基于剥离工艺的晶圆材料表面形貌表征

压电晶圆表面形貌特征参数是影响光刻剥离工艺及器件批生产成品的关键技术基础。基于声表面波(SAW)器件剥离工艺,该文提出并量化了晶圆材料表面形貌表征参数体系:翘曲度(BOW)、平坦度(GBIR)、小区平坦度(SBIR)、小区平坦度合格率(PLTV)等,并给出了晶圆材料表面形貌表征参数的测试方法及对光刻工艺参数的影响。     

磷化镓声光偏转器

该文介绍了一种利用磷化镓(GaP)晶体制作的宽带声光偏转器。该器件采用准超声跟踪结构设计,大幅提高了换能器工作的总长度,实现了带宽与衍射效率的合理兼顾。制作出声光偏转器样品3dB带宽达900MHz,峰值衍射效率达8%@1W,衍射光在声光介质外的动态扫描角为5.2°。在试验过程中发现了异常现象,在1级衍射光斑与2级衍射之间出现了多余的衍射光斑("假点"),形成的机理还有待研究。     

WAVE协议栈下基于高斯混合模型的无线定位研究

无线定位是车联网中各应用的基础,对实时性和精度要求更高。基于此,本文提出了一个在WAVE系统下基于混合高斯模型的位置指纹定位算法。该算法由离线训练和在线定位两部分组成,采用GMM对离线训练阶段的指纹数据库进行聚类建模处理,并在定位阶段对结果采用多点均值方法,不仅降到了系统定位误差,也减少了定位阶段的运算量,提高了定位的实时性。实验结果表明,该算法有较好的定位精度和实时性,为WAVE环境下的快速定位进一步研究提供有效参考价值。     

高频声表面波器件用压电晶圆清洗技术研究

论述了低浓度碱性过氧化氢清洗液兆声清洗钽酸锂、铌酸锂和水晶等压电晶圆的工艺技术。在保持压电晶圆特性的前提下,该技术可有效去除晶圆表面小于0.2 μm的附着颗粒,使其表面洁净度满足亚微米线宽高频声表面波（SAW）器件生产要求,同时降低了化学品、去离子水的消耗量及对环境的污染。     

一个具有半连续Gteaux导数的泛函的Mini Max定理和非线性波动方程的边值问题的解(英文)

In this paper,a mini max theorem was showed mega which the paper proves a new existent and unique result on solution of the boundary value problem for the nonlinear wave equation by using the mini max theorem.     

车载异构网中基于最优停止算法的垂直切换

目前,传统的车载Ad Hoc网络正朝着车载异构网发展;这就迫切需要为车辆用户提供一个高效、智能的网络接口进行切换,以满足其QoS要求。在本文中,我们针对车载异构网络存在的切换问题提出了一个优化算法,该策略整合了多个指标,包括价格成本、可用带宽和数据传输延迟等。利用最优停止理论,能最大限度提高用户满意度。仿真结果表明,基于最优停止的策略是可行的。     

PI衬底n-i-p结构非晶硅薄膜太阳能电池的制备

利用传统硅薄膜太阳能电池生产设备、以硬质玻璃为载板,在低透光率的聚酰亚胺(PI)衬底上制备了n-i-p结构的单结非晶硅(a-Si)薄膜太阳能电池组件,并通过掩膜绝缘和激光划分绝缘组合的方式在同一块PI衬底上实现了多节电池串联一体的结构.封装后电池组件的有效发电面积的转化效率达到5.13;,电池的转化效率还存在较大的提升空间.     

声表面波滤波器温度敏感性仿真研究

针对不同温度场情况下任意复杂膜系结构和电路拓扑结构的声表面波(SAW)滤波器的温度敏感性精

确计算问题,首先将温度场以热应力、热应变的方式耦合声/电本征方程并考虑封装模型的电磁因素,再结合分层

级联算法和全波仿真技术,计算任意复杂膜系结构和电路拓扑结构的SAW 滤波器的温度敏感性,实现不同温度作

用下SAW 滤波器频率响应曲线、频率温度系数(TCF)值、损耗、带宽及带外抑制等性能的综合分析。通过41°Y-X

LiNbO3/SiO2/Si_poly/Si(111)复合衬底SAW 滤波器的优化设计与研制,其设计优化结果与实验结果吻合较好,

验证了该方法的有效性和可行性。     

10.

基于multi-CNN的专用网络入侵检测模型设计与仿真     

万壮  赵云  陆川  朱光剑 《现代电子技术》2023,(2):80-84

多尺度卷积神经网络模型在网络入侵检测中可获取更丰富的局部特征。针对浅层卷积核神经网络获取数据局部特征能力较差的不足,文中基于多尺度卷积神经网络,提出一种改进的列车通信专用网络入侵检测模型。该模型对Inception V3网络加以改进,并将模型部分大尺寸卷积核进行合理缩小并串联,以增强模型获取数据局部特征的能力;同时结合循环神经网络对时间序列的学习能力,利用Bi-GRU模型对局部特征进行学习,使模型训练后的数据也具有全局特征。实验测试结果表明：所设计模型在二分类测试中的准确度与Inception V3模型相比提升约1.3%,运行时间缩短近5.2 s;在五分类测试中,与其他对比算法相比准确度平均提升1.7%。该模型有良好的性能及效率,可有效且准确地对网络入侵进行检测。     

1 [2] [3] 下一页 » 末  页»

基于multi-CNN的专用网络入侵检测模型设计与仿真

多尺度卷积神经网络模型在网络入侵检测中可获取更丰富的局部特征。针对浅层卷积核神经网络获取数据局部特征能力较差的不足,文中基于多尺度卷积神经网络,提出一种改进的列车通信专用网络入侵检测模型。该模型对Inception V3网络加以改进,并将模型部分大尺寸卷积核进行合理缩小并串联,以增强模型获取数据局部特征的能力;同时结合循环神经网络对时间序列的学习能力,利用Bi-GRU模型对局部特征进行学习,使模型训练后的数据也具有全局特征。实验测试结果表明：所设计模型在二分类测试中的准确度与Inception V3模型相比提升约1.3%,运行时间缩短近5.2 s;在五分类测试中,与其他对比算法相比准确度平均提升1.7%。该模型有良好的性能及效率,可有效且准确地对网络入侵进行检测。