超宽带信号分析仪幅频特性校准技术研究

来源 :电子质量 | 被引量 : 0次 | 上传用户:cq2427
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
文章介绍了超宽带(UWB)通信技术和UWB幅频补偿修正技术研究现状,指出现有检定/校准技术不能解决UWB分析仪带内幅频特性量值溯源问题.提出采用梳状信号发生器(Comb-G)作为标准器的校准方案.讨论了Comb-G的工作原理,推导出其频域频谱幅度表达式.分析了目前典型型号Comb-G频谱特性和被校示波器带宽指标,得到校准带宽内Comb-G谐波幅值递降幅度仅为0.33 dB,证明有足够的信噪比和精度来校准示波器的频谱特性.文章最后详细描述了校准操作步骤.
其他文献
刻板定义的软件工程化过程拖慢了软件的研发速度,项目难以操作,逆向工程难以避免,这既违背GJB5000A实施的初衷,又增加了不必要的工作量,使各单位在推广实施软件工程化的路上阻碍重重.软件质量管理中质量策划的关键是明确软件过程,本地化的软件工程化体系,尤其是适宜的软件生命周期模型,它是有效进行软件研发过程质量管理的重要基础.该文通过分析项目组软件工程化实施存在的问题,结合军用软件研发过程实际,在满足内外部要求的基础上,汲取常见软件生命周期模型优点,紧密结合型号项目研制过程,定义了符合实际、易执行的软件生命周
用双样本t检验和等方差检验对浸泡溶洗和超声溶洗两种预浸料树脂含量测试方法测得的数据进行统计分析,结果显示两种方法测得的数据均值和方差在统计上都没有差异,说明用两种方法测试预浸料树脂含量结果具有可比性.浸泡溶洗使用仪器简单,人工操作多,时间长;超声溶洗需用超声清洗仪,人工操作少,时间短.实验员可根据实验室具体情况,结合两种实验方法优缺点,选择任意一种溶洗方法测试预浸料树脂含量.
大数据技术的应用已经越来越显得重要,大数据作为职业教育的专业已广泛开设.文中从大数据人才的需求调研出发,分析了大数据的产业、应用以及人才的需求情况,并结合清远的实际,提出了大数据人才培养的建议.
模式识别课程具有数理内容多、建模难度高、内容更新快等特点,在面向本科生的教学中,采用传统的授课模式很难达到理想的学习效果.本文在分析和比较基于问题导向的教学模式(Problem-Based Learning)和基于资源导向的教学模式(Resource-Based Learning)的基础上,结合本科生模式识别课程改革教学实践,提出有机融合两种教学模式的新思路.针对面向本科生的模式识别教学遇到的问题,探讨了PBL和RBL融合式教学模式的设计思路,详细阐述了该模式在模式识别课程教学中的实施机制,并分析了在模式
在“互联网+”及新冠疫情的时代背景下,丰富的网络资源与发达的信息技术推动了教学方式的变革,网络教学的优势逐步体现出来,但是线上教学与课堂教学的协同建设问题也随之出现.本文以“新型传感技术”课程为例,以适应测控技术与仪器专业发展趋势,提高研究生课程教学质量为根本,在分析线上教学与课堂教学两种模式特点的基础上,从理论知识教学、实验实践教学、拓展资源教学三方面,阐述了线上线下教学的协同建设方式,并结合选课生的问卷调查与统计反馈,设计了一种成绩考核与分值加权的教学考核评价体系,以多元化、综合评价线上线下混合式教学
PCB设计是电子技术发展环节上必不可少的一环,随着电子电路的集成度越来越高,PCB的设计也越来越复杂,这对硬件工程师的设计要求也越来越高.实现电路板设计与制造的无缝连接,提高加工质量、生产效率、电子产品可靠性,降低成本,显得尤为重要.根据实际需求,与制板厂商的制作能力进行无缝衔接,设计出最有效的PCB,需要工程师深刻了解需求和制造的规则,而其本身也对工程师自身发展以及PCB设计提升有重大意义.
碳化硅核燃料包壳的研究是核燃料元件领域的一个研究热点.三维编织预制体具有独特的力学优势,三维编织技术在碳化硅核燃料包壳中有着广泛的应用.本文讨论了三维编织预制体的技术特点,介绍了三维编织技术在碳化硅核燃料包壳中的应用.
PCB质量的好坏很大程度上决定了电子产品的稳定性、寿命和应用范围.该文从PCB叠层设计、元器件布局、布线设计、接地设计等方面,较为全面地阐述了PCB设计流程、方法和技巧.按照笔者所述方法和技巧设计的PCB,其信号完整性、电磁兼容性和散热性均表现优良.
随着经济发展与大众健康理念的提升,绿色、健康、安全的衣着方式受到消费者青睐,抗菌纤维已经成为市场发展的热点材料,在家居、医疗卫生、军用服装等领域的需求也越来越大.针对抗菌纤维,本文重点探讨了天然抗菌纤维、无机抗菌纤维、有机抗菌纤维的机理,详细介绍了这三类抗菌纤维的研究进展,并对抗菌功能纤维未来的研究重点和发展进行了展望.
基于模拟电路中器件缺陷引发的电路故障能通过电路输出噪声功率谱密度来表示的现象,提出一种基于改进平均互谱周期图法与深度学习算法结合的模拟电路故障诊断方法.由改进平均互谱周期图法提取不同故障下的噪声谱密度,作为深度学习的特征值,使用K邻近算法对硬件平台采集的数据集进行模型训练与预测,验证了方案的可行性.依托FPGA开发平台,通过实验验证,使用上述方法,故障检测正确率达到了95.7%,检测耗时约2s,与平均周期图法相比,减小了提取特征值的方差和标准差,提高了故障检测的正确率.