-
公开(公告)号：CN110704259A
公开(公告)日：2020-01-17
申请号：CN201910846939.2
申请日：2019-09-09
Applicant: 桂林电子科技大学
Abstract: 本发明涉及一种高效的数字微流控生物芯片测试路径优化方法，解决的是随机搜索方向上的盲目性高的技术问题，通过采用步骤一，定义测试芯片的阵列单元为顶点，相邻顶点用边连接，将测试芯片变换为无向连通图，完成测试模型构建；对无向连通图中的每一条边分配一个不同的小数，用于表征边的优先级等级；步骤二，定义优先级策略作为路径选择策略，利用所述优先级策略生成一条遍历边的路径为测试路径，测试路径为遍历边所依次走过的顶点集合；步骤三，对步骤二的测试路径，利用遗传算法优化测试路径；优先级策略包括离线测试优先级策略以及在线测试优先级策略的技术方案，较好的解决了该问题，可用于数字微流控生物芯片测试中。
-
公开(公告)号：CN110557216A
公开(公告)日：2019-12-10
申请号：CN201910796410.4
申请日：2019-08-27
Applicant: 桂林电子科技大学
IPC: H04J3/06 , H04L12/933
Abstract: 本发明公开了一种基于片上网络的高速数据体系结构及数据传输方法，包括模数转换芯片资源节点、资源网络接口、路由器和万兆以太网资源节点，所述模数转换芯片资源节点，用于采集外部信号的数据，并通过所述资源网络接口传输至所述路由器；所述路由器，用于接收所述数据，并将所述数据通过链路通道传输至下一个所述路由器；所述万兆以太网资源节点，用于接收下一个所述路由器发送的所述数据至交换机；实现提高片上网络的数据传输速度。
-
公开(公告)号：CN110544523A
公开(公告)日：2019-12-06
申请号：CN201910799705.7
申请日：2019-08-28
Applicant: 桂林电子科技大学
Abstract: 本发明专利提出一种属于医学影像和医学图像处理领域，本发明是一种用于卷积神经网络训练的假彩色医学图像合成方法，获取医学数字成像和通信文件中的数据值；将所述数据值进行前期预处理，得到体重摄取值；将至少一个体重摄取值的值区间映射至0-255灰阶，得到第一数量组值区间，所述体重摄取值计算后的值位于0-40，所述体重摄取值得到第一数量组映射值；选取第二数量组所述映射值赋值到RGB颜色系统，所得映射值放入RGB颜色系统得到假彩色图像，所得假彩色图像就能用于卷积神经网络训练。
-
公开(公告)号：CN109581203A
公开(公告)日：2019-04-05
申请号：CN201811321491.4
申请日：2018-11-07
IPC: G01R31/316
CPC classification number: G01R31/316
Abstract: 本发明公开了一种基于遗传算法的测后仿真故障诊断方法，首先测量得到模拟电路在不同频率激励信号下测点处的输出电压，然后分析得到模拟电路的传输函数和模糊组，每个模糊组选择一个代表性故障元件，初始化种群时每个代表性故障元件对应一个分种群，代表性故障元件参数值在对应分种群的个体中在故障范围内取值，其他故障元件在容差范围内取值，每次迭代时首先对每个分种群分别进行交叉、变异生成子种群，与父种群合并后，再根据目标函数值优选得到下一代种群，最后一代种群中最优个体中参数值位于故障范围内的代表性故障元件即为故障诊断结果。本发明可以有效提高故障诊断准确率。
-
公开(公告)号：CN109188967A
公开(公告)日：2019-01-11
申请号：CN201811010946.0
申请日：2018-08-31
Applicant: 桂林电子科技大学
IPC: G05B19/042
Abstract: 本发明提出一种基于片上网络的任意波形发生系统，该波形发生系统包括上位机和片上网络波形发生器模块；所述片上网络波形发生器模块包括片上网络通信架构模块、资源网络接口模块、波形输出资源节点、以太网资源节点、NIOS II软核、存储器资源节点和波形设置资源节点；所述片上网络通信架构模块通过资源网络接口模块NI分别与波形输出资源节点、以太网资源节点、NIOS II软核、存储器资源节点、波形设置资源节点相连接。所述以太网资源节点通过以太网资源网络接口接收来自PC上位机的数据或命令，或发送系统状态等信息到PC上位机。
-
Patent Agency Ranking
公开(公告)号：CN106650074A
公开(公告)日：2017-05-10
申请号：CN201611150946.1
申请日：2016-12-14
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于遗传蚁群融合算法的数字微流控芯片灾难性故障测试方法，其特征在于，包括以下步骤：S1.建立数字微流控芯片的灾难性故障测试模型；S2.得到初步测试路径并设置最大最小蚁群算法的初始信息素上下界和信息素初始值；S3. 搜索最终测试路径并输出结果。这种测试方法不但能改善单一蚁群算法收敛性差的问题，而且提高测试算法的执行效率，并且能快速求得测试路径，这种测试方法能够检测出相邻电极短路故障，且兼容规则与非规则阵列芯片的测试，更有利于应用于大规模芯片的测试。
