摘要：一种字串分类方法供电子装置对待分类字串进行分类，该方法将资料库所储存的第一字串之第一字元列为第一分类索引标签，并将待分类字串的第一字元列为第二分类索引标签后与第一分类索引标签相比较，若不相同则使资料库新增此第二分类索引标签，其中，第一字串连结于第一分类索引标签以形成第一关联字串子集合，第二字串连结于第二分类索引标签以形成第二关联字串子集合。本发明更揭露一种字串检索方法，供使用者观看分类索引标签与所对应的关联字串子集合，并于选择任一分类索引标签后，对所对应的关联字串子集合做进一步的字串分类。本发明利用撷取每一字串的字元来作为分类索引标签，使字串检索更为人性化。

摘要：一种利用映像的字符串分类方法是供电子装置对待分类字符串进行分类，所述的方法是将第一字符串的第一字符与索引对照表对照后，产生第一分类索引标签，并将待分类字符串的第一字符与索引对照表对照以产生第二分类索引标签，然后与第一分类索引标签相比较，若不相同则使数据库新建此第二分类索引标签，其中，第一字符串是连结于第一分类索引标签以形成第一关联字符串子集合，第二字符串是连结于第二分类索引标签以形成第二关联字符串子集合。本发明更揭露一种利用映像的字符串检索方法，供用户观看分类索引标签与所对应的关联字符串子集合，并直接选择分类索引标签以进行检索。

摘要：本发明揭示一种低色偏的液晶面板及显示器，其包括：一第一基板；一第二基板，与该第一基板相对设置；一液晶层，设置于该第一基板与该第二基板之间；以及至少一画素单元，各画素单元包括：一钝化层，形成于该第一基板上，该钝化层包括一第一区域及一第二区域；第一及第二电极层，分别设置于该第一及第二区域上；及一绝缘层，设置于该第一及第二区域上，且位于该第一及第二电极层上；其中，该绝缘层在该第一区域上的厚度与在该第二区域上的厚度不同。

摘要：本申请公开一种互连结构的形成方法，其包含：形成第一导电部件以及相邻于第一导电部件的第二导电部件于第一介电层中，其中第一介电层包含第一介电材料；以及形成介电部件于第一介电层中，其中介电部件接触第一导电部件以及第二导电部件的侧壁，且其中介电部件包含不同于第一介电材料的第二介电材料。方法进一步包含：形成第二介电层于第一介电层上方，其中第二介电层包含不同于第二介电材料的第三介电材料；以及形成第三导电部件于第二介电层中，其中第三导电部件接触介电部件的侧壁以及第一导电部件的顶表面或第二导电部件的顶表面。

摘要：一种自参考光谱干涉飞秒激光脉冲的实时测量方法和装置，该方法首先将激光束分成三束，其中两束激光聚焦打在一块非线性透明光学介质上，产生两束一阶自衍射光。将任何一束自衍射光作为参考激光脉冲，此参考脉冲与第三束激光脉冲在空间上共线并调节重合，通过调节延时可以获得激光干涉光谱。通过测量干涉光谱，利用自参考光谱相干方法来可以反演计算获得激光光谱和光谱相位，从而可以测量激光脉冲宽度与脉冲形状。本发明结合了SRSI和FROG两种方法及其优点，具有速度快、简单和方便的特点，适用于不同脉冲宽度和不同波长的飞秒激光脉冲宽度与脉冲形状的单发测量和实时测量与监测。

摘要：一种四阶色散补偿啁啾脉冲放大激光装置，该装置包括种子源、光栅展宽器、预放大器、色散修正器、主放大器和光栅压缩器，所述的色散修正器包括第一棱栅、第二棱栅、直角棱镜和反射镜。本发明可实现啁啾脉冲的四阶色散补偿，获得近转换极限的飞秒激光脉冲。

摘要：一种展宽器内置光学平板的光栅展宽压缩系统，包括内置光学平板的光栅展宽器、色散光学器件和高密度光栅压缩器，所述的光学平板被夹持在精密旋转平台上，而且该光学平板垂直于水平工作面，与衍射光方向的夹角通过驱动精密旋转平台调整。本发明能有效地消除四阶以下色散，使啁啾脉冲激光放大装置输出的宽带脉冲具有足够宽的平坦相位光谱，获得接近光谱傅立叶变换极限的超短脉冲宽度，提升啁啾脉冲激光放大装置的输出激光脉冲的峰值功率。

摘要：本发明公开了一种下行控制信息的处理方法和系统，可将子帧n的下行控制信息在子帧n上发送；或者，将子帧n的下行控制信息在子帧n-1上发送。本发明提供的控制信道信息处理技术增加了一种发送下行控制信息的区域，可以充分利用空分技术，减轻了物理下行控制信道的负载，并且减少控制信道之间的干扰，扩大了控制信道的容量。

摘要：本发明提供至少一种无线通信装置及方法，其中一种无线通信方法，适用于用户设备，所述无线通信方法包含：监测寻呼信道，无需检测寻呼指示信道上的寻呼指示；以及检测所述寻呼信道上的数据。本发明的优点之一在于可缩短寻呼周期的时长，并为其它的调度保留更多的RF资源。

摘要：本发明公开了一种基于多窗口抽样的高速无人车轨迹规划系统及方法。该方法使用多窗口模型来表征无人车运动规划的搜索空间，结合人类驾驶经验采用先速度规划后路径规划的策略以构建轨迹生成式模型，使生成的候选轨迹具备较强的动态障碍物的处理能力且符合人类驾驶习惯。最后，由代价函数选择代价最小的轨迹作为规划的最优轨迹。该无人车轨迹规划方法适用于以动态障碍物为主的高速等结构化场景，对于无人车在实际环境中通行能力的提升有重要作用，可广泛应用于无人驾驶汽车运动规划、高级辅助驾驶技术等领域。