【摘 要】
：
提出了一种由互补开口谐振环(CSRR)和叉指电容(IDC)结构组合而成的小型化湿度传感器.利用CSRR-IDC结构的设计,使得传感器在获得高灵敏度的同时,保持着小尺寸.此外,通过加载纤
【机 构】
：
成都信息工程大学通信工程学院,四川成都 610225
论文部分内容阅读
提出了一种由互补开口谐振环(CSRR)和叉指电容(IDC)结构组合而成的小型化湿度传感器.利用CSRR-IDC结构的设计,使得传感器在获得高灵敏度的同时,保持着小尺寸.此外,通过加载纤维素敏感膜,进一步增强其湿度灵敏度.根据相对湿度对有效介电常数的影响引起传感器频率偏移的原理,对谐振器的谐振频率偏移量进行测量.在11％～97％的相对湿度(RH)范围内测试,湿度灵敏度达到了610.46 kHz/RH,具有良好的稳定性.测试与仿真结果吻合较好,可用于人体可穿戴设备的湿度检测.
其他文献
针对粒子群算法的参数自适应的问题,提出了学习邻域参数的粒子群算法(Particle swarm optimization with learning neighborhood parameter learning,LNPPSO).为了使参数适应
卷积神经网络(Convolutional Neural Networks,CNN)在计算机视觉、自然语言处理为代表的数据处理领域应用广泛.在CNN训练过程中,超参数设置依赖于先验知识,不恰当的超参数会影响模型的训练效率和精度.为了解决这一问题,本文提出基于证据推理规则(Evidential Reasoning Rule,ER Rule)的CNN超参数质量评估模型,可在训练前提供高质量的超参数选择,
针对现有加密图像可逆数据隐藏方法中存在的嵌入率低、直接解密后失真率高的问题,提出了一种面向位平面的自嵌入式的加密图像可逆数据隐藏方法.在图像加密阶段,通过块置换、
面料疵点检测是服装行业生产和质量管理中的重要环节,针对面料自身复杂的特点以及现有疵点检测技术的不足,本文提出了一种改进Faster R-CNN的面料疵点检测技术.具体来说,基于Faster R-CNN网络模型,对卷积神经网络进行优化,将不同尺度的特征金字塔网络模型引入RPN网络以增加细节化的浅层特征,通过对Softmax分类器进行正则化来减小类内间距增大类间间距,不断更新网络参数提高网络收敛能力.
FDK算法是三维锥形束重建中最常用的一种算法,本文通过对锥形束重建过程中滤波函数和插值方法的改进,在原有NEW&R-L滤波函数的基础上,通过调整加权系数,不仅减弱了重建过程中的吉布斯效应,而且对高频部分的噪声抑制效果显著.本文通过将NEW滤波函数和S-L滤波函数结合,并调整加权系数,提出了一种对噪声的图像重建敏感的新的混合滤波器NEW&S-L滤波器,该混合滤波器在保持重建图像空间分辨率的同时,可以
运动目标跟踪作为目前计算机视觉领域的一个研究热点,存在目标旋转变形、运动模糊和背景混杂等难点.针对这些难点情况下多域卷积神经网络目标跟踪算法(MDNet)失效的问题,本文提出一种基于目标分割的多域卷积神经网络跟踪算法,旨在利用分割网络出色的目标定位能力,为MDNet网络构建一种新的网络更新方法.在跟踪过程中,通过目标分割对失效结果进行校正,重新获得目标的精确位置,再将分割获得的目标框作为样本来更新
图像特征提取的质量直接影响图像分类精度,针对现有特征提取方法不能准确提取远离分类边界特征的问题.本文提出一种基于对抗正则化的图像特征提取方法,在分类目标函数中引入对抗性正则化项,其核心思想是将特征经过Dropout得到两个后验分布,分类器最大化后验分布得到分类边界,特征生成器最小化后验分布生成远离分类边界的特征,二者相互对抗鼓励生成更具有代表性的类别信息,同时探究不同概率分布度量方法对特征空间的影
有雨图像往往丢失大量的特征及细节信息,严重影响视觉效果和目标检测.针对有雨图像,本文采用图像显著性检测来寻找有雨区域,确定待修复区域,设计了多尺度融合生成对抗网络(Multiscale Fusion Generative Adversarial Network,MsF-GAN)进行图像去雨,在生成器的12/14/16网络层采用Concat进行多尺度融合,使生成的去雨图像中更多地保留图像的原始信息,
在互联网上,大量的数据是由音视频等多媒体流量构成,特别是图像和视频占了绝大部分.由于视频流量检索可以转换成图像的检索,因此如何在互联网上海量数据中进行高效图像检索成了一个重要的研究领域.深度哈希方法在图像检索中可以有效提高检索速度和检索效率,故其在图像检索领域占据了重要的地位.针对大量图像数据无标注的特点,本文提出了适用于图像检索的强化对抗生成哈希方法,该方法结合最新的生成对抗网络,引入了相似度矩
域偏移已成为跨域目标检测领域一个棘手的问题.当把在源域训练好的检测器用于目标域时,由于源域和目标域的分布差异,检测器往往会有显著的性能下降.为了处理上述问题,本文提出了一个基于类别中心和关系感知的跨域目标检测模型,该模型通过图卷积的方式同时对域差异信息,类别信息和关系信息进行建模.本文所提出的模型有以下几个优点:1)据我们所知,这是跨域目标检测方向里第一个同时对上述3种信息建模的网络; 2)提出的