述第一NMOS管通过施密特触发器连接输出节点Y，所述第一输入节点A通过施密特触发器连接输出节点Y，本发明作为两输入与非门电路来使用时，解决了传统CMOS两输入与非门电路的电平转换响应时间较长和存在竞争‑冒险现象的问题；作为施密特触发器电路来使用时，具有传统施密特触发器电路的所有功能的同时多了一个复位信号控制端。
-
公开(公告)号：CN114359604B
公开(公告)日：2023-04-07
申请号：CN202111486478.6
申请日：2021-12-07
Applicant: 电子科技大学 , 电子科技大学长三角研究院(湖州)
IPC: G06F18/23 , G06F18/214
Abstract: 本发明公开了一种基于多飞行器轨迹数据的队形识别模型构建方法，属于飞行器队形识别技术领域。本发明首先周期性采集飞行器集群中的各飞行器的飞行轨迹数据并进行数据清洗和变换处理，再提取飞行器集群的初始特征数据，并基于此生成队形特征训练数据后，基于预置的队形识别类型，进行Lightgbm模型训练得到队形识别模型。从而进一步基于得到的队形识别模型实现飞行器的队形识别处理：按照训练时相同的方式提取飞行器集群的初始特征数据并生成每一个飞行器集群的待识别特征数据，再输入队形识别模型，基于其输出得到当前飞行器集群的队形识别结果。本发明解决了传统飞行器队形识别依赖于专家知识、特征提取以及准确率的技术问题，提升队形识别准确率。
-
公开(公告)号：CN115719478A
公开(公告)日：2023-02-28
申请号：CN202211479381.7
申请日：2022-11-24
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V20/56 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开一种独立于无关信息的加速强化学习的端到端自动驾驶方法，包括以下步骤：1)在包含动态场景和静态场景的情况下，利用前置摄像头收集的图像信息，将原始图像作为自动编码器的输入；2)在自动编码器中将原始数据分类为相关特征数据集和无关特征数据集，对自动编码器进行训练；3)自动编码器输出作为强化学习网络的输入；4)强化学习网络在基于FPGA的加速平台下进行推理和训练，进而得到控制命令。本发明通过训练自动编码器使其能够在所有的输入图像中忽略无关的特征，并将其作为深度强化学习网络的输入，对神经网络进行训练获得沿着道路安全行驶的策略，本发明能够克服强化学习效率低、学习慢的问题，最终的输出命令以控制车辆。
-
公开(公告)号：CN114721723A
公开(公告)日：2022-07-08
申请号：CN202210161583.0
申请日：2022-02-22
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明涉及计算机算法技术领域，尤其涉及一种基于拍卖算法数据融合算法中替换过程的协处理器，包括有协处理器，协处理器电路内部包含控制逻辑与计算单元，控制逻辑单元用于控制整个计算单元的数据流控制和与存储缓存的数据读写，计算单元负责计算由自定义指令中传来的一对数据、分别从两个存储缓存中读出的数值进行比较是否相同，并将比较结果发送给控制逻辑，运算步骤重复且有规律的算法，采用有限状态机实现相比于处理器实现省去了大量的时间，同时通过合理的设计，将每组数的两次取数和比较同步进行，在算法层面进行了优化，提升了一倍的效率。利用双口缓存的特点，达成外设与协处理器直接的交互方式，而不是通过ROCC接口访问片上存储。
-
Patent Agency Ranking
公开(公告)号：CN114693972A
公开(公告)日：2022-07-01
申请号：CN202210324083.4
申请日：2022-03-29
Applicant: 电子科技大学 , 电子科技大学长三角研究院(湖州)
