一种基于FPGA的高效数字上变频的设计与实现

介绍了一种基于软件无线电多制式短波电台的高效数字上变频的设计与实现,利用Matlab整定滤波器参数,并在quartus Ⅱ开发环境下构建系统模型以及在modelsim软件下进行仿真.结果表明:基于FPGA设计的数字上变频器能够满足多制式短波电台性能指标要求,并且减少了硬件资源消耗,具有灵活性、通用性高和修改参数方便等特...     

PWM控制器MAX668/669的特性及应用

介绍了MAXIM公司研制的新型PWM升压控制器MAX668/669的主要性能及由MAX668构成的DC-DC升压应用电路。     

π共轭聚吡咯衍生物非线性响应时间的测量

合成一种新型π共轭聚吡咯衍生物———聚吡咯 { 2 ,5 二 [(对硝基 )苯甲烯 ]} (PPNB) ,制备了该高分子的N 甲基 2 吡咯烷酮 (NMP)溶液和聚乙烯醇 (PVA)复合薄膜。用 5 32nm ,8ns脉冲激光作抽运光源 ,氦氖激光 (6 32 8nm ,CW)为探测光源 ,测量了该高分子的非线性光学响应过程 ,测得PPNB/NMP溶液和PPNB/PVA薄膜的激光诱导折射率的建立时间分别为 4μs和 5 μs,恢复时间分别为 30ms和 5ms。引起这种非线性效应的机制可能主要是热光非线性效应。     

一种BiCMOS过温保护电路

在分析现有过温保护电路的基础上,针对它们电路结构复杂、功耗较高、工作电压高等缺点提出了一种用于集成电路内部的采用BiCMOS工艺的过温保护电路,电路结构简单、功耗较低、工作电压低、抗干扰能力强,对温度的迟滞特性避免了热振荡对芯片带来的危害。采用0．6μm BiCMOS工艺的HSPICE仿真结果表明,该电路对因电源电压、和工艺参数变化而引起的温度迟滞特性的漂移具有很强的抑制能力。     

海洋环境噪声数据处理及时空特性研究

海洋环境噪声是水声信道中的一种干扰背景场,限制水声设备性能发挥。针对这一问题,文中对实测海洋环境噪声数据进行数据处理得到1/3倍频程结果,并进行适当的时空特性研究,得到该研究海区的整体环境噪声水平,可以为水声设备的设计应用提供必要的依据,也为更广泛的海洋环境噪声数据的分析和应用奠定了重要基础。     

LD泵浦皮秒激光脉冲再生放大器

为获得更大的脉冲能量和更高的峰值功率,常需要再生放大器将弱脉冲进行高效放大,本文对LD泵浦的皮秒激光再生放大器进行了分析和实验研究,利用SESAM锁模皮秒激光脉冲作为种子源,成功地研制出了放大倍数达106倍的皮秒再生放大器,脉冲重复频率分别为50Hz和5kI-Iz.     

CMR锰氧化物在激光及光探测方面的应用进展

混合价态钙钛矿锰氧化物在外界温度变化和磁场作用下表现出巨大的磁电阻 (Colossalmagnetoresistance ,简称CMR)效应 ,引起了人们的广泛关注。由于CMR材料在传感器、探测器以及硬盘读出磁头等应用器件研发上极具潜力 ,科学家们对其进行了大量研究。本文在简单介绍CMR材料结构和机理的基础上 ,着重报道了我们利用CMR薄膜的激光感生热电电势 (LITV)制备激光功率 能量探测器和利用电阻在室温附近的巨大变化研制的光热辐射探测器 (Bolometer)方面的新进展     

Brief communication Upper bound for added hidden cells for successful learning in neural network

We know that no matter what learning algorithm is used, no matter what the initial weights are, and no matter what convergence parameters are used, a single layer perceptron cannot be trained to do an XOR problem. However, a two-layer perceptron with a sufficient number of hidden units is capable of doing such a problem. This paper emphasizes merely the architecture and number of hidden cells required to decide whether it will be successful in supervised learning, i.e. if they are m-bit training examples, the number of hidden cells required for successful learning is 2^m — m — 1.