基于低噪声振荡读出电路的高分辨率MEMS石英谐振加速度计研究 学术背景 微机电系统（MEMS）加速度计在惯性导航、地震检测、可穿戴设备和智能机器人等领域有着广泛的应用。特别是在卫星控制和无人水下航行器等应用中，高分辨率和低漂移的加速度测量是至关重要的性能指标。MEMS谐振加速度计通过将输入加速度信号调制到载波频率，并输出敏感元件的谐振频率作为测量值，相较于幅度输出型加速度计（如MEMS电容加速度计）具有更低的噪声水平。此外，谐振加速度计还具有高分辨率、宽量程、大动态范围和良好的环境适应性等优点，逐渐成为高分辨率MEMS加速度计的研究热点。 然而，MEMS谐振加速度计在静态输入条件下（通常为0 g加载）的加速度输出波动主要源于温度场波动或背景噪声等环境因素。虽然温度引入的趋势可以通过多项式拟合...
基于压电纳米发电机的声能收集技术进展 学术背景 随着物联网（IoT）设备的普及，对可持续能源的需求日益增加。传统的电池供电方式存在寿命有限、维护成本高等问题，因此，研究人员开始探索从环境中收集能量的创新方法。声能收集（Acoustic Energy Harvesting）作为一种新兴技术，利用环境中的噪声通过压电效应将其转化为电能，具有广泛的应用前景。压电纳米发电机（Piezoelectric Nanogenerators, PENGs）是声能收集的核心技术之一，其通过压电材料将机械振动转化为电能。本文综述了PENG技术在声能收集中的最新进展，探讨了材料选择、结构设计以及实际应用中的挑战与解决方案。 论文来源 本文由Fandi Jean、Muhammad Umair Khan、Anas Al...
基于电热驱动的Al-SiO₂双材料微夹持器的研究 学术背景 微夹持器（microgripper）在微米和纳米尺度的组装与操作中扮演着至关重要的角色，广泛应用于微电子、MEMS（微机电系统）和生物医学工程等领域。为了确保对脆弱材料和微小物体的安全操作，微夹持器需要具备高精度、快速响应、易于操作、强可靠性和低功耗等特性。尽管已有多种驱动机制的微夹持器被开发出来，如静电驱动、电磁驱动、光驱动等，但这些技术仍存在一些局限性，例如光驱动微夹持器需要特定的光源和光学路径，静电驱动微夹持器需要高电压，电磁驱动微夹持器则涉及复杂的磁场生成系统。因此，开发一种高性能、小型化、易于操作且广泛适用的微夹持器仍然具有重要意义。 电热驱动微夹持器因其结构简单、驱动电压低且能够实现显著的结构变形而备受关注。本文研究团队...
超高场动物磁共振成像系统的技术更新 学术背景 动物磁共振成像（MRI）系统在临床前研究中具有重要地位，通常比传统的人类MRI系统提供更优越的成像性能。然而，由于系统组件的多样性和集成调试的复杂性，实现这些系统的高性能具有挑战性。特别是，超高场动物MRI系统需要生成极高的磁场强度和梯度磁场，同时确保磁场的均匀性和稳定性。此外，系统的安装、维护和调试也需要考虑磁场屏蔽、机械耦合和热管理等多个方面。尽管市场上已有一些商业化的动物MRI系统，但关于硬件性能（如超导磁体和梯度线圈）的最新技术更新仍然缺乏详细的报道。 本文由Yaohui Wang、Guyue Zhou、Haoran Chen、Pengfei Wu、Wenhui Yang、Feng Liu和Qiuliang Wang共同撰写，发表于202...
单晶二维半导体的生长式单片三维集成技术研究 学术背景 随着现代电子工业的快速发展，三维（3D）集成技术逐渐成为提升电子器件性能的重要手段。传统的二维（2D）集成电路在尺寸缩小和性能提升方面面临诸多挑战，尤其是在纳米尺度下，电阻-电容（RC）延迟问题日益突出。为了克服这些限制，研究人员开始探索三维集成技术，通过垂直堆叠芯片来减少互连距离，从而降低功耗并提高数据传输效率。 目前，通过硅通孔（Through-Silicon Via, TSV）技术是唯一能够实现单晶器件三维集成的方法。然而，TSV技术存在成本高、芯片对齐困难以及占用宝贵芯片空间等问题。此外，传统的单片三维（Monolithic 3D, M3D）集成方案虽然具有潜力，但在低温下在非晶或多晶表面上生长单晶半导体材料仍然是一个巨大的挑战。...
