-
-
公开(公告)号：CN115935822A
公开(公告)日：2023-04-07
申请号：CN202211615343.X
申请日：2022-12-15
申请人： 西安微电子技术研究所
IPC分类号： G06F30/27 , G06N3/08 , G06N3/0442 , G06F119/04 , G06F119/12
摘要： 本发明公开了一种计算机参数长期退化趋势预测方法、系统、设备及介质，在神经网络的训练过程中采用了Curriculum Learning训练方法，使用真实值输入和预测值输出来相结合的方式来训练模型，逐渐提升预测输入的占比，直至满足长期预测的需求。通过此种训练方式，在保证精度的同时，能够实现对于计算机关键参数长期的循环预测。在目前循环神经网络的基础上，对其训练方式进行改进，能够解决循环预测中误差累积的问题，实现更加准确和长期的趋势预测，从而给后续维护工作预留更长的准备时间。
-
公开(公告)号：CN115525452A
公开(公告)日：2022-12-27
申请号：CN202211174419.X
申请日：2022-09-26
申请人： 西安微电子技术研究所
摘要： 本发明公开了一种嵌入式计算机参数退化趋势智能化分析方法，通过获取测试设备的表征参数，首先对其进行预处理，根据预处理后的表征参数在各个测试温度场景下进行模型拟合，再获取各温度测试场景下测试设备的平均伪寿命，计算设备激活能，并获得目标温度下的加速因子。根据加速因子获得目标温度下的伪寿命，通过实时输入的真实参数值，进一步校正设备激活能从而调整目标温度的加速因子，获得在目标温度下设备更加精准的退化趋势，能够根据实时输入的采集数据及时调整退化过程预测曲线,实现对于嵌入式计算机长期贮存场景下的退化过程预估，解决了电子产品寿命维护评估的难题。
-
公开(公告)号：CN118837874A
公开(公告)日：2024-10-25
申请号：CN202410854220.4
申请日：2024-06-28
申请人： 西安邮电大学 , 西安微电子技术研究所
IPC分类号： G01S13/72
摘要： 本发明公开了一种基于变分贝叶斯和轴参数优化的交互多模型扩展目标跟踪方法，包括在交互多模型算法框架下，首先通过引入逆伽马分布对扩展目标量测进行建模，并对输入参数实施交互作用；然后利用卡尔曼更新公式和遗忘因子进行参数时间更新，同时基于变分贝叶斯算法对扩展目标参数进行迭代处理，得到扩展目标参数的估计结果；再基于特征分解的方法对量测散射矩阵进行分解，得到更精确的椭圆轴长二次估计结果；最后利用相邻时刻模型概率差异的指数级变化对马尔科夫转移概率矩阵进行更新，并将各滤波器的输出进行融合即得到扩展目标的状态估计结果。本发明对扩展目标的外形估计结果准确、精度高、鲁棒性强，可用于复杂环境下的扩展目标跟踪处理。
-
公开(公告)号：CN118523063A
公开(公告)日：2024-08-20
申请号：CN202410589952.5
申请日：2024-05-13
申请人： 西安微电子技术研究所 , 西北工业大学
IPC分类号： H01Q1/22 , H01Q5/25 , H01Q1/50 , H01Q1/48 , H01Q1/24 , H01Q1/28 , H01L25/07 , H01L23/31 , H01L23/48 , H01L23/485 , H01L23/66 , H01L21/56
摘要： 本发明公开了一种超宽带射频数字天线一体化收发微模组及方法，本一体化收发微模组包括一体化天线阵列层、射频前端层和数字处理层；一体化天线阵列层、射频前端层和数字处理层，基于TSV工艺由上至下堆叠，形成垂直互联的三维堆叠结构，在一体化天线阵列层、射频前端层和数字处理层的硅基板均设置了互联渐变结构件，实现了三维堆叠结构的超宽带互联匹配，实现了0.8‑40GHz超宽带匹配设计；采用本结构能够使得射频、数字、天线单元集成于一体，具有集成度高、可靠性高的优点；同时，本结构基于TSV的三维立体堆叠技术，实现射频、数字、天线不同功能层的独立设计，即实现小型化设计，又方便后续不同功能层的灵活立体集成，具有良好的推广应用价值。
-
公开(公告)号：CN117649516A
公开(公告)日：2024-03-05
申请号：CN202311606030.2
申请日：2023-11-28
申请人： 西安微电子技术研究所
IPC分类号： G06V10/25 , G06V10/82 , G06V10/774 , G06V10/776 , G06T7/277 , G06N3/0464 , G06N3/082
