一种茶园松土开沟施肥覆土一体机

    公开(公告)号:CN118339960A

    公开(公告)日:2024-07-16

    申请号:CN202410468982.0

    申请日:2024-04-18

    Abstract: 本发明公开了一种茶园松土开沟施肥覆土一体机,包括机架和设置于机架的耙形松土机构、犁形开沟机构、螺旋施肥机构和覆土机构,犁形开沟机构与螺旋施肥机构之间设置第一联动组件,犁形开沟机构进行开沟动作时带动第一联动组件,螺旋施肥机构随第一联动组件的运动进行施肥动作。本发明适用于大小型茶园,能够一次进地可同时进行松土、开沟、施肥和覆土作业,可以根据车速可以自适应定量施肥,解决开沟与施肥不匹配的现象,提高工作效率和茶叶品质。本发明犁形开沟机构高度升降的同时由第二联动组件将出料口打开,调节开沟深度同时调节肥料出料量,并且与螺旋施肥机构同时进行调节施肥量,可以实现变量施肥。

    一种基于最大平行度的智能超表面辅助的信号源定位方法

    公开(公告)号:CN117156549A

    公开(公告)日:2023-12-01

    申请号:CN202311110275.6

    申请日:2023-08-31

    Abstract: 本发明属于无线电定位技术领域,具体涉及一种基于最大平行度的智能超表面辅助的信号源定位方法。利用智能超表面的相位可重构特性,构建零均值的相位系数,分离出用户‑接入点直达信道矩阵和用户‑智能超表面‑接入点级联信道张量,并分别与直达信道的阵列响应码本矩阵、级联信道的阵列响应码本张量做平行度运算,得到用户‑接入点、用户‑智能超表面的平行度空间谱,通过寻找空间谱峰值对应角度并用最小二乘方法估计出用户位置。相比于传统的需要进行二维谱峰搜索的2D‑MUSIC方法而言,本发明采用两次一维峰值搜索,大幅降低了计算与搜索复杂度;同时,本发明通过设置时变的智能超表面相位系数,利用时空的转化最大限度地开发了智能超表面的空间自由度。

    具有扬尘抑制功能的智能施肥装置

    公开(公告)号:CN116686507A

    公开(公告)日:2023-09-05

    申请号:CN202310804736.3

    申请日:2023-07-03

    Abstract: 本发明属于农业机器人技术领域,具体涉及具有扬尘抑制功能的智能施肥装置。装置包括:运输组件、抑尘施撒组件、预处理组件、固定组件和控制面板,运输组件的一端连接预处理组件,另一端连接抑尘施撒组件;运输组件用于执行肥料运输动作;抑尘施撒组件用于执行施撒和抑尘动作;预处理组件用于执行装载和打散动作;固定组件包括支架、抱箍、连接脚架和连接件;支架的一端与预处理组件连接,另一端与连接脚架连接;控制面板固定于支架上。本发明具有能够均匀施撒肥料,兼顾扬尘抑制,又能按照农户要求智能调节施肥量的特点。

    一种联合幅值和涡旋相位信息的涡旋电磁波束双模态检测方法

    公开(公告)号:CN116223923A

    公开(公告)日:2023-06-06

    申请号:CN202310233374.7

    申请日:2023-03-13

    Abstract: 本发明涉及电磁涡旋波携带轨道角动量OAM双模波束的检测技术,提供一种基于幅度信息和涡旋相位信息的OAM双模态波束的识别方法,针对现有的OAM研究主要是利用涡旋波束的涡旋相位来提取模态信息,而对振幅信息的关注较少的问题,首先通过计算接收波束双模相位梯度的平均值进而提取出较低的模态值,其次将模态相关信息通过一定的变换映射到幅值信息上,对接收的混合波束进行峰值滤波,提取出其波峰数,经推导表明,其数值等于两模态之间的数值差,通过对峰值滤波后的波峰数进行统计,将波束的幅值信息和涡旋相位信息结合起来,得到所检测波束的模态数,解决了双模态混合OAM波束的模态检测问题。

    一种智能反射面辅助的全向单天线接收机辐射源测向方法

    公开(公告)号:CN115980659A

    公开(公告)日:2023-04-18

    申请号:CN202211640117.7

    申请日:2022-12-20

    Abstract: 本发明属于辐射源测向技术领域,具体涉及一种智能反射面辅助的全向单天线接收机辐射源测向方法。该方案利用智能反射面对多径信号的重构能力,通过设计特殊的周期时变系数,弥补了全向单天线接收机无法估计辐射源来波方向的固有系统局限。针对慢变和快变的辐射信号源,分别构造了拟MUSIC空间谱和LS空间谱,实现了对辐射源方向的估计。在慢变辐射信号源的情况下,本发明具有与传统阵列天线接收机相近的估计精度;在快变辐射信号源的情况下,本发明虽然性能有所下降,但也具有较高的精度。同时由于不需要配置大量的射频链,接收机也无需与RIS相连,只需RIS维持给定周期变化的反射系数即可,大大降低了设备对于硬件设施的要求,具备更高的实用性。

