980nm半导体激光器可靠性的研究现状分析

本文介绍了提高980nm半导体激光器可靠性的几种方案，并做了综合评述。进一步介绍了离子辅助镀膜技术在提高980nm激光器可靠性方面的应用。     

无线Ad hoc 网络及其研究难点

无线Ad hoc网络作为没有基础设施的网络，在军事和民用方面具有广阔的应用前景，是目前网络研究中的热点问题。本文对无线Ad hoc网络进行了详细的论述，指出了目前研究中存在的一些难点。     

认知无线电中基于状态转移概率的感知时隙优化算法

为了在感知性能与系统传输效率之间对感知时隙长度进行有效折衷,在对授权信道当前分别为"占用"和"空闲"状态时的感知时隙长度与状态转移概率之间的关系进行分析的基础上,提出了一种基于授权信道状态转移概率预测的感知时隙长度优化算法。该算法能够保证在感知过程中始终用最小的感知时隙长度来满足系统对感知性能的最低要求,以最大化认知系统的能量效率与传输效率。     

复杂结构薄壁异形零件数控加工技术初探

航空机载设备因为对重量和空间尺寸有严格的要求,用到了许多复杂结构薄壁异形零件,这些零件结构刚性差,形状不规则,多由复杂曲面组成,只能使用UG等三维软件数控编程加工.为合理加工复杂结构薄壁异形零件,从工艺方法、数控编程、仿真检测、工装夹具、切削参数等方面对此类零件的数控加工进行了初步探讨,总结了复杂结构薄壁异形零件数控加...     

B2O3-Li2O掺杂对丝网印刷Bao.6Sr0.4TiO3厚膜微观结构及介电特性的影响

采用丝网印刷工艺并通过有效掺杂B2O3-Li2O制备出了一致性和可重复性良好的Ba0.6Sr0.4TiO3(BST)厚膜.系统研究了B2O3-Li2O掺杂对BST厚膜的低温烧结特性、微观结构、相构成及介电性能的影响.结果表明:随着B2O3-Li2CO3含量的增加,BST厚膜的烧结温度逐渐降低,晶粒尺寸和介电常数显著变小...     

基于温度残差补偿法的NTC热敏电阻温度检测及应用

利用负温度系数(NTC)热敏电阻和LTC2983模数转换芯片搭建了温度测量系统,基于此系统提出了一种温度残差补偿热敏电阻经验公式的标定方法。实验结果表明,多个热敏电阻的标定温度拟合残差绝对值小于0.10K,基本能够满足科研及工程领域对热敏电阻检测精度的要求。该系统在黑龙江漠河北极村段进行了安装和采集实验,通过温度数据获知了河流冰层变化的基本情况,证实了所提热敏电阻标定方法具有实际应用价值。     

面向扑翼微飞行器的扭矩传感器研究

由于仿昆虫扑翼微飞行器需要在小范围内传输扭矩,且扭矩数值较小,一般的扭矩传感器或力传感器在其动态范围内均难以达到测量精度的要求。为了解决这一问题,提出了一种新型单轴扭矩传感器的设计方案,并完成了实际的制造和测试。该扭矩传感器的主体为殷钢材料,由激光加工制作而成,利用电容式位移传感器测量主轴旋转时目标板的位移,从而建立输出电压与施加扭矩之间的对应关系。传感器带宽和分辨率与微飞行器飞行实验的标准相匹配,同时对离轴负载保持不敏感。经实验测定,该单轴扭矩传感器的带宽为1.1kHz,测量范围为±260.8μNm,分辨率为0.013μNm,可以满足微飞行器扭矩的测量需求。     

单片集成的增强型和耗尽型pHEMT技术

随着射频/微波器件的快速发展及其应用领域的日益扩大,基于半导体单片集成技术的多种器件集成工艺不断发展。研究了一种采用AlGaAs-InGaAs的砷化镓化合物衬底。琥珀酸湿法蚀刻工艺对器件电性能影响较小。将耗尽型和增强型赝配高电子迁移率晶体管(pseudomorphic High-Electron-Mobility Transistor, pHEMT)器件集成于同一芯片半导体工艺技术。结果表明,增强型晶体管Y型栅极的线宽为0.25 m,开启电压为0.3 V;耗尽型晶体管栅极的线宽为0.5 m,开启电压为-0.8 V,实现了在同一芯片上集成从负到正的栅极电压分布,为设计者提供了更为宽广的设计平台。这种集成技术可以应用于低噪声放大器、线性天线开关、滤波器以及功率控制装置等领域。     

一种适用于5G通信的分布式低噪声放大器

宽带低噪声放大器是5G无线通信系统中的关键模块。针对6 GHz以下5G通信应用频段,基于65 nm CMOS工艺,设计了一种三级均匀分布式宽带低噪声放大器。在增益单元电路中,采用噪声抵消技术降低了噪声,同时实现了信号的单转双变换,并通过电流复用技术提升了增益。栅极人工传输线的终端采用了RL型负载,进一步改善了放大器的噪声性能。仿真结果表明,该分布式低噪声放大器的带宽为0.5~5.7 GHz,带内增益达到24.2 dB,噪声系数低于4.5 dB,而最小噪声系数仅为2.7 dB。     

基于语义理解注意力神经网络的多元特征融合中文文本分类

在中文文本分类任务中,针对重要特征在中文文本中位置分布分散、稀疏的问题,以及不同文本特征对文本类别识别贡献不同的问题,该文提出一种基于语义理解的注意力神经网络、长短期记忆网络(LSTM)与卷积神经网络(CNN)的多元特征融合中文文本分类模型(3CLA)。模型首先通过文本预处理将中文文本分词、向量化。然后,通过嵌入层分别经过CNN通路、LSTM通路和注意力算法模型通路以提取不同层次、具有不同特点的文本特征。最终,文本特征经融合层融合后,由softmax分类器进行分类。基于中文语料进行了文本分类实验。实验结果表明,相较于CNN结构模型与LSTM结构模型,提出的算法模型对中文文本类别的识别能力最多提升约8%。