-
公开(公告)号：CN113111697A
公开(公告)日：2021-07-13
申请号：CN202011493152.1
申请日：2020-12-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种虚拟现实环境中三维静态图像的脑电信号识别系统及方法。该系统通过三维静态图像构建模块、脑电信号采集模块、机器学习模型训练模块和脑电信号识别模块。具体方法步骤包括：构建了包括刺激目标和非刺激目标的三维静态图像，采集被试者在三维虚拟现实环境中的脑电信号，训练机器学习模型，对脑电信号进行识别。本发明克服了现有技术中被试者易受到其他事物干扰导致采集到的脑电信号中包含噪声，刺激图片失真导致采集到的脑电信号为无效脑电信号的问题，使得本发明采集到的脑电信号包含噪声更少并且是有效的脑电信号，提高了脑电信号识别结果的精度和脑电信号采集的效率。
-
公开(公告)号：CN105516271A
公开(公告)日：2016-04-20
申请号：CN201510859345.7
申请日：2015-11-30
Applicant: 电子科技大学
CPC classification number: H04L67/2833 , G06F2209/547 , H04W4/70
Abstract: 本发明公开了一种业务处理系统、业务处理方法及装置，属于网络技术领域。所述系统包括：用户端和M2M平台系统；所述M2M平台系统包括第一M2M平台、第二M2M平台和服务本体数据库，所述服务本体数据库用于存储所述M2M系统中每个M2M平台的服务本体，所述服务本体用于描述M2M平台的服务的通用属性、服务能力和服务质量。本发明通过对M2M平台的语义化描述，使得M2M平台在进行服务调度的过程中，能够根据M2M平台的服务质量和服务能力选择最优可调用的M2M平台，从而能够加快M2M平台业务处理的速度，保证服务质量。
-
公开(公告)号：CN1831184A
公开(公告)日：2006-09-13
申请号：CN200510020476.2
申请日：2005-03-08
Applicant: 电子科技大学
IPC: C23C14/04
Abstract: 本发明提出了一种具有应力限制层的位移型铁电超晶格薄膜材料及其制备方法，该种材料结构上包括基片、缓冲层、位移型铁电超晶格薄膜和金属电极，与现有技术不同的是，该种材料在位移型铁电超晶格薄膜和金属电极之间还有一层应力限制层，应力限制层选用与位移型铁电超晶格薄膜具有类似晶格结构的、单晶格常数小于位移型铁电超晶格薄膜晶格常数的材料来制作。加入应力限制层之后的位移型铁电超晶格薄膜材料大大减小了位移型铁电超晶格薄膜的介电损耗，其损耗比同样厚度、同样工艺生长的BaTiO3/SrTiO3超晶格以及单层铁电薄膜BaTiO3都小一个数量级，并且铁电超晶格薄膜的剩余极化强度增加近四十倍。本发明所采用的制备方法主要是利用激光束外延生长技术依次生长缓冲层、位移型铁电超晶格薄膜和应力限制层，利用真空蒸发技术蒸镀金属电极。具体实施方式中，本发明选用的应力限制层材料为LaAlO3。
-
公开(公告)号：CN113128348A
公开(公告)日：2021-07-16
申请号：CN202110317542.1
申请日：2021-03-25
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种融合语义信息的激光雷达目标检测方法及系统，所述方法包括：对每一时间戳下的图像帧进行语义分割处理，获得语义分割分数；在每一帧点云数据中添加相应摄像机坐标下的图像RGB特征；将添加所述图像RGB特征的所述点云数据投影到分割网络的输出中，并将所述语义分割分数附加到所述点云数据中；对附加所述语义分割分数和所述图像RGB特征的所述点云数据进行基于图卷积的目标分类与3D框回归，获得目标位置框和目标类别。解决了现有技术中存在对目标的特征的检测效果不够准确，进而导致对车辆、行人的目标检测不够准确和高效的技术问题。
-
公开(公告)号：CN105516271B
公开(公告)日：2018-10-19
申请号：CN201510859345.7
申请日：2015-11-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种业务处理系统、业务处理方法及装置，属于网络技术领域。所述系统包括：用户端和M2M平台系统；所述M2M平台系统包括第一M2M平台、第二M2M平台和服务本体数据库，所述服务本体数据库用于存储所述M2M系统中每个M2M平台的服务本体，所述服务本体用于描述M2M平台的服务的通用属性、服务能力和服务质量。本发明通过对M2M平台的语义化描述，使得M2M平台在进行服务调度的过程中，能够根据M2M平台的服务质量和服务能力选择最优可调用的M2M平台，从而能够加快M2M平台业务处理的速度，保证服务质量。
-