-
公开(公告)号：CN106503333A
公开(公告)日：2017-03-15
申请号：CN201610918068.7
申请日：2016-10-20
Applicant: 桂林电子科技大学
CPC classification number: G06F17/5013 , G06F11/3684
Abstract: 本发明公开一种三维片上网络测试规划方法，结合3D NoC测试的特点建立一种时间Petri网模型，将变迁激发序列作为并行测试任务规划方案，通过改进的两级递阶蝙蝠算法，在测试路径分配基础上进行顺序调度优化，将测试资源合理有效的分配给各IP核。本发明采用的模型直观的描述了3D NoC测试规划问题，可以有效降低3D NoC测试时间、提高测试效率、保证测试有效性。本发明的测试规划算法在解的质量、收敛速度方面具有一定的优势，能有效提高并行测试的效率，降低测试时间。
-
公开(公告)号：CN105403740A
公开(公告)日：2016-03-16
申请号：CN201510918195.2
申请日：2015-12-11
Applicant: 桂林电子科技大学
IPC: G01R1/28
CPC classification number: G01R1/28
Abstract: 本发明公开了一种外控式信号发生器，包括有主控电路、信号发生电路、幅度调节电路和串口电路，主控电路通过串口电路接收外控装置发出的指令，并根据指令控制信号发生电路产生相应的信号，信号经幅度调节电路进行幅度调节后，输入至外部待测仪器的检测输入端。只要外控装置具备指令接收发送功能，即可对多个主控电路进行控制，本发明控制部分与信号产生部分分开，大大减少了重量，因此，进行批量仪器检测时，能大大提高检测效率；主控电路、信号发生电路以及幅度调节电路中芯片和外围电路的选择，具备与现有信号处理器相同甚至更好的处理能力和稳定性，能提供相同甚至更高精度等级的信号。
-
公开(公告)号：CN119279574A
公开(公告)日：2025-01-10
申请号：CN202411479240.4
申请日：2024-10-23
Applicant: 桂林电子科技大学
IPC: A61B5/145 , A61B5/053 , G06F18/27 , G06F18/214 , G06F18/243 , G06F18/25 , G06F18/2113 , G06F18/21 , G06N5/01 , G06N20/20
Abstract: 本发明涉及一种生物电阻抗谱法无创血糖检测方法，涉及无创血糖检测技术领域。该方法首先使用生物电阻抗传感器获取人体前臂的生物电阻抗谱，然后使用提出的基线校正方法减小不同被试和会话间生物电阻抗的差异，最后基于Optuna超参数优化算法将样本扩充和平衡，频率和特征选择以及回归模型建立整合到一个评价指标之中，实现超参数的整体优化。具体来说，使用基于K近邻结合克拉克误差网格评价指标和样本密度加权的数据生成方法同时解决样本量小和血糖极值估计偏差大的问题。其次，根据数据结构的先验信息，使用带有权重比例阈值的稀疏组最小绝对收缩和选择算子同时选择对建模贡献最大的频率和特征。最后选择使用集成学习算法XGBoost建立最终的模型。这样的整体优化方法提高了模型的鲁棒性和估计结果的准确率。
-
公开(公告)号：CN114587307B
公开(公告)日：2024-08-09
申请号：CN202210251624.5
申请日：2022-03-15
Applicant: 桂林电子科技大学
IPC: A61B5/021 , A61B5/00 , A61B5/318 , A61B5/0295 , A61B5/352
Abstract: 本发明公开了一种基于电容耦合电极的非接触血压检测仪及方法，电容耦合激励电极和电容耦合测量电极贴附于人体手臂衣物外侧进行阻抗容积特性检测；电容耦合测量电极与电容耦合参考电极贴附于人体心胸部衣物外侧进行心电图信号检测；心电与阻抗容积信号测量模块用于同步采集电容耦合阻抗容积率（CCIPG）信号和电容耦合心电图（CCECG）信号；数据采集模块用于将接收到的胸导联CCECG、手臂CCIPG信号转化为数字信号并传输给控制器，使得控制器得到测量者的电容耦合心电图波形和阻抗容积率波形图；特征提取模块用于获取脉搏波传导时间（PWTT）；阻抗容积特征参数计算模块用于获取人体血流动力学参数；PTT血压计算模块用于计算血压值1；PTT融合阻抗容积参数的机器学习模块用于将人体血流动力学参数与血压值1作为样本数据进行学习训练，进行最终血压模型的建立；血压预测模块用于人体血压值的预测，从而可以实现血压的实时监测与心血管健康状态的分析，不需要将电极直接贴附于皮肤，不会引起测量者的不适，可广泛用于人体健康监测等领域。
-
-
-
-
-
-
-
-
-
Search Results
195
records
(took 0.028 seconds)
