排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
提出了一种新型星载X频段点波束数传喇叭天线,这种新型波纹喇叭天线轮廓主要由若干轴向波纹和垂直波纹组成,轴向波纹段将合适比例的高次模式馈入垂直波纹段并共同实现优异的辐射匹配性能.利用基于模式匹配算法的CHAMP软件对天线进行设计优化,按照设计结果加工出产品,最终实测结果表明,该天线在8.0~8.5 GHz频带范围内具有较... 相似文献
2.
膨胀超分辨技术是近几年出现的一种对样品制备进行改进实现分辨率提升的超分辨技术,由于其与其他光学技术的兼容性强,可以进一步提高分辨率,引起了越来越多研究人员的关注。复合膨胀技术是膨胀超分辨技术改进的一个主要发展方向之一,膨胀结合光学波动超分辨技术(ExM-SOFI)在复合膨胀技术中是一种受限较小且使用较为广泛的技术。为了增强现有ExM-SOFI技术的成像效果,本课题组将成像缓冲液技术应用于ExM-SOFI技术,以增强膨胀样品在拍摄过程中的抗淬灭能力,从而使普通染料在ExM-SOFI中的荧光强度、荧光波动幅度和闪烁比等均有增强。微管和囊泡的染色成像结果表明,使用这种技术可以使样品在高阶SOFI中保持真实结构,伪影更少,因而高阶SOFI技术可以提升膨胀样品的最终分辨率。 相似文献
3.
目标识别正逐渐成为自动化领域中提供准确目标类别信息的一项重要技术,并且当前大多数目标识别方法都是基于深度学习框架实现.通常,深度学习框架的输入数据均为原始图像数据,而在实际应用中,探测器获取原始图像数据并作为深度学习框架的输入进而实现目标识别的方式并非是高效的,数据获取并识别的过程包含了大量的冗余信息,降低了识别效率.在本文中,通过深度学习与压缩感知技术的结合,提出了一种基于联合感知矩阵的压缩学习目标识别技术(Target recognition technology based on a new joint sensing matrix for compressed learning,TRNPCL),使得探测器可快速生成目标图像多维压缩数据,且压缩数据可直接作为深度学习目标识别框架的输入数据,而无需再进行解压缩步骤.该方法不仅大大减小了深度学习框架的数据输入量,在与同等压缩比下的单空间域数据压缩学习方式相比较,还保持了较高的识别准确率.在未来,该方法有望成为一种更有效、更灵活的目标识别方法,并特别适用于指纹识别、人脸识别等应用领域. 相似文献
5.
1