一款适用于WCDMA标准的大动态范围SiGe HBT可变增益放大器设计

第三代移动通信标准WCDMA要求放大器增益可调,并且增益动态范围较大.根据这一要求给出了一种基于SiGe HBT具有高动态范围的可变增益放大器(VGA)设计.放大器为三级级联结构,第一级为输入缓冲级,第二级为增益控制级,最后为放大级.VGA的增益控制通过调整第二级的偏置实现.VGA在1.95 GHz频率下,在0～2.7 V增益控制电压变化下,具有44 dB增益变化范围,最大增益49 dB.在最大增益处最小噪声系数为2.584 dB,输入输出电压驻波比低于2,性能良好.     

无源UHF RFID标签的低成本阻抗匹配网络设计

提出了一种符合ISO/IEC18000-6C标准的无源RFID(射频识别)标签的低成本阻抗匹配网络。该设计基于复功率波反射系数的概念,修正芯片输入阻抗,在片内添加阻抗匹配电路。通过变化芯片阻抗和天线共轭匹配及失配间切换,有效完成信号的调制反射。提出的电路结构简单,易于实现,在读写器、标签天线和芯片之间实现了功率传输的最大化,提高了芯片输入电压以及读写器对标签反射信号的识别率。采用该阻抗匹配网络的芯片基于chartered 0.35μm CMOS工艺实现。测试结果表明,在923MHz频带下,倍压电路输出可达1.47V,标签满足系统设计要求。     

一种新型双驱动足直线超声电机的研究

提出一种新型的双驱动足直线超声电机.该电机定子为圆柱结构,2个正交的4阶同形弯曲模态为工作模态.在相差90°的两相同频率电信号激励下,定子产生回转运动,其上两个作为驱动足的圆盘交替推动直线导轨,实现双向直线运动.原理样机的最大推力为5.5 N,速度为103 mm/s,效率为33%.     

基于L4981B的APFC电路设计性能优化

通过对基于L4981B设计的有源功率因数校正控制器在实际生产中出现的诸多问题的分析和研究,找出了这些问题的有效解决办法,从而对已有的设计进行了性能上的优化和完善,使它的应用范围得以扩展,性价比得到提高,能够满足在各种不同负载情况下的使用,并易于在大规模生产中得到推广和应用,同时这对于采用其他芯片设计的有源功率因数校正电路的性能改善也有一定的指导和借鉴作用.     

频率步进雷达距离扩展目标检测算法研究

针对宽带毫米波频率步进雷达体制下,点目标分裂成距离扩展目标所带来的检测问题,提出了先抽取后检测处理模式下的积累检测算法.该算法在有效去除过采样冗余提取出目标一维距离像的前提下,能充分利用目标上的多个视在强散射点的能量,有效提高距离扩展目标的探测能力.最后,分析了强散射点分布及IFFT时域泄漏等非理想因素对检测性能的影响.     

PDLC膜的电光特性实验

设计对面／共面两用电极,制备聚合物分散液晶（PDLC）膜样品,用偏光显微镜观察液晶微滴形态,在不加电场的关态测试雾度,在施加电场的开态测试透光率随电压变化的电光特性。实验测得雾度约为H=93％,对面电板电场下透光率最大约为T=84％,共面电极电场下透光率最大约为T=82％。对PDLC膜电光特性给出新的认识。     

结合预测误差反馈的高光谱图像无损压缩研究

高光谱图像的海量数据给存储和实时传输带来极大困难,必须对其进行有效压缩.提出了一种结合预测误差反馈的高光谱图像无损压缩算法.根据高光谱图像相邻波段相关性强弱进行波段分组,有效降低了波段排序算法的计算量.通过研究波段排序算法的性能,采用最佳后向排序算法对各组进行波段排序.为有效去除高光谱图像相关性,采用JPEG压缩标准中的无损预测模式对各波段进行谱内预测,利用参考波段预测误差对当前波段谱内预测值进行反馈校正,可进一步提高预测精度.最后,利用JPEG-LS标准对参考波段和预测残差进行无损压缩.对AVIRIS型和OMIS-I型高光谱图像的实验结果表明,该算法可显著降低压缩后的平均比特率.     

全固态激光双波长复合输出腔参数优化

Nd∶YAG激光器输出的基频1064 nm激光和倍频532 nm激光在众多领域有着广泛的应用。在某些需要同时干扰可见光和近红外光电设备的军事领域,基于1064 nm和532 nm激光双波长复合输出的去识别干扰技术将有利于设备的小型化。针对固态激光双波长复合输出技术,提出了半导体泵浦双Nd∶YAG晶体,双声光调Q和KTP内腔倍频的激光谐振腔配置方案,以实现复合激光高功率高重频稳定输出;利用稳态方程理论,建立了固态激光双波长复合输出模型,研究了谐振腔参数对复合激光输出配比和特性的影响,获得了倍频晶体最佳长度和腔镜最佳基频光透射率,论证了谐振腔参数调节优化复合激光输出的有效性。     

结合PLS表示与随机梯度的目标优化跟踪

针对实际视觉跟踪中目标表观与前背景的非线性变化,论文提出一种基于偏最小二乘分析(PLS)表示与随机梯度的目标优化跟踪方法。该方法将目标跟踪转化为表示误差与分类损失的联合优化问题。首先,为了提高算法对前背景表观变化的稳定性,利用PLS理论的非线性对目标区域的前背景信息进行表达,并通过空间聚类构造多个线性外观模型来描述目标区域的动态变化,建立带约束条件的表观特征库;然后,提出一种确定性搜索机制,构造联合优化目标函数,使表示误差与分类损失最小化;结合表观建模特点,构建随机梯度分类器,对模型进行增量特征更新,最终实现对目标的稳定准确跟踪。经多场景对比实验验证,该算法能有效应对目标前背景的多种复杂变化。     

结合GLCM与三阶张量建模的在线目标跟踪

为提高目标跟踪算法对多种目标表观变化场景的自适应能力和跟踪精度,论文提出一种结合灰度共生(GLCM)与三阶张量建模的目标优化跟踪算法。该算法首先提取目标区域的灰度信息,通过GLCM的高区分度特征对目标进行二元超分描述,并结合三阶张量理论融合目标区域的多视图信息,建立起目标的三阶张量表观模型。然后利用线性空间理论对表观模型进行双线性展开,通过在线模型特征值描述与双线性空间的增量特征更新,明显降低模型更新时的运算量。跟踪环节,建立二级联合跟踪机制,结合当前时刻信息通过在线权重估计构建动态观测模型,以真实目标视图为基准建立静态观测模型对跟踪估计动态调整,以避免误差累积出现跟踪漂移,最终实现对目标的稳定跟踪。通过与典型算法进行多场景试验对比,表明该算法能够有效应对多种复杂场景下的运动目标跟踪,平均跟踪误差均小于9像素。