摘要： 本发明公开了一种基于Farneback光流法与时序神经网络的目标识别方法及相关设备，属于图像目标识别领域，本方法通过对训练图像和测试图像进行真实类别标记，得到训练样本集和测试样本集；构建联合利用目标空间信息和时序信息的微小目标识别网络，将训练样本集输入到微小目标识别网络并使用优化算法训练网络模型；待模型收敛后，将测试样本集输入到训练好的网络模型中，得到最终的识别结果；本方法不使用目标单一的空间信息，而是利用不同目标特性与图像特征之间的关联性，采用多帧图像的时序信息进行目标识别，提升微小目标识别准确度；相比传统的识别方法，采用本方法提高了在远距离观测条件下对微小目标的识别性能。
-
公开(公告)号：CN116776743A
公开(公告)日：2023-09-19
申请号：CN202310923651.7
申请日：2023-07-25
申请人： 西安微电子技术研究所
IPC分类号： G06F30/27 , G06F119/02
摘要： 本发明公开了一种基于域对抗的计算机关键参数退化预测方法及相关设备，属于嵌入式计算机关键参数预测技术领域，本方法采用双分支网络结构，即真实输入分支模型和渐进学习分支模型；渐进学习分支模型中，将预测值逐步加入训练样本，直至满足长期预测的需求；基于域对抗的训练方式进行改进，保证两个分支模型提取的特征彼此接近，最终通过输出的渐进学习分支模型完成对计算机关键参数退化趋势的精准预测；采用本方法能够解决循环预测中误差累积的问题，实现更加准确和长期的趋势预测，从而为后续维护工作预留更长的准备时间；本方法提高了预测的长期性，便于适时安排电子系统维护工作，保证了计算机工作的可靠性。
-
公开(公告)号：CN118627377A
公开(公告)日：2024-09-10
申请号：CN202410691522.4
申请日：2024-05-30
申请人： 西安微电子技术研究所
IPC分类号： G06F30/27 , G06N3/0442 , G06N3/08 , G06F17/16 , G06F17/18 , G06Q10/04 , G06F119/04
摘要： 本发明公开了一种基于寿命概率分布的整机退化预测方法及相关设备，属于计算机关键参数退化分析领域，本方法将当前时刻的整机退化序列输入至整机退化预测网络模型中，捕获时序数据中的关联关系，通过估计整机退化中高斯分布均值和方差以构建似然函数，再从似然函数所表示的联合分布中得到采样值以估计序列上每个时间戳的区间，从而实现输出当前时刻的整机退化预测结果的寿命概率分布，提高了预测准确性和抗干扰性；相比于传统的点预测的方法，采用本方法不但能够体现出退化的趋势性，更能体现出其随机性的特点；预测准确率提升效果显著。
-
公开(公告)号：CN117935237A
公开(公告)日：2024-04-26
申请号：CN202410108164.X
申请日：2024-01-25
申请人： 西安微电子技术研究所
摘要： 本发明公开了一种空间微小目标识别方法、系统、设备及存储介质，属于数据处理技术领域，方法包括从基于火箭行进过程中的空间目标图像中提取图像特征数据；将图像特征数据与帕累托模型参数进行混合初始化，随机产生初始解集，对初始解集进行克隆，生成的解形成克隆解集；对克隆解集进行变异操作，生成的解形成变异解集，变异解集与原始解集合并形成新的解集，对新的解集执行删除、更新解集后得到最终解集；根据最终解集中的图像特征完成对空间微小目标的识别。本方法能够快速精确识别火箭行进过程中的事件情况，便于火箭检测系统实时掌握火箭飞行状态。
-
公开(公告)号：CN117830857A
公开(公告)日：2024-04-05
申请号：CN202410117710.6
申请日：2024-01-26
申请人： 西安微电子技术研究所 , 西北工业大学
IPC分类号： G06V20/10 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于Atlas200DK的空间目标检测方法及相关设备，本方法基于Atlas200DK，采用将Resnet18作为骨干网络，替换了YOLO v3网络模型中的原始特征提取网络Darknet53，这一结合极大提升了模型的检测速率，同时，考虑了算法与处理器之间适配性的问题，通过将目标检测模型进行模型文件转换处理，保证优化后的算法能够正常执行，最终将获取到的空间目标图像输入至Atlas200DK支持的目标检测模型，经解析处理得到目标检测结果，通过对YOLO v3网络模型的优化以及适配性的调整，即使面对大量的数据时，依然能够保证模型的推理速度，达到了高速、低功耗的处理效果；采用本方法能够提高空间目标监视的处理速度和检测精度，满足了当前星载计算机系统对空间目标监视的高可靠性的要求。
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.035 秒)
