【摘 要】
：
随着无线通信技术的不断发展,低延迟和高可靠性的通信水平促进了未来的工业智能控制方向和自动驾驶领域的发展。功分器的研究是在无线射频微波电路设计上的重要一环,它的发展也对无线接收系统的提升起到推动作用。在功分器的研究方向中,对超宽带和具有多功能集成性能的滤波功分器的研究不断发展,然而在高频段的设计中会存在损耗高的问题,并且传统的隔离方式不利于为封装结构提供隔离度。集成基片间隙波导（Integrated
论文部分内容阅读
随着无线通信技术的不断发展,低延迟和高可靠性的通信水平促进了未来的工业智能控制方向和自动驾驶领域的发展。功分器的研究是在无线射频微波电路设计上的重要一环,它的发展也对无线接收系统的提升起到推动作用。在功分器的研究方向中,对超宽带和具有多功能集成性能的滤波功分器的研究不断发展,然而在高频段的设计中会存在损耗高的问题,并且传统的隔离方式不利于为封装结构提供隔离度。集成基片间隙波导（Integrated Substrate Gap Waveguide,ISGW）拥有低损耗和自封装的特性,能很好地适用于5G毫米波频段微波器件的设计。本文以ISGW波导为基础,设计了两款功分器,并且创新性的使用了两种隔离度的提升方法去提高封装功分器的隔离性能,主要工作如下:（1）提出了一款基于ISGW的多层宽边缝隙耦合超宽带功分器。该超宽带功分器,由宽边耦合微带线和功率分配电路组成,在隔离度的设计中,采用槽线加载隔离电阻实现了封装结构功分器的隔离度的提升,并且分析了这种隔离方式的等效电路。通过仿真结果表明其中心频率为28GHz,带宽范围为20.4GHz-35.6GHz,相对带宽为54.28%,回波损耗优于12.8d B,频带内的最大插入损耗低于1.56d B,在中心频率附近的插入损耗不超过0.7d B,隔离性能在带内均能低于-10d B,在21.52-34.38GHz的范围内能达到-15d B的隔离度。最后对本文设计的结构与其他文献中的超宽带功分器做出对比分析和总结。（2）提出了一款基于ISGW的阶梯阻抗平行耦合线带通滤波功分器使用电磁吸波超材料提升隔离度。为了克服传统的隔离电阻法在高频处的不利影响,设计了一种新型的封装结构隔离方法,即使用电磁吸波超材料实现功分器隔离度的提升。首先设计了一种电磁超材料吸波体,能够灵活调节吸收频点和拥有完美吸波特性。将滤波单元与功分器级联设计了滤波功分器结构,再结合电磁超材料吸波体提升了端口之间的隔离度。通过仿真结果表明得到中心频率为26.2GHz,通带为25.7GHz-26.7GHz,实现了通带两侧拥有很好的带外抑制,抑制均在30d B以上,中心频率处实际插入损耗1.27d B,隔离度大于11.8d B。最后将该滤波功分器与不同文献中使用的隔离度方法做出了对比分析,分析使用电磁吸波超材料提升隔离度的可行性和优势,以及相应的缺点。
其他文献
随着知识图谱（Knowledge Graph,KG）相关技术的快速发展,领域KG已经成为学界和业界关注的重点。与传统的领域数据管理方法相比,领域KG作为结构化的语义知识库,能够帮助人们有效地获取知识之间的逻辑关系,从而为智能问答、搜索引擎和决策支持等领域应用提供数据支撑。因此,高效的领域KG构建,对领域知识的有效管理、直观展示等具有重要意义。由于领域KG的适用范围较小且更加注重知识的准确度和深度,
社会影响是指个体的意见或行为受他人的行为所影响的现象,主要通过人与人之间的交互活动体现出来。社会影响力的研究在经济社会学与市场学范畴中有着较长的发展史,这给影响力最大化（Influence Maximization,IM）在社会网络中的传播研究奠定了一定的基础。在社会网络中,每个人都不是独立存在的,他们之间相互联系,对彼此都有着或多或少的影响作用,而他们之间的影响深浅,范围大小取决于诸多因素。IM
