排序方式: 共有30条查询结果,搜索用时 15 毫秒
1.
开发了一种基于电镀铜锡合金薄膜的绝压气压传感器圆片级气密封装技术以降低常规的基于阳极键合气密封装技术的成本及难度。通过实验确定了铜锡合金薄膜的电镀参数,实现了结构参数为:Cr/Cu/Sn(30nm/4μm/4μm)的铜锡合金薄膜;通过共晶键合实验确定圆片级气密封装的参数,进行了基于铜锡材料的气密封装温度实验。通过比较各种不同温度下气密封装的结果,确定了完成圆片级气密封装的条件为:静态压力0.02 MPa,加热温度280°,保持20min。最后,对气密封装效果进行X-射线衍射谱(XRD)、X射线分析、剪切力以及氦气泄露分析等实验研究。XRD分析显示:在键合界面出现了Cu3Sn相,证明形成了很好的键合;X射线分析表明封装面无明显孔洞;剪切力分析给出平均键合强度为9.32 MPa,氦气泄露分析则显示泄露很小。得到的结果表明:基于电镀铜锡合金薄膜可以很好地实现绝压气压传感器的圆片级气密封装。 相似文献
2.
在介电泳研究中,缓冲液对微粒运动情况的影响是不可忽略的,而目前关于缓冲液的研究关注则较少.文章旨在研究缓冲液中的大分子与离子对介电泳操纵的贡献.通过观察酵母菌在不同成分、不同配比的缓冲液中的运动情况,说明了缓冲液中大分子成分的增加可以降低溶液电导率而在同样电导率的溶液中对微粒的介电泳操纵影响不大,而离子的增多会增大溶液电导率,而在同样的电导率下会增加介电泳对微粒操纵的困难程度. 相似文献
3.
针对微型光声光谱气体检测实验中背景噪声严重,微音器信号无法被准确提取的问题,借助计算机及其声卡设计了PAS传感器信号检测系统.首先,分析实验中锁相放大技术的基本原理,提出利用虚拟仪器技术实现光声信号检测的方法;通过分析实验中可虚拟化的仪器原理,最终利用LabVIEW开发出自动检测系统,实现了硬件仪器软件化,有效减少实验中硬件噪声源的存在,采样频率192 kHz,采样位数24 Bit,存储深度极大.结果与结论:结果表明它能从5 mV的噪声中提取0.1 mV的光声信号,误差为0.9%,能够很好的应用于光声试验中,满足稳定可靠、精度高、抗干扰能力强等实验要求. 相似文献
4.
5.
非接触式的医疗健康监测系统解决了用户依从性问题,避免了佩戴电极、传感设备进行监测带来的不舒适感,更有助于将健康监测融入日常生活。非接触式监测手段具有持续地监测用户健康状况的潜力,能够在突发急性医疗事件出现时及时示警,且能够满足新生儿、烧伤患者、传染病患者等特殊人群的监测需求。调频连续波(FMCW)雷达能够同时捕获雷达视场内目标的距离、速度信息,可用于非接触式地监测用户的心率、呼吸率等生理体征及跌倒等行为动作,且从技术上易于单片集成,成本可控,因此在医疗健康监测领域有着重要的应用价值。该文首先阐述了将FMCW雷达应用于非接触式医疗健康监测技术的理论基础,然后系统性地归纳了该领域中的典型前沿应用,最后总结了基于FMCW雷达的医疗健康应用这一领域的研究现状及局限性,并对其应用前景与潜在的研究方向进行了展望。 相似文献
6.
7.
常规生理参数监测系统由于测量时接触皮肤,因此舒适感差、个体依从性差。为解决上述问题,该文基于生理的微弱运动可致光纤微弯曲变形进而致光强度发生变化的原理,研制了新型的基于光纤传感的生理参数监测系统。该系统通过光探测器自适应地检测细小的光强变化获得心冲击图(BCG)信号,利用信号处理算法获取心率、呼吸率和体动等信息;把光纤嵌入床垫或坐垫设计为三明治结构,既保护了光纤又增强了系统的可靠性和稳定性;采用蛇形返折走线将光纤均匀地分布在垫子中间,使系统具有高灵敏度。通过多家医院临床标准方法对比测试可得在95%的置信区间(±1.96SD)内该系统心率均值误差为–0.26±2.80次/min,与标准值之间的相关性为0.9984;呼吸率均值误差为0.41±1.49次/min,与标准值之间的相关性为0.9971。实验表明,研制的系统可在零负荷的状态下无感进行生理参数测量,在健康医疗领域具有广泛的应用前景。 相似文献
8.
文中从金属应变式压力传感器的基本理论出发,以硅弹性膜铂应变电阻压力传感器为原型,推导了圆形和方形弹性膜片上电阻的变化率(dR/R)公式。通过比较,选用方形弹性膜为压力承压膜,以优化承压膜的宽厚比为出发点,用有限元方法对不同厚度方形膜片(宽度为2 mm)进行应力分析。由硅材料的屈服应力与最大位移的限制,确定了最优的膜厚范围;根据有限元仿真的结果对压力传感器进行优化设计,对所做压力传感器芯片进行测试,在6.00×104~1.06×105Pa的范围内,其精度优于50 Pa. 相似文献
9.
基于手工标记或传统机器学习方法实现睡眠分期过程复杂且效率低下,深度神经网络因其强大的提取复杂特征的能力改善了睡眠分期结果,但仍存在忽略片段内部信息相关性的问题。针对此问题,本文提出一种基于自注意力机制和单导联心电信号的自动睡眠分期算法,利用卷积模块、双向门控循环单元及自注意力机制实现特征自动提取与分类。在开源睡眠心脏健康研究数据库(SHHS1、SHHS2)、动脉粥样硬化的多民族研究数据库(MESA)和美国麻省理工的多导睡眠数据库(MITBPD)中分别选取1000、1000、1000和16名受试者的单导联心电信号数据进行训练和测试,得到模型睡眠四分类(觉醒、快速眼动期、浅睡眠和深睡眠)结果,分类准确率分别达到75.77%(kappa=0.63)、81.01%(kappa=066)、82.79%(kappa=0.71)和76.22%(kappa=0.58),优于基于传统机器学习算法的睡眠分期结果,验证了提出模型的有效性。 相似文献
10.