反馈放大器增益的相对稳定性研究

在同时改变基本放大器增益和反馈系数的条件下,推导了负反馈放大器相对稳定性的一般公式.以单运放电流串联负反馈放大电路为例,分析了基本放大器增益和反馈系数变化对稳定性的影响.当基本放大器源互导增益改变量较大时,相比于差分形式和推导的一般公式,微分形式的计算结果与标准值的相对误差明显增大;当反馈系数改变时,微分形式、差分形式...     

基于蚁群方法的机器人滑模跟踪控制器设计

针对移动机器人滑模跟踪控制器参数较多,采用人为设定控制器参数工作量大,控制精度低等问题,在对一类移动机器人滑模跟踪控制器控制性能分析的基础上,根据移动机器人跟踪控制过程的非线性特性,为控制移动机器人位置精度,提出了一种基于蚁群方法的非线性参数滑模跟踪控制器.在无先验知识的前提下,根据系统的输入输出数据对,利用蚁群算法自动提取控制器参数的模糊规则基.为克服传统蚁群算法容易陷入局部收敛的缺点,对蚁群算法进行了改进,设计出一种自适应调节因子,随着蚁群的收敛过程的进行,提高状态转移的随机性,减少局部收敛的可能.经实验验证了方法的有效性.     

基于微变等效电路的差分—共基负反馈放大器的仿真与分析

在使用稳压管较好解决直流电平配置与输入信号有效放大的基础上,设计了差分-共基电流串联负反馈放大电路。经静态电流计算得晶体管交流等效电阻,按晶体管小信号模型得微变等效电路。对等效电路开、闭环仿真结果与理论计算相对误差分别是0.61%和1.01%,吻合很好,说明分析方法正确。对基本电路仿真与理论的相对误差分别是2.89%和0.69%,基本一致。另外从等效电路和基本电路仿真中都得到反馈电压,求得反馈系数、闭环增益,它们也与理论计算相符合,验证了反馈放大器中基本关系式。     

基于粒子群算法的甲类功放优化电路设计

研究甲类功率放大器性能优化问题,依据甲类功放自身的工作特性,功率管在工作状态存在高热量带来非线性失真。为解决上述问题,提出了一种在典型的甲类功放中引入负反馈的电路优化方案。功放电路的优化设计,不但要提高电路的线性输出度及安全性,还要求尽可能高的输出效率,同时要求优化电路综合性能的最佳电路参数,首先通过图解法分析了各个电路参数对效率的影响,然后对电路建立了线性化的数学模型,利用Matlab软件采用粒子群算法进行仿真,结果表明,快速的收敛速度使电路得到最佳参数配置,验证了方法的有效性。     

基于ZigBee的井下人员安全监测系统

为了满足矿井人员安全监测的需求,根据煤矿井下地形的特点,介绍了一种可靠的基于ZigBee和织物传感器技术的井下人员安全监测系统.详细阐述了以带有定位引擎功能的CC2431为核心的传感器节点、以CC2431和MCP2515为核心的Sink节点的软硬件设计和工作流程.通过在煤矿大巷实验,测得织物传感器的工作特性和2.4G频率在井下的传输特性,并确定两个传感器节点的距离为20m时,可实时、可靠地监测井下人员的生命体征和位置参数.     

Matlab在负反馈放大电路分析中的应用

采用方框图分析法,对电压负反馈放大电路进行了分析。经对闭环和开环状态下的微变等效电路分别列写节点方程,并利用Matlab软件,编写程序,求解电路方程。运行结果表明,开环与闭环增益满足反馈放大器中的基本关系式,同时,引入负反馈后稳定性得以提高,输入、输出电阻减小,与负反馈对放大器性能影响中的基本理论相一致。     

退火对CdS/SiO2介孔组装体系吸收边的影响

本文作者通过溶胶-凝胶法获得块材CdS纳米颗粒/介孔SiO₂组装体系(CdS/SiO₂)块体样品,室温下的拉曼谱中观察到CdS的两个特征峰;在氮气和空气气氛中退火处理后,发现吸收边位置随复合量和退火温度不同而移动。经计算,CdS颗粒粒径的理论值与其自由激子半径相当,说明吸收边的移动起因于量子限域效应。     

退火CdS/SiO2介孔组装体系光吸收的行为

用溶胶-凝胶法获得多孔SiO₂载体,浸泡合成法得到不同复合量的CdS/SiO₂块材介孔组装体系.研究了复合量、气氛条件及退火温度对其光吸收特性的影响,发现吸收边随复合量增加往长波方向移动;在氮气和空气中退火时,随退火温度升高前者表现为红移而后者表现为蓝移,这归属于量子尺寸效应.     

ZnS/ SiO2 介孔组装体系的发光性质

通过Sol-gel 法得到SiO₂ 介孔固体, 浸泡热分解后获得ZnS/ SiO₂ 介孔组装体。吸收光谱和荧光光谱表明: 随复合量增大, 蓝移量减小; 在氮气中退火后, 吸收边位置和荧光谱中的峰位随退火温度升高向长波方向移动且发光增强, 450 ℃以后减缓。经计算, 颗粒尺寸的理论值与其自由激子半径相当, 说明吸收边的移动起因于量子尺寸效应。      

朴素贝叶斯分类算法的改进及应用

针对朴素贝叶斯分类算法中缺失数据填补问题,提出一种基于改进EM（Expectation Maximization）算法的朴素贝叶斯分类算法。该算法首先根据灰色相关度对缺失数据一个估计,估计值作为执行EM算法的初始值,迭代执行E步M步后完成缺失数据的填补,然后用朴素贝叶斯分类算法对样本进行分类。实验结果表明,改进算法具有较高的分类准确度。并将改进的算法应用于高校教师岗位等级的评定。