    一种基于深度学习的端到端磁异常信号降噪方法

    公开(公告)号:CN115828069A

    公开(公告)日:2023-03-21

    申请号:CN202211707589.X

    申请日:2022-12-29

    Abstract: 发明名称一种基于深度学习的端到端磁异常信号降噪方法摘要本发明公开了一种基于深度学习的端到端磁异常信号降噪方法。首先,对磁异常信号进行小波分解和重构实现带通滤波,提取磁异常所在频段的信号;然后,利用正交基函数(OrthogonalBasisFunction,OBF)对信号分别进行分解,求解各个正交基上的分解系数;接着将各个正交基的分解系数作为多通道深度学习网络的输入,将对应的理想磁信号作为输出,训练得到一种端到端降噪网络模型;最后,利用训练好的降噪网络模型对磁信号进行处理,得到降噪后的磁异常信号。本方法综合利用基于小波分析的带通滤波、OBF分解、端到端的深度学习网络,对采集的磁信号进行特征提取提取和降噪,能够有效提高磁异常信号的信噪比。

    一种快速响应无外接电容型线性稳压器

    公开(公告)号:CN113377152A

    公开(公告)日:2021-09-10

    申请号:CN202110795163.3

    申请日:2021-07-14

    Abstract: 本发明涉及电子电路技术,具体涉及一种快速响应无外接电容型线性稳压器。电路包括偏置电路、输出电流调整环路、功率级和输出电压确定环路。可应用于片内SOC系统,支持3.3VDC—1.2VDC转换,满足低功耗应用场景。采用双功率管结构,提高了功率级的跨导和电源抑制比,同时降低输出阻抗,抑制瞬态响应的过冲;具有双环路控制的FVF电路架构,将输出电压确定环路和输出电流调整环路分开,在保证低静态功耗和提高电路的瞬态响应特性的同时,提高输出电压的精度;输出电流调整环路具有含线性跨导环的共源共栅中间级和Class‑AB输出级,增大环路增益,在保证功率管管具有大范围栅极电压调节能力的同时提高了其栅极电容的充放电速率,改善了电路的稳定性和瞬态响应特性。

    基于GP-VSMM-JPDA的扩展目标跟踪方法

    公开(公告)号:CN109633590B

    公开(公告)日:2020-09-29

    申请号:CN201910016323.2

    申请日:2019-01-08

    Abstract: 本发明提出基于GP‑VSMM‑JPDA的扩展目标跟踪方法。该发明首先采用期望模型扩展方法构建自适应模型集,并基于模型对扩展目标状态初始化。其次基于高斯过程建立扩展目标联合跟踪门以选择有效测量。然后将高斯过程与联合数据关联滤波器相结合,形成新的滤波器,用于更新各个扩展目标于不同模型下的状态和协方差。最后基于变结构交互式多模型方法,将各个扩展目标的状态和协方差进行融合,得到最终的状态估计。相比基于随机矩阵的交互式多模型(IMM‑RM)机动扩展目标跟踪方法,GP‑VSMM‑JPDA方法不仅能够在杂波环境中同时跟踪多个机动的非椭圆模型,并且能够准确估计目标形状,提供更多目标信息。

    一种可通过弯曲或扭转调控磁性及相关磁效应的材料及其制备方法和应用

    公开(公告)号:CN111210959A

    公开(公告)日:2020-05-29

    申请号:CN201911023357.0

    申请日:2019-10-25

    Abstract: 本发明涉及磁性材料领域,尤其涉及一种可通过弯曲或扭转调控磁性及相关磁效应的材料,其化学式为Ni50-aCoaMn35-bFebXc,其中12≤a≤17,0≤b≤10,5≤c≤20,X包括Sn、Ga、In、Si、Ge、Ti、Zr、Hf、V、Nb、Ta。该材料的制备方法如下:电弧熔炼高纯度原料得到NiMi基合金块体,将块体在真空下进行熔体快淬后得到相变薄带材料。本发明克服了现有技术中通过施加等静压调控磁性的方法效果单一,且可控性差、施压方式复杂、应用受到限制的缺陷,得到相变合金薄带能够具有在室温附近表现出较大的磁性调控以及大的磁热效应,能够有效应用于磁制冷过程之中,且可通过弯曲或扭转实现应变的输出,从而调控相变合金薄带的磁性及相关磁效应,有效扩展了应用前景。

    基于深度学习与双目摄像的自动驾驶目标检测系统及方法

    公开(公告)号:CN111079586A

    公开(公告)日:2020-04-28

    申请号:CN201911221852.2

    申请日:2019-12-03

    Inventor: 李勇 王海璐

    Abstract: 本发明提出一种基于深度学习与双目摄像的自动驾驶目标检测系统及方法,主要解决现有自动驾驶中目标检测精确度差以及定位物体准确性差,无法应对复杂路况的问题,其实现方案是:通过双目摄像机采集图像并附带点云信息,经数据线传输至图像处理模块进行实时检测,图像处理模块为利用深度神经网络训练数据后构建的检测模块,由其对采集到的图像进行处理实现定位、识别及分类,最后通过结果输出模块将分类结果拼接为视频并输出,完成自动驾驶中道路状况的检测。本发明提高了目标识别精准度,解决了自动驾驶在复杂路况中无法适应的问题,可用于自动驾驶与行车主动安全系统。

Patent Agency Ranking