葡京娱乐场-富盈娱乐场开户

本發(fā)明公開(kāi)了一種動(dòng)平臺(tái)對(duì)空目標(biāo)雙色紅外異構(gòu)并行自動(dòng)目標(biāo)識(shí)別器，所述目標(biāo)識(shí)別器包括：交換式網(wǎng)絡(luò)與至少一個(gè)處理部件，所述處理部件與所述交換式網(wǎng)絡(luò)之間通過(guò)輸入 FIFO 接口、同步存儲(chǔ)器輸出接口以及控制線連接，所述交換式網(wǎng)絡(luò)用于動(dòng)態(tài)鏈接不同的所述輸入 FIFO 接口和所述同步存儲(chǔ)器輸出接口，所述處理部件用于完成自動(dòng)目標(biāo)識(shí)別過(guò)程中所需的各種算法功能，所述輸入 FIFO 用于緩存輸入的待處理圖像數(shù)據(jù)，所述同步存儲(chǔ)器輸出接口用于

本發(fā)明公開(kāi)了一種基于憶阻器的可編程模擬電路及其操作方法， 可編程模擬電路包括：阻變?cè)⒌谝浑娮琛⒌诙娮琛 型 MOS 管 和 P 型 MOS 管；第一電阻的一端作為可編程模擬電路的第一端口，阻 變?cè)囊欢伺c第一電阻的另一端連接，阻變?cè)牧硪欢俗鳛榭删?程模擬電路的第二端口；N 型 MOS 管的漏極和 P 型 MOS 管的漏極均 連接至阻變?cè)牧硪欢耍琋 型 MOS 管的源極和 P 型 MOS 管的源極 均

本發(fā)明公開(kāi)了一種光纖 EFPI 次聲波傳感器及次聲信號(hào)探測(cè)系 統(tǒng)。本發(fā)明與同類型的其他聲學(xué)探測(cè)方法相比，在換能器中采用聚合 物薄膜，并對(duì)聚合物薄膜的厚度和直徑進(jìn)行了優(yōu)化設(shè)計(jì)，使得傳感器 能探測(cè) 1～20Hz 的次聲波，且靈敏度高達(dá) 121mV/Pa。在換能器的聚合 物薄膜內(nèi)側(cè)中心粘貼鋁質(zhì)薄膜，并對(duì)鋁質(zhì)薄膜的厚度和直徑進(jìn)行了優(yōu) 化設(shè)計(jì)，不僅大幅提高了換能器的光學(xué)反射率，而且使聚合物薄膜的 中心振動(dòng)保持平穩(wěn)。本發(fā)明與傳統(tǒng)

? 氨式法HCN固定床反應(yīng)器是當(dāng)前應(yīng)用較多的由天然氣生成HCN的生成裝置，利用金屬鉑作催化劑，在1600℃高溫下反應(yīng)合成HCN。該反應(yīng)器對(duì)反應(yīng)溫度、氣體純度、氣體配比和流速等都有很高的要求。國(guó)際上先進(jìn)的氨式法反應(yīng)器的收率一般都在78~82％，而國(guó)內(nèi)該種反應(yīng)器在2000年之前的收率基本都只有45％左右，操作穩(wěn)定性差，存在一定的安全隱患。低收率造成該種反應(yīng)器在當(dāng)時(shí)使用普及度不高，也同時(shí)使HCN產(chǎn)品鏈主要依靠石化副產(chǎn)物的HCN，從而對(duì)產(chǎn)能有很大的約束。氨式法HCN固定床反應(yīng)器計(jì)算機(jī)優(yōu)化控制技術(shù)通

