|
搜索
搜 索
高等教育领域数字化综合服务平台
PCR仪
宁波华茂文教股份有限公司
2021-08-23
眼球仪
宁波华茂文教股份有限公司
2021-08-23
星象仪
宁波华茂文教股份有限公司
2021-08-23
星球仪
产品详细介绍
材料与工艺：亚克力，光纤，白钢
用途：天文坐标系齐全，学习天球坐标系基础理论。地球通电后球体表面星点发光。改变天北极的高度就可以改变地理纬度（包括南纬）求所在地区的任意时间所见星空。移动“磁铁太阳”吸附到黄道某天日期上，就可以快速求出早或晚当日所见的星空。直观演示每天的及每季节的太阳出没方位，即太阳的周日视及周年视运动变化。
大连科国天文科技发展有限公司
2021-08-23
磁滞回线仪
产品详细介绍意大利LE公司生产的AMH系列磁滞回线仪是对永磁和软磁材料的磁特性做综合分析的测试系统。LE AMH-DC-T-S系列提供了一个快速简单的测量环状软磁材料的方法。整个测量周期都是自动，并由专用软件Soft200-P控制，得到完整的测试环境下的材料性质。AMH-DC-T-S满足IEC60404-4和ASTM A773国际标准。 主要性质：Ø 自动测量完成的磁滞回线，一般磁化曲线，磁导率曲线Ø 剩磁Br,矫顽力Hc,饱和值Hsat，Bsat，Jsat,周期面积，相对磁导率等Ø 易于操作的软硬件 标准配置Ø 基本系统包括了1个磁通计，2个集合了精密电流计和双极开关的直流电源Ø 横向霍尔探头Ø 采集感应线圈Ø 电磁铁LEP-SBØ 环状样品连接工具Ø 电脑和打印机Ø 棒状和环状标准样品
北京东方晨景科技有限公司
2021-08-23
张力仪
产品详细介绍
ZL-2型自动界面张力仪采用圆环法（GB6541）在非平衡条件下，测量各种液体表面张力（液-气相界面）及矿物油与水的界面张力（液-液相界面）。该仪器采用微处理机技术，自动化程度高，操动简单，工作可靠，被测样品注入样品杯后，只要按动START键，仪器便可自动完成对试样的测量，并能自动根据输入的具体参数计算出被测试样的张力值，该仪器使用于石油、化工、电力、医药液体产品表面张力的测定。
主要技术参数:
显示方式: 四位十进制数字显示，信息指示。
测量方法: 圆环法（GB6541）
测量范围: 5～95mN/m
灵 敏 度: 0.1mN/m
准 确 度: 0.5mN/m
使用温度: 10～30℃
使用湿度: ≤80%
电 源: 交流220V±5%,50Hz
消耗功率: 20VA
外型尺寸: 185×290×360(mm)
重 量: 15Kg
山东博山同业分析仪器厂
2021-08-23
高清数字视频及宽带网络ADC芯片设计
主要功能和应用领域：主要应用在数字视频芯片（DVB，DAB，DMB等数字视频广播标准）和通信网络（WLAN，WiFi，WiMAX等）领域。具有极为广泛的用途和应用价值。 特色及先进性：在满足数字视频芯片和通信网络要求下，采用了自创的校正方法，实现了更低的功耗、大大节省了芯片面积、降低了芯片的复杂度、提高了芯片的稳定性、不易受外界环境如温度、电源电压和工艺的影响，使性能更加出色。 技术指标：采样速率200MSps，分辨率10-Bit，ENOB达到8.7-Bit以上（±10%电源电压变化和-40~125度温度变化），总体功耗 < 100mW。 实施后可取得的效果：此类ADC芯片应用领域极广，中高端领域均有大量且稳定的需求。一旦形成产品，产量和销售极其可观。现在市场上此类ADC芯片主要掌握在国外大公司手里，定价相对较高，如果能够实现同等性能下更低的定价或者同等价位但是更出色的性能，将有巨大的市场。
电子科技大学
2021-04-10
具有网络功能的车载计算机信息系统
项目的来源于国家863项目，并已经申请专利。 具有网络功能的车载计算机信息系统是一个融合GPS卫星导航技术、电子地图技术、计算机系统集成技术、人工智能技术、语音识别技术、数据处理技术、微电子技术等高科技于一体的未来型产品。是一种具有强大信息处理功能（包括导航功能）的车载计算机系统。 系统功能有：汽车导航仪，能够提供电子地图，计算行车距离，自动寻找到达目的地的最佳路线。在车辆行驶时，将本汽车的位置显示在屏幕上的电子地图中，并用语音提示前方转弯、道路情况，告知到达目的地的时间。随着我国智能交通系统的建设和完善，还可以自动接收路况信息，了解前方道路的堵塞情况，重新确定快捷的行车路线。可以看电视、听音乐CD，还能够监测汽车的本体状况（汽车速度、方位、距离、时间、油耗、温度、防盗报警）。可通过Internet收发电子邮件。
北京科技大学
2021-04-11
高清数字视频及宽带网络ADC芯片设计
ADC芯片
电子科技大学
2021-04-10
基于卷积神经网络的干扰信号识别方法
本发明属于无线通信技术领域，具体涉及一种基于卷积神经网络的干扰信号识别方法。本发明的方法主要包括构建卷积神经网络；对接收到的干扰信号做预处理，将其作为卷积神经网络的输入样本；根据待识别信号的类别，将信号样本及其对应的类别构建为训练集，利用构建的训练集训练构建的卷积神经网络；根据训练的卷积神经网络，对每个预处理后的信号样本进行识别，获得未知信号的所属类别。
电子科技大学
2021-04-10