非标器件S参数去嵌入测试方法研究

非标器件的S参数测试,需要重点考虑夹具效应对测试结果带来的影响。本文介绍了一种通过去嵌入的方式测试非标微波器件S参数的测试方法,通过与传统测试方法得到测试结果的比对,以及对该测试方法进行的不确定度分析,表明了该方法测试结果的准确度较高,且相比传统的测试方法,这种去嵌入化的测试方案对于测试夹具的加工精度要求不高,更具实用性,可应用于非标器件S参数测试中。     

阻抗稳定网络关键参数测量结果的不确定度评定

根据GB9254—2008标准的要求,对于电信端口发射出来的共模骚扰进行测量时,需要使用阻抗稳定网络（ ISN）。ISN的4个主要参数为共模阻抗、电压分压系数、纵向转换损耗以及去耦合衰减。对于这4个参数的测量结果,现行标准中尚未给出不确定度评定的过程或结果。因此,根据测量过程,给出了这4个参数的不确定度分量及不确定度评定结果,该测量结果的不确定度可用于电信端口共模骚扰发射测量的不确定度评定。     

自适应神经网络模糊小波语音消噪算法

针对有色噪声,采用自适应神经网络模糊系统模糊(Auto Neural Fuzzy Inference System,ANFIS)逼近有色噪声,利用自适应神经模糊推理系统ANFIS对噪声的非线性动态特性进行建模,提出了语音自适应神经网络模糊小波消噪算法,建立并训练了消噪系统。对被有色噪声污染的测量信号经模糊消噪后,根据信号和噪声的小波系数在不同分解尺度上的传递性,进行中值滤波和小波重构,得到了干净的语音。对算法进行了仿真实验,结果表明,消噪效果明显。     

神奇的局部特效

正照片的局部颜色调整,以前可是Photoshop等电脑软件的专利。现在有了Filter Splash这个App,你只需动动手指,就能用手机来实现。看了我们几期手机摄影的技法,或许你已经掌握了很多修图和拍摄的技巧。但不知你是否会有这样的感觉?无论怎么拍,怎么调,有时一张照片中统一的画面风格,还是会显得有点单调。告别平淡的局部调整不知你是否见过一些局部去色或局部     

基于原子模板匹配的锂电池膜厚快速稀疏去噪

为解决多尺度小波算法在锂电池膜厚传感器测量前需确定C型机构的固有频率和扫描振动频率的不足,采用基于原子序列模板匹配的快速稀疏信号处理去噪方法。该方法不需先验知识,在不同扫描模式下通过稀疏分解迭代训练膜厚数据并构建原子序列模板库,对于不同扫描模式下的膜厚数据选取模板库中匹配的原子序列进行稀疏迭代去噪。实验结果表明:原子模板匹配算法具有较好的去噪性能,其运算速度高于传统稀疏算法57倍。     

一种网络爬虫系统中URL去重方法的研究

随着互联网技术的发展,网络中包含的信息量承爆炸式增长,如何在数量繁多的信息中找到自己需要的,是一项不小的工程,因此,网络搜索引擎应运而生,随着搜索引擎的发展,越来越多的用户选择使用搜索引擎,但是搜索引擎并不完善,还需要种类繁多的网络爬虫进行辅助。尽管使用了网络爬虫进行辅助,但是为了提高搜索效率,我们需要对采取一些方式来使网络爬虫优先选取那些符合搜索要求的网页,在这种情况下,如何对网络爬虫系统中进行设置来提高URL去重的能力将会对网络爬虫的运行效率产生不小的影响。下文将就如何简单的对URL去重进行阐述。     

小波去噪中噪声估计失真判别方法

研究小波阈值去噪时存在的噪声估计失真问题。当采用常见的阈值确定方法对含有较强高频分量的信号进行小波去噪时,小波分析的频带能量泄漏现象会导致噪声估计失真,从而使小波阈值去噪出现较大的偏差。从小波分解的d1细节层和d2细节层的相关性角度,揭示d2细节层频带能量泄漏对噪声估计影响的规律,提出根据d1、d2细节层的最大相关系数判别噪声估计失真的方法。最后,给出解决噪声估计失真的方法。实验表明,该方法可以很好地判别小波去噪中是否出现噪声估计失真,可以避免出现去噪后信号有用信息损失严重的问题。     

民航地空数据链中D8PSK信号解调算法研究

甚高频数据链模式2(VDL M2)是下一代民航地空数据链,已在国际民航领域得到应用,其物理层信号采用D8PSK调制模式。面对未来民机装备国产化的需要,地空数据链中D8PSK信号解调算法的研究势在必行。文中以国际民航组织(ICAO)发布的文件为依据,分析了D8PSK信号的特征,研究了信号的解调算法并进行了仿真实现。通过仿真模拟ICAO规定的噪声环境,对比不同解调方法的抗噪性能,明确适用于民航地空通信的D8PSK解调算法。     

修正阈值的经验模态分解去噪算法研究

针对传统的经验模态分解(EMD)降噪方法容易丢失高频部分有用信号的不足,提出了一种修正阈值的EMD去噪方法。通过考察每个IMF的平滑度来判断其中噪声强度并以此修正用传统方法求得的阈值,再用修正的阈值对IMF进行阈值处理,实现对每个IMF的降噪,进而实现信号去噪的目的。在Matlab构造的超声信号的模型中分别添加3种不同强度的噪声模拟实际的噪声干扰,并进行去噪实验,结果表明修正阈值的EMD去噪方法对不同噪声环境下超声信号均有理想的去噪效果。     

基于经验模态分解的管道超声回波信号识别

在管道超声无损检测中,超声回波信号常受到噪声干扰或者因管道壁缺陷原因导致回波波形重叠,故检测信号很难判断缺陷大小。现采用一种基于经验模态分解(Empirical Model Decomposition,EMD)的方法,对超声回波信号的到达时间进行准确识别。该方法首先把原始采集的超声回波信号进行经验模态分解,预处理回波信号中的噪声干扰,处理后的信号通过正交检波处理得到该信号的峰值包络,则该包络的峰值时刻对应了回波信号的到达时刻。通过对实测缺陷信号的试验,验证了该方法的可行性和准确性。