目前第一代完整的呼吸音采集設(shè)備已研發(fā)完畢，完全實(shí)現(xiàn)呼吸活動(dòng)的柔性無(wú)感持續(xù)智能監(jiān)測(cè)評(píng)價(jià)和適應(yīng)多場(chǎng)景下交互設(shè)計(jì)需求，提高醫(yī)療救護(hù)能力和應(yīng)急救援能力，減輕醫(yī)療及養(yǎng)老行業(yè)人力與經(jīng)濟(jì)運(yùn)營(yíng)成本，創(chuàng)新引領(lǐng)社會(huì)與經(jīng)濟(jì)發(fā)展。 圖1 技術(shù)路線 【技術(shù)優(yōu)勢(shì)】 (1) 基于駐極體薄膜的高靈敏度接觸式壓力傳感器 目前用于呼吸音及心音監(jiān)測(cè)的傳感器大多采用較硬的基底，難以適應(yīng)人體胸部曲線，不適合長(zhǎng)期可穿戴使用。因此，本成果基于駐極體的自驅(qū)動(dòng)壓力傳感器的自供能、響應(yīng)速度快和靈敏度高等優(yōu)勢(shì)，設(shè)計(jì)了一種用于可穿戴式聲音監(jiān)測(cè)的高靈敏度柔性駐極體壓力傳感器，以實(shí)現(xiàn)對(duì)人體呼吸音與心音地長(zhǎng)期、實(shí)時(shí)監(jiān)測(cè)。 圖2 部分成果展示 (2) 智能呼吸音監(jiān)測(cè)分析預(yù)警平臺(tái) 通過(guò)深入臨床大規(guī)模收集心音和呼吸音樣本、對(duì)病理性樣本進(jìn)行學(xué)習(xí)訓(xùn)練，對(duì)信號(hào)的模式識(shí)別進(jìn)行研究匹配，采用人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)兩種識(shí)別模式，對(duì)病理性聲音特征進(jìn)行分析得出智能化參考病癥分析。由于呼吸音信號(hào)的復(fù)雜性，同一種類型的呼吸音有不同人或是同一人在不同時(shí)間發(fā)出時(shí)，樣本數(shù)據(jù)不完全相同，傳統(tǒng)方法容錯(cuò)率與識(shí)別率極低。本成果將呼吸衰竭患者的呼吸音數(shù)據(jù)進(jìn)行分類識(shí)別和特征標(biāo)定，采用人工智能算法進(jìn)行測(cè)試和集訓(xùn)，實(shí)現(xiàn)為大數(shù)據(jù)分析提供數(shù)據(jù)參考。 (3) 呼吸音智能監(jiān)測(cè)預(yù)警系統(tǒng)的人機(jī)交互設(shè)計(jì) 通過(guò)分析多個(gè)智能呼吸音監(jiān)測(cè)預(yù)警操作系統(tǒng)的使用場(chǎng)景、認(rèn)知特點(diǎn)、輸入和輸出方式，歸納出它們?cè)诮换ピO(shè)計(jì)上的一般性的設(shè)計(jì)原則和設(shè)計(jì)缺陷。通過(guò)多學(xué)科的交叉，如人因功效學(xué)、設(shè)計(jì)語(yǔ)義學(xué)、設(shè)計(jì)美學(xué)、設(shè)計(jì)心理學(xué)等學(xué)科，進(jìn)行了全面整體的交互設(shè)計(jì)研究。 圖3 智能呼吸音診斷軟件界面 圖4 臨床人員操作軟件試用 【性能指標(biāo)】

本發(fā)明涉及一種表征太赫茲量子級(jí)聯(lián)激光器多模效應(yīng)的電路建模仿真方法，首先建立表征 THzQCL 有源層內(nèi)部載流子輸運(yùn)特性的多模速率方程組；接著建立表征ThzQCL內(nèi)部多模態(tài)效應(yīng)的物理方程模型； 然后通過(guò)變量代換和化簡(jiǎn)得到相應(yīng)的等效電路模型；建立表征 THzQCL 輸入端電氣特性的等效電路模型； 建立表征 THzQCL 輸出端光功率特性的等效電路模型；最后建立電路宏模型，包括一個(gè)電氣端口和一個(gè) 光功率輸出端口，基于電路宏模型進(jìn)行光電性能仿真和輸出光譜性能測(cè)試。本發(fā)明可測(cè)試溫度對(duì) THzQCL 各種光電性能的影響；可支持實(shí)現(xiàn)對(duì) THzQCL 光電性能和輸出多模效應(yīng)的模擬和仿真。 