负荷数据自身存在高维的非线性特征,同时负荷数据也会受到气象,电价等外部因素影响,特别是净负荷数据直接与光伏发电出力相关。因此,负荷数据在预测时,其特征的构建和选择直接影响到模型的精度和预测成本。本文通过数据驱动的方式建立负荷预测短期模型,主要取得以下研究成果:（1）针对负荷相关因素的高维非线性特征影响模型预测精度与训练成本问题,文中设计了一种利用相空间重构（Phase Space Reconstr
图像到图像翻译是计算机视觉和图像处理方向热门的研究课题,它的目标是在不同的视觉域间学习一种映射关系,将源域的数据分布变换至目标域的数据分布,同时保留源域的内容特征。图像至图像翻译包括多种有趣的计算机视觉和图像处理应用,包括图像风格化、图像超分辨率、图像语义生成、图像修复、图像编辑等。总之,图像到图像翻译是一个广泛、有趣且有影响力的研究课题,包括计算机视觉、计算机图形学和数字图像处理中的若干重要问题
声纳是人类探索水下世界的眼睛。伴随着人类社会发展,对各种海洋资源的需求不断增大,声纳也随之成为世界各国都日益重视的研究对象[1]。其中,成像声纳系统可以对水下世界进行实况显示,可对水下资源开采、水下救援、水下打捞等提供重要辅助作用,研究意义重大。本实验室此前研究开发的TKIS-Ⅰ机械扫描成像声纳是一款单波束机械扫描声纳,目前已有20多台成品装备于各海军救援部队,该声纳能满足中远距离探测需求,但也存
联邦学习能够使分布式客户端在不共享本地真实数据的情况下联合进行深度学习模型训练,有效解决了数据孤岛的问题。现有的联邦学习方案存在通信成本过高及部署模型参数量过大的问题;同时分布式客户端与中央服务器需采用相同的网络结构,无法保证本地模型的异构性与隐私性,这些情况的出现成为了限制联邦学习发展的主要瓶颈。针对这些问题,本论文基于集成知识蒸馏技术,研究低通信成本和低联邦模型参数规模的联邦学习技术,具体内容
在拍摄图像时,不可避免的会受到相机设备、采集环境以及传输信道等方面的影响,导致获取到的图像中存在明显的噪点,干扰人们对图像信息的理解与分析。为了确保图像内容能够准确的表达,需要在采集和传输后对图像进行去噪处理,减少图像上多余的错误信息。最近的一些研究在消除加性高斯白噪声方面已经获得了较为显著的效果,但仍难以应用在真实场景图像上。因为现实生活中,图像上的噪声分布都是不确定的,使用去除高斯白噪声的算法
综合性工业和国防设备需无人系统在复杂境况下能实现全天候高精确度应用。近年来,视觉目标跟踪技术在机器人研发、自主汽车行业、人机界面设备和视频监控设备等方面获得了广泛的运用。凭据所输入的信息源,跟踪方法大体上分为可见光图像目标跟踪、红外图像目标跟踪和可见光与红外融合目标跟踪。目前应用最普遍的是可见光目标跟踪,但是可见光图像易受到复杂环境的影响,导致跟踪性能的下降。本文针对未知环境下挑战,以提高跟踪稳定
使用声学方法来对海洋进行探测,一直以来都是人类探索海洋的一种重要方式,其中声纳在海洋探测中一直扮演着不可或缺的角色。尤其是在内陆资源不断消耗的情况之下,越来越多的国家把资源获取的目光转移向了海洋这片领域。随着时间的推移,成像声纳研发的重要性与日俱增。在实际探测场地中,海洋声纳设备能够清晰、真实地绘测出探测目标的具体信息,获取的这些信息能较准确地完成目标探测、目标跟踪、海底失物打捞、湖泊地形测绘分析
多数实际工程中的信号具备非平稳、非线性等过程特征,使用传统短时傅里叶变换（Short-Time FT,STFT）、小波变换、Wigner-Ville分布（Wigner-Ville distribution,WVD）等方法并不能有效提取特征信息。而经验模态分解（Empirical Mode Decomposition,EMD）方法自提出以来,已验证处理非平稳、非线性过程信号的有效性,因此该方法在实际