本發(fā)明涉及一種采用無源傳輸技術(shù)的局部交織時間域模數(shù)轉(zhuǎn)換器，包括：第一級粗量化模塊包括四通道并聯(lián)的3bitFlash時間數(shù)字轉(zhuǎn)換器，對輸入信號進行采樣和粗量化得到高位碼；級間時間余量生成模塊對應(yīng)連接四通道并聯(lián)的3bitFlash時間數(shù)字轉(zhuǎn)...

本發(fā)明公開了一種基于注意力轉(zhuǎn)移的文生圖擴散模型的后門檢測方法，包括：獲取輸入文本；將輸入文本輸入文生圖擴散模型的文本編碼器得到最后一層文本嵌入和最終的文本嵌入；根據(jù)最后一層文本嵌入得到的令牌之間的自注意力分數(shù)矩陣和起始令牌確定第一后門結(jié)...

本發(fā)明涉及基于角度參數(shù)的自適應(yīng)網(wǎng)格密度聚類雷達信號分選方法，包括：利用預(yù)處理后的雷達數(shù)據(jù)集，確定用于確定每維網(wǎng)格數(shù)量的多個動態(tài)聚類參數(shù)；基于多個動態(tài)聚類參數(shù)，依次進行數(shù)據(jù)分布空間劃分和類簇生成，得到多個預(yù)分選聚類簇；利用每個預(yù)分選聚類簇...

本發(fā)明公開了一種毫米波雷達數(shù)據(jù)管理方法及系統(tǒng)，屬于毫米波雷達數(shù)據(jù)處理與人工智能領(lǐng)域。該系統(tǒng)及方法包括：構(gòu)建通用實體模型，對用戶上傳的數(shù)據(jù)集進行自動化解析并結(jié)構(gòu)化入庫，同時建立數(shù)據(jù)處理與模型產(chǎn)出的血緣追溯關(guān)系；在統(tǒng)一架構(gòu)下集成了數(shù)據(jù)預(yù)處理...

本申請涉及雷達信號處理技術(shù)領(lǐng)域，特別涉及一種雷達訓(xùn)練數(shù)據(jù)集的自動化生成方法，包括：對獲取到的雷達回波圖像進行梯度計算，生成多個候選區(qū)域；基于船舶形態(tài)先驗知識計算候選區(qū)域的形狀匹配得分，計算候選區(qū)域的內(nèi)部信號的平均梯度幅值作為顯著性權(quán)重，...

本發(fā)明涉及一種應(yīng)用于超高速高精度DAC的重定時電路，包括對齊模塊、交叉點調(diào)節(jié)模塊、編碼模塊、相位檢測模塊和數(shù)字模塊，編碼模塊連接對齊模塊，相位檢測模塊連接交叉點調(diào)節(jié)模塊和編碼模塊，數(shù)字模塊連接相位檢測模塊和對齊模塊。本發(fā)明提供的電路結(jié)構(gòu)...

本發(fā)明提供一種基于CUDA的天基全鏈路光電成像仿真方法，解決現(xiàn)有技術(shù)計算復(fù)雜、仿真精度不足及硬件要求高的問題。方法包括：將目標(biāo)三維模型表面劃分為三角面元并計算各面元的目標(biāo)本征輻射散射數(shù)據(jù)；依據(jù)時空光譜參數(shù)及地表/云層/臨邊基礎(chǔ)模型庫，通...

本發(fā)明公開了一種基于多模態(tài)物理信息融合的故障監(jiān)測方法及裝置，包括：獲取選區(qū)激光熔融過程中的聲發(fā)射信號，將聲發(fā)射信號轉(zhuǎn)換為融合圖像，融合圖像包括聲發(fā)射信號的非線性動力學(xué)特征和空間特征；利用雙注意力卷積網(wǎng)絡(luò)和Mamba架構(gòu)，提取融合圖像的局...

本發(fā)明涉及一種低噪聲高電源抑制比的低壓差線性穩(wěn)壓器，所述電路包括LDO電路、LDO電流限電路、電壓基準(zhǔn)電路以及比較器電路。本發(fā)明首先電壓基準(zhǔn)電路產(chǎn)生基準(zhǔn)電壓，通過低通濾波電路，降低基準(zhǔn)輸出噪聲，即同時降低穩(wěn)壓器輸出噪聲；其次，通過比較器...

本發(fā)明公開了一種基于異構(gòu)用戶興趣遷移的新聞推薦系統(tǒng)及方法，涉及新聞推薦技術(shù)領(lǐng)域，采用深度遷移學(xué)習(xí)方法，利用用戶在源領(lǐng)域的歷史行為數(shù)據(jù)，實現(xiàn)用戶興趣在不同領(lǐng)域間的有效遷移與建模，從而提升目標(biāo)領(lǐng)域的推薦效果，本發(fā)明能夠充分利用用戶在源領(lǐng)域的...

