-
公开(公告)号:CN118173616A
公开(公告)日:2024-06-11
申请号:CN202410194047.X
申请日:2024-02-21
Applicant: 西安电子科技大学
IPC: H01L29/872 , H01L29/205 , H01L29/06 , H01L29/417 , H01L21/28 , H01L21/329
Abstract: 本发明涉及一种具有双沟道双肖特基的金属混合阳极二极管及制备方法,二极管包括层叠设置的衬底层、缓冲层、第一沟道层、第一势垒层、第二沟道层、第二势垒层和钝化层,第一阳极的下端设置在位于第一沟道层的第一端的第一阳极凹槽内,第二阳极的下端设置在位于第一势垒层的第一端的第二阳极凹槽内,第三阳极设置于第二阳极上,阴极的下端设置在位于第一沟道层的第二端的阴极凹槽内。本发明的金属混合阳极二极管拥有较低的开启电压,并且导通时可以提供较大的正向电流,较低的导通电阻,同时可以有效降低二极管的正向导通电阻,提高正向导通电流密度。
-
公开(公告)号:CN117442217A
公开(公告)日:2024-01-26
申请号:CN202311214306.2
申请日:2023-09-19
Applicant: 西安电子科技大学
Inventor: 万波 , 李圭印 , 苏柯嘉 , 刘锦辉 , 杨鹏飞 , 乔寒冰 , 李昕泰 , 霍继旺 , 赵辉 , 罗楠 , 王笛 , 王义峰 , 刘刚 , 王泉 , 艾俊利 , 樊璐 , 刘凯
IPC: A61B5/389
Abstract: 本发明公开了一种基于表面肌电信号的可穿戴上肢肌肉负荷强度评估方法。主要解决现有技术适用性差和肌肉负荷强度评估不准确的问题。其实现方案是:结合定性评估的RULA量表和定量评估的表面肌电信号,建立上肢姿态到肌电信号再到负荷强度的映射关系;构建高集成度可自定义扩展的低功耗可穿戴信号采集设备,以采集人体上肢信号;基于迁移学习和上肢信号建立适用不同用户的高鲁棒性神经网络模型,以评估用户的肌肉负荷强度;搭建肌肉负荷强度评估可视化平台,以展示上肢信号和肌肉负荷强度评估结果。本发明增提高了可穿戴设备的便携性、集成度和能耗比,提升了对不同人群上肢肌肉负荷强度评估的整体准确度,可用于评估人体上肢肌肉负荷强度等级。
-
公开(公告)号:CN117352547A
公开(公告)日:2024-01-05
申请号:CN202311309518.9
申请日:2023-10-10
Applicant: 西安电子科技大学
IPC: H01L29/778 , H01L29/06 , H01L21/335
Abstract: 本发明提供了一种具有刻蚀停止层的p‑GaN有源钝化GaN HEMT器件及其制备方法。其中,GaN HEMT器件,包括:自下而上依次设置的衬底层、GaN缓冲层、GaN沟道层和AlGaN势垒层;沿AlGaN势垒层的上表面设置有源极和漏极;源极和漏极位于AlGaN势垒层的两端;在源极和漏极之间的目标区域自下而上设置有宽度相同的p‑GaN有源钝化层和渐变Al组分AlGaN刻蚀停止层;在渐变Al组分AlGaN刻蚀停止层上的部分区域设置有p‑GaN层,在p‑GaN层上的部分区域设置有栅极;沿漏极内侧壁至源极内侧壁所经过表面覆盖有预设厚度的SiN钝化层,且SiN钝化层未覆盖栅极。通过在p‑GaN有源钝化层和p‑GaN层之间插入渐变Al组分AIGaN刻蚀停止层,利用AIGaN和p‑GaN的不同刻蚀选择比使得p‑GaN层在刻蚀过程中能够实现自停止刻蚀,提高了器件的一致性。
-
公开(公告)号:CN116912520A
公开(公告)日:2023-10-20
申请号:CN202310919325.9
申请日:2023-07-25
Applicant: 西安电子科技大学
IPC: G06V10/58 , G06V10/774 , G06V10/82 , G06N3/0464 , G06V10/80 , G06T9/00
Abstract: 本发明公开了一种基于空谱特征提取的高光谱端到端压缩方法,主要解决现有高光谱图像压缩方法不能充分利用高光谱图像光谱信息提取光谱特征的问题。其实现方案是:将现有高光谱数据集划分为训练集和测试集,并对训练集进行扩充;构建包括空谱特征提取模块、空谱特征融合编码模块、熵模型、空谱特征融合解码模块和空谱特征恢复模块组成的基于空谱特征提取的高光谱端到端压缩网络及其损失函数;将训练集按批量大小分别平分为多个图像组,并依次循环输入多次,直到损失函数收敛完成训练;将测试集输入到训练好的压缩网络,得到重建的高光谱图像。本发明能分别提取空间特征和光谱特征,有效提高高光谱图像压缩效率,可用于遥感高光谱图像的处理。
-
公开(公告)号:CN116864531A
公开(公告)日:2023-10-10
申请号:CN202310891975.7
申请日:2023-07-19
Applicant: 西安电子科技大学
IPC: H01L29/778 , H01L21/335 , H01L29/06