Patent Agency Ranking
公开(公告)号：CN105629989B
公开(公告)日：2018-04-17
申请号：CN201511000189.5
申请日：2015-12-28
Applicant: 电子科技大学
IPC: G05D1/10
Abstract: 一种基于最小外包圆和最大内接圆的障碍区域划分方法，根据运动物体的速度与航向得出运动物体最大转向曲线；载入地图m个障碍区，根据初始规划粒度N将障碍区划分为N个分区，对每个分区都生成最小外包圆和最大内接圆；从运动物体当前位置对两类圆都分别作切线，切线所围成的区域分别定义为当前禁行区和受限区均为m*N个，再分别取并集得到当前总禁行区和总受限区，这两类区域以外为安全区；判断运动物体最大转向曲线与两类圆的切线是否存在交点，再根据障碍威胁度判断粒度N是否需要增大；高威胁度障碍只允许在安全区做规划，一般威胁障碍允许在部分受限区和安全区做规划；输出前当前总可规划区、总受限区和总禁行区的区域划分。
-
公开(公告)号：CN100398690C
公开(公告)日：2008-07-02
申请号：CN200510020476.2
申请日：2005-03-08
Applicant: 电子科技大学
IPC: C23C14/04
Abstract: 本发明提出了一种具有应力限制层的位移型铁电超晶格薄膜材料及其制备方法，该种材料结构上包括基片、缓冲层、位移型铁电超晶格薄膜和金属电极，与现有技术不同的是，该种材料在位移型铁电超晶格薄膜和金属电极之间还有一层应力限制层，应力限制层选用与位移型铁电超晶格薄膜具有类似晶格结构的、单晶格常数小于位移型铁电超晶格薄膜晶格常数的材料来制作。加入应力限制层之后的位移型铁电超晶格薄膜材料大大减小了位移型铁电超晶格薄膜的介电损耗，其损耗比同样厚度、同样工艺生长的BaTiO3/SrTiO3超晶格以及单层铁电薄膜BaTiO3都小一个数量级，并且铁电超晶格薄膜的剩余极化强度增加近四十倍。本发明所采用的制备方法主要是利用激光束外延生长技术依次生长缓冲层、位移型铁电超晶格薄膜和应力限制层，利用真空蒸发技术蒸镀金属电极。具体实施方式中，本发明选用的应力限制层材料为LaAlO3。
-
公开(公告)号：CN1594670A
公开(公告)日：2005-03-16
申请号：CN03135790.3
申请日：2003-09-09
Applicant: 电子科技大学
Abstract: 本发明的目的是提供一种C－轴择优取向单晶ZnO六棱微管的制备方法，本发明目的实现是通过一种前驱物利用水热合成方法制备C－轴择优取向单晶ZnO六棱微管，所述的前驱物是指锌盐或锌酸盐，包括醋酸锌或醋酸锌基化合物等。采用本发明的方法所制备的ZnO微管为单晶管，且与ZnO单晶的六方纤锌矿晶体结构具有相同的完整六棱结构，其C－轴(0002)沿管的轴方向取向，本发明所采用水热合成技术方法具有工艺简单、设备成本、所用前驱体合成容易、制成品重复性、一致性好的特点。
-
公开(公告)号：CN113128348B
公开(公告)日：2023-11-24
申请号：CN202110317542.1
申请日：2021-03-25
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种融合语义信息的激光雷达目标检测方法及系统，所述方法包括：对每一时间戳下的图像帧进行语义分割处理，获得语义分割分数；在每一帧点云数据中添加相应摄像机坐标下的图像RGB特征；将添加所述图像RGB特征的所述点云数据投影到分割网络的输出中，并将所述语义分割分数附加到所述点云数据中；对附加所述语义分割分数和所述图像RGB特征的所述点云数据进行基于图卷积的目标分类与3D框回归，获得目标位置框和目标类别。解决了现有技术中存在对目标的特征的检测效果不够准确，进而导致对车辆、行人的目标检测不够准确和高效的技术问题。
-
公开(公告)号：CN112528815A
公开(公告)日：2021-03-19
申请号：CN202011408091.4
申请日：2020-12-05
Applicant: 西安电子科技大学
Abstract: 一种基于多模态信息融合的疲劳驾驶检测方法。该方法通过同时采集脑电信号、面部图像和车辆行驶车道图像，分别构建并训练卷积神经网络，采集待检测数据输入到训练好的卷积神经网络中进行初步预测，综合各初步预测结果融合判定驾驶人是否处于疲劳状态。具体步骤包括：生成训练集，分别构建并训练脑电信号分类、定位眼睛和嘴巴区域、判断眼睛和嘴巴开合状态、定位车道线位置的卷积神经网络，采集待检测数据，初步预测疲劳驾驶状态，融合判定驾驶人疲劳状态。本发明克服了驾驶人疲劳状态判断依据模态单一，表征驾驶人疲劳状态不全面的问题，具有较好的鲁棒性和稳定性，提高了疲劳驾驶检测的精度。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.025 seconds)