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于重建的中间域领域自适应方法，属于计算机视觉、智能频谱数据分析等领域自适应技术领域，具体涉及一种基于重建的中间域领域自适应方法。本发明针对现有领域自适应方法领域特征对齐困难等不足之处，提出一种基于重建的中间域领域自适应方法，并且能够实现更好的分类性能。本发明使用重建的方法对源域数据和目标域数据的特征进行提取，这样提取到特征将包含更多的数据信息，具有更强的可辨别性。同时，针对实际场景中两域之间直接对域差异最小化实现困难的问题，本发明通过在中间域对两域特征进行对齐，从而达到减轻特征对齐难度的目的，最终实现目标域数据的有效分类。
-
公开(公告)号：CN114359604A
公开(公告)日：2022-04-15
申请号：CN202111486478.6
申请日：2021-12-07
Applicant: 电子科技大学 , 电子科技大学长三角研究院(湖州)
IPC: G06V10/762 , G06V10/774 , G06K9/62
Abstract: 本发明公开了一种基于多飞行器轨迹数据的队形识别模型构建方法，属于飞行器队形识别技术领域。本发明首先周期性采集飞行器集群中的各飞行器的飞行轨迹数据并进行数据清洗和变换处理，再提取飞行器集群的初始特征数据，并基于此生成队形特征训练数据后，基于预置的队形识别类型，进行Lightgbm模型训练得到队形识别模型。从而进一步基于得到的队形识别模型实现飞行器的队形识别处理：按照训练时相同的方式提取飞行器集群的初始特征数据并生成每一个飞行器集群的待识别特征数据，再输入队形识别模型，基于其输出得到当前飞行器集群的队形识别结果。本发明解决了传统飞行器队形识别依赖于专家知识、特征提取以及准确率的技术问题，提升队形识别准确率。
-
公开(公告)号：CN113504448A
公开(公告)日：2021-10-15
申请号：CN202110841487.6
申请日：2021-07-26
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01R31/26
Abstract: 本发明公开了一种片上系统的老化检测系统及其检测方法，所述片上系统的老化检测系统包括多个传感器接口、数据传输模块和系统接口，所述传感器接口用于读取所述片上系统的多个传感器中的电路老化信息，并将所述老化信息通过数据传输模块传输至所述系统接口，所述系统接口对所述老化信息进行处理后传输至系统总线。本发明所提供的片上系统的老化检测系统及其检测方法，能够结合电路老化的实际情况，得到适于芯片实际运行时的老化状态检测结果。
-
公开(公告)号：CN119789433A
公开(公告)日：2025-04-08
申请号：CN202510274964.3
申请日：2025-03-10
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明属于但不限于算力芯片领域，尤其涉及一种新型三维存算一体芯片阵列结构及其制备方法，拥有一层存储单元层，该存储单元层内包含多个存储单元，用于数据存储；基于NOR架构的存储阵列可以对任意单元进行访问从而进行计算任务；通过将存储单元用于计算任务实现存算一体减少了数据传输带来的能耗，通过优化互联通道的设计，降低了信号传输延迟，从而提升整体性能，控制模块用于对每个NOR型存储单元进行精准控制，通过优化的互联通道设计，降低信号传输延迟；通过三维集成架构进一步提升性能，在三维结构上集成更多的单元，从而实现更高的集成度和更短的信号传输路径，有效解决容量不够的问题。
-
公开(公告)号：CN114997305B
公开(公告)日：2025-02-11
申请号：CN202210606261.2
申请日：2022-05-31
Applicant: 电子科技大学长三角研究院(湖州) , 电子科技大学
Abstract: 本发明公开了一种用于对抗的增量式学习平衡推演方法，属于飞行行为识别和预测技术领域。本发明基于目标方的飞行轨迹信息，通过使用轨迹化差异度计算和基于缓冲区的双阈值差异度判别方法，可以使模型更高效地进行增量式学习，另一方面，本发明的样本混合处理保证了模型在学习新知识的同时，保留对旧知识的记忆。本发明可用于对无人机空中对抗演练过程中的博弈和复杂变化进行完备地推演。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.039 seconds)