Abstract: 本发明涉及一种具有渐变凹槽终端的高电子迁移率晶体管及制备方法,晶体管包括:从下至上依次层叠设置的衬底层、缓冲层、第一沟道层和第一势垒层;N层依次层叠设置在部分第一势垒层的第一组合子层,每层第一组合子层包括层叠设置的第二势垒层和第二沟道层;N层依次层叠设置在部分第一势垒层的第二组合子层,每层第二组合子层包括层叠设置的第三势垒层和第三沟道层,从最下层的第1层第二组合子层至最上层的第N层第二组合子层中靠近第一组合层的一端呈层阶梯状结构设置。本发明通过在器件的栅极靠漏极边缘处引入渐变凹槽深度的终端结构来分散电场峰值,使得偏压较高时器件中的电场分布更加均匀,进而实现更高的击穿电压。
-
公开(公告)号:CN115147684A
公开(公告)日:2022-10-04
申请号:CN202210834491.4
申请日:2022-07-14
Applicant: 西安电子科技大学
IPC: G06V10/774 , G06V10/82 , G06V10/80 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的目标打击效果评估方法,旨在解决现有技术仅仅适用于水炮的打击效果评估,对于其他非流体武器,射流与其他刚体具有较大差异的问题,以及只考虑到最终的打击效果,没有做到过程中的实时打击状态分析的问题。本发明的实现步骤包括:生成模拟打击红外目标的训练集和测试集;训练卷积神经网络CSPDarknet53;对测试集的每张图片进行目标检测;更新状态机中目标信息;判定每个被打击目标的打击效果。本发明具有对于刚体可以进行准确地分析运动状态的优点和能够实时、完整提供打击状态的优点。
-
公开(公告)号:CN113936325A
公开(公告)日:2022-01-14
申请号:CN202111354247.X
申请日:2021-11-12
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于深度耦合自编码的人脸画像合成方法,实现步骤为:划分人脸照片‑画像对训练样本集、测试样本集;构建并训练人脸照片耦合自编码器和人脸画像耦合自编码器;生成人脸照片、人脸画像的隐藏表示集;构建并训练深度耦合自编码器;构建并训练优化人脸画像合成网络;将人脸画像候选块集合中人脸组成部分融合形成人脸画像。深度耦合自编码器在对人脸照片编码器对每幅人脸照片进行编码得到的隐藏表示非线性映射为人脸画像的隐藏编码时,不会丢失具有特定身份信息的人脸特征,避免了现有技术直接从照片端到画像端的深度学习模型导致合成画像存在失真或噪声的缺陷,人脸画像不易产生形变,有效提高了合成人脸画像的的相似度。
-
公开(公告)号:CN113436121A
公开(公告)日:2021-09-24
申请号:CN202110721567.8
申请日:2021-06-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于ARM‑NEON扩展指令集的图像直方图统计方法。其实现步骤为:通过图像直方图统计范围计算图像直方图中每个灰度级的临界点;使用NEON扩展指令集128位寄存器设置图像直方图中每个灰度级的临界点寄存器;统计源图像所有像素点的图像直方图;将图像直方图结果存入数组pHist中。本发明采用基于ARM架构的单指令多数据流(SIMD)扩展的NEON指令集,将源图像中单个数据操作扩展为一组数据进行矢量操作,减少了复杂图像进行图像直方图统计时的冗余计算,极大降低了循环中的分支预测对CPU资源的消耗,进而提高图像直方图的统计效率。
-
公开(公告)号:CN107194344B
公开(公告)日:2020-06-05
申请号:CN201710344361.1
申请日:2017-05-16
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种自适应骨骼中心的人体行为识别方法。主要解决现有技术动作识别精度低的问题。其实现步骤是:1)从骨骼序列数据集中获取三维骨架序列,并对其进行预处理,得到坐标矩阵;2)根据坐标矩阵选择特征参数,自适应选择坐标中心,重新对动作进行归一化,得到动作坐标矩阵;3)通过DTW方法对动作坐标矩阵进行降噪处理,借助FTP方法减少动作坐标矩阵时间错位和噪声问题,再使用SVM进行对动作坐标矩阵进行分类。本发明相比于现有的行为识别方法,有效地提高了识别精度。可应用于监控、视频游戏和人机交互。
-
公开(公告)号:CN106846366B
公开(公告)日:2020-04-07
申请号:CN201710038477.2
申请日:2017-01-19
Applicant: 西安电子科技大学
IPC: G06T7/246
Abstract: 本发明公开了一种使用GPU硬件的TLD视频运动目标跟踪方法,解决了现有技术跟踪性能不高和不具有实时处理能力的问题。本发明实现的步骤:(1)获取灰度图像;(2)判断灰度图像是否是待跟踪视频中的第1帧图像;(3)确定初始运动目标位置矩形框;(4)获得灰度图像元;(5)追踪灰度图像元特征点;(6)筛选灰度图像的图像元;(7)对灰度图像的图像元滤波;(8)确定运动目标位置矩形框;(9)训练分类器;(10)判断是否加载完待跟踪视频的所有帧图像;(11)结束目标跟踪。本发明可用在通用计算机上实现对视频中的运动目标进行实时跟踪。
-
-
-
-
-
-
-
-
-