本發(fā)明公開(kāi)了一種融合擴(kuò)張觀測(cè)器的超臨界火電機(jī)組機(jī)爐協(xié)調(diào)控制方法。首先根據(jù)1000MW超臨界火電機(jī)組的非線性模型，基于非線性分析的方法在機(jī)組的不同工況點(diǎn)建立多個(gè)局部線性模型。之后采用該組局部線性模型，設(shè)計(jì)了一種融合擴(kuò)張狀態(tài)觀測(cè)器的多模型預(yù)測(cè)控制器(MMPC)。通過(guò)擴(kuò)張狀態(tài)觀測(cè)器的引入，估計(jì)并補(bǔ)償了機(jī)組在不同通道內(nèi)的擾動(dòng)及模型不確定性，提升了預(yù)測(cè)控制器的擾動(dòng)抑制性能。本發(fā)明的算法能在保證控制系統(tǒng)全局穩(wěn)定的前提下實(shí)現(xiàn)機(jī)組負(fù)荷的大范圍跟蹤，并且具有良好的擾動(dòng)抑制性能。

本發(fā)明提出了一種基于改進(jìn)和聲搜索算法的無(wú)線傳感器網(wǎng)絡(luò)路由方法，包括以下步驟：Step1、初始化算法相關(guān)參數(shù) HMS、HMCR、PAR 以及評(píng)價(jià)次數(shù) eval_Nomax；Step2、利用輪盤賭初始化和聲記憶庫(kù) HM；Step3、評(píng)價(jià)和聲庫(kù)中各和聲路徑的適應(yīng)度；Step4、設(shè)置 eval_No＝0；Step5、設(shè)置 i＝0；Step6、產(chǎn)生候選和聲；Step7、eval_No++，若 eval_No＜eval_Nomax，執(zhí)行 Step8；否則執(zhí)行 Step11；Step8、對(duì)和聲庫(kù)中的第 i 條和聲 Xi＝{s,x2,…xj,…,d},進(jìn)行鄰域搜索；Step9、eval_No++，若 eval_No＜eval_Nomax，執(zhí)行 Step10；否則執(zhí)行 Step11；Step10、i++，若 i＜HMS，執(zhí)行 Step6；否則執(zhí)行 Step5；Step11、記錄和聲記憶庫(kù)中的最優(yōu)和聲路徑。本發(fā)明的路由方法具有較高的能效，并且能夠有效地延長(zhǎng)整個(gè)網(wǎng)絡(luò)的生命周期。

本發(fā)明屬于集成電路技術(shù)領(lǐng)域，具體為一種面向手勢(shì)識(shí)別的稀疏二值網(wǎng)絡(luò)激活圖像編解碼硬件加速器。本發(fā)明的硬件加速器包括：激活圖像編碼單元，編碼圖像存儲(chǔ)單元，編碼圖像解碼單元。該加速器針對(duì)稀疏二值網(wǎng)絡(luò)的激活圖像中存在大量相同向量進(jìn)行壓縮，這些相同的向量是由于二值化的手勢(shì)邊緣作為輸入所產(chǎn)生的，壓縮激活圖像可以有效地降低片上存儲(chǔ)容量，降低數(shù)據(jù)搬運(yùn)功耗，進(jìn)而降低芯片功耗；該加速器能夠?qū)嚎s后的激活圖進(jìn)行譯碼，在譯碼過(guò)程中跳過(guò)重復(fù)的計(jì)算，從而減少計(jì)算次數(shù)，提升計(jì)算速度，有效地提升硬件性能。本發(fā)明具有低功耗，低延時(shí)的特性，有效地降低硬件資源，提升硬件的能效比。

本發(fā)明屬于半導(dǎo)體存儲(chǔ)器技術(shù)領(lǐng)域，具體為一種基于二維半導(dǎo)體材料的電荷超注入存儲(chǔ)器及其制備方法。本發(fā)明通過(guò)存儲(chǔ)疊層能帶設(shè)計(jì)，在實(shí)現(xiàn)閃存的非易失性存儲(chǔ)特性；通過(guò)橫向電場(chǎng)設(shè)計(jì)以及器件的仿真模擬設(shè)計(jì)，利用二維半導(dǎo)體材料的原子級(jí)薄層特性，顯著增強(qiáng)最大橫向電場(chǎng)從而提升電荷的注入效率，實(shí)現(xiàn)存儲(chǔ)器中電荷的超注入機(jī)制，進(jìn)而實(shí)現(xiàn)閃存的亞納秒編程。本發(fā)明存儲(chǔ)器在維持十年數(shù)據(jù)保持能力的同時(shí)，大幅提升了電荷注入效率，將編程速度提升至亞納秒，為解決電荷存儲(chǔ)領(lǐng)域超快編程和長(zhǎng)保持時(shí)間無(wú)法共存的重大挑戰(zhàn)提供新的解決方案。