基于FingerNeRF的3D手指生物识别研究综述 背景与研究意义 随着生物识别技术的发展，三维(3D)生物识别因其更高的准确性、更强的抗伪装能力以及对拍摄角度变化的鲁棒性，逐渐成为主流研究方向之一。其中，3D手指生物识别技术因其生物特征（如指纹、指静脉、指关节等）易于获取且广泛使用，在学术界和工业界备受关注。然而，现有的3D生物识别方法普遍依赖显式的3D重建技术，这些方法在实际应用中面临两大挑战： 信息丢失：显式重建过程中不可避免地会丢失部分细节信息，直接影响后续识别任务的性能。 硬件与算法的紧耦合性：重建算法往往与特定硬件设备绑定，缺乏通用性，难以适应不同模态的数据或设备。 为解决上述问题，研究者提出了一种基于隐式神经辐射场（Neural Radiance Fields, NeRF）的F...
研究背景与研究意义 近年来，视频理解领域中弱监督在线活动检测（Weakly Supervised Online Activity Detection, WS-OAD）作为高水平视频理解的一个重要课题，得到了广泛关注。其主要目标是通过仅使用廉价的视频级标注，在流媒体视频中逐帧检测正在进行的活动。这一任务在许多实际应用场景中具有重要价值，包括自动驾驶、公共安全监控、机器人导航及增强现实等。 尽管全监督方法（Fully Supervised Methods）已在在线活动检测（OAD）中取得了显著进展，但它们严重依赖于密集的帧级注释（Frame-level Annotations），这不仅成本高昂且易受噪声影响，从而限制了模型的扩展性。弱监督设置旨在解决这一问题，但因其在线约束（Online Con...
低帧率多目标跟踪研究的学术报告 引言与研究背景 近年来，多目标跟踪（Multi-Object Tracking, MOT）技术在智能视频监控、自动驾驶及机器人视觉领域中得到了广泛应用。然而，传统MOT方法大多针对高帧率视频设计，在低帧率视频场景中面临显著挑战。低帧率下，相邻帧之间的目标位移增大，物体外观和可见性变化更加剧烈，这对检测结果的关联和轨迹保持提出了更高要求。由于边缘设备通常受到计算、存储和传输带宽限制，低帧率视频成为高效解决方案的重要选择，但其技术难题亟需解决。 本研究由来自浙江大学和香港科技大学的学者团队完成，发表于 *International Journal of Computer Vision*，题为“AppTracker+: Displacement Uncertaint...
重新思考深度学习技术在生物特征数据纠错中的应用 背景介绍 随着信息技术的发展，生物特征数据在身份验证和安全存储中的应用愈发广泛。传统密码学通常依赖均匀分布且可精确重现的随机字符串，然而，现实中大多数数据（如指纹、虹膜扫描等生物特征）并不具备这样的属性，导致在实际应用中存在生成、存储和检索的诸多挑战。近年来，基于生物特征数据的密码学系统（biometric cryptosystems）被广泛研究，旨在利用独特的生物特征（例如指纹、虹膜等）作为生成加密密钥的来源。然而，由于生物特征数据的固有可变性以及传感器噪声等外部因素，精确恢复加密密钥变得复杂，进而对纠错机制提出了更高的要求。 在这种背景下，近年来深度学习方法凭借其在语音识别、图像处理等领域的卓越表现，被尝试应用于提升生物特征数据的纠错能力。...
基于可见光和红外跨模态学习的Adaptive Middle-Modality Alignment Learning方法研究 研究背景与问题 在智能监控系统的需求推动下，可见光-红外行人再识别（Visible-Infrared Person Re-identification, VIReID）正逐渐成为一个备受关注的研究领域。该任务旨在通过对不同光谱模态（如可见光与红外）的行人图像进行匹配，实现全天候行人识别。由于可见光和红外图像源自不同的光谱，存在显著的模态差异，包括光照、纹理、颜色等，这使得跨模态匹配成为一大挑战。 传统方法多通过设计复杂的生成对抗网络（Generative Adversarial Networks, GANs）或深度网络模型来缩小模态差异，但这些方法通常存在如下问题： -...