本發(fā)明公開了一種基于多模態(tài)大語言模型和對比學(xué)習(xí)的人格特征預(yù)測方法、系統(tǒng)、設(shè)備、介質(zhì)及程序產(chǎn)品，其方法包括：先對樣本視頻進行預(yù)處理，獲得原始數(shù)據(jù)，基于原始數(shù)據(jù)提取樣本視頻的視覺、音頻和文本特征，再將視覺特征進行多層次視覺關(guān)聯(lián)，采用對比學(xué)習(xí)...

本發(fā)明公開了一種用于目標(biāo)價值與瞬變威脅評估的評估網(wǎng)絡(luò)模型訓(xùn)練方法，獲取用于進行目標(biāo)價值與瞬變威脅評估的訓(xùn)練數(shù)據(jù)集和預(yù)先構(gòu)建的深度殘差網(wǎng)絡(luò)模型；基于訓(xùn)練數(shù)據(jù)集和預(yù)先構(gòu)建的改進螢火蟲群優(yōu)化算法對深度殘差網(wǎng)絡(luò)模型的初始模型參數(shù)值進行迭代優(yōu)化，...

本發(fā)明公開了一種風(fēng)荷下柔性陣列天線方向圖區(qū)間估計方法，根據(jù)目標(biāo)柔性陣列天線的結(jié)構(gòu)參數(shù)以及材料屬性建立結(jié)構(gòu)有限元模型；基于多種預(yù)設(shè)風(fēng)速工況對結(jié)構(gòu)有限元模型進行分析，得到多種預(yù)設(shè)風(fēng)速工況下目標(biāo)柔性陣列天線的陣元變形數(shù)據(jù)；基于多種預(yù)設(shè)風(fēng)速工況...

本發(fā)明公開了一種研究超聲參數(shù)對空化效應(yīng)全過程影響的數(shù)值仿真方法，包括：在Fluent中構(gòu)建經(jīng)網(wǎng)格劃分的二維模型，所述二維模型為超聲換能器浸入水中的模型；在Fluent中添加基于氣液兩相流連續(xù)性方程的混合物模型和空化模型，并基于所述混合物...

本發(fā)明公開了一種快速閾值多方隱私集合求交方法，涉及數(shù)據(jù)安全技術(shù)領(lǐng)域。每個參與方利用布隆過濾器和公鑰pk將自身私有集合加密；作為服務(wù)器的參與方通過對所有參與方的加密布隆過濾器執(zhí)行同態(tài)加法，得到所有參與方的私有集合中所有元素的頻率信息；服務(wù)...

本發(fā)明提出了一種基于肌肉協(xié)同引導(dǎo)尖峰擴散模型的高密度肌電信號生成方法，實現(xiàn)步驟為：獲取訓(xùn)練樣本集；構(gòu)建肌肉協(xié)同引導(dǎo)尖峰擴散模型并對其進行迭代訓(xùn)練；獲取生成的高密度肌電信號。本發(fā)明肌肉協(xié)同引導(dǎo)尖峰擴散模型中的協(xié)同條件生成分支通過對訓(xùn)練樣本...

本發(fā)明公開了一種基于短時分數(shù)階的間歇采樣轉(zhuǎn)發(fā)干擾的識別與抑制方法，包括：對獲取到的間歇采樣轉(zhuǎn)發(fā)干擾信號對應(yīng)的回波信號進行短時分數(shù)階傅里葉變換，對得到的變換后的回波信號進行降維，并根據(jù)降維后的回波信號進行干擾識別，得到干擾識別結(jié)果；根據(jù)邊...

本發(fā)明公開了一種用于體內(nèi)產(chǎn)生CAR?M的膜融合脂質(zhì)體及其制備方法和應(yīng)用，涉及生物醫(yī)藥技術(shù)領(lǐng)域。所述膜融合脂質(zhì)體包括脂質(zhì)膜，以及所述脂質(zhì)膜包裹的帶有CAR的質(zhì)粒；所述脂質(zhì)膜包括DOTAP、DOPE、DSPE?PEG2000和CyBI7。本...

本發(fā)明公開了融合增量KD樹和圖卷積神經(jīng)網(wǎng)絡(luò)的干擾預(yù)測方法及裝置，包括：S1，提取稀疏歷史干擾樣本的時序特征；S2，根據(jù)增量KD樹模型構(gòu)建動態(tài)圖結(jié)構(gòu)捕捉稀疏歷史干擾樣本間的空間關(guān)系；S3，基于稀疏歷史干擾樣本間空間關(guān)系提取局部子圖輸入至圖...

本發(fā)明公開了一種面向極低照度的SPAD主動成像數(shù)據(jù)壓縮方法，包括：基于小波變換對單個像素的直方圖數(shù)據(jù)在時頻域上進行小波分解，獲得每個像素小波分解后的低頻數(shù)據(jù)；以每個像素為中心，利用相鄰像素對當(dāng)前像素小波分解后的低頻數(shù)據(jù)進行非極大值抑制和...