论文部分内容阅读
提出了一种利用矢量网络分析仪单端口校准误差项提取互易二端口网络S参数的方法.该方法要求在不同的参考平面上分别进行两次单端口校准,然后利用两次单端口校准的误差项求解二端口网络的S参数,通过实验验证该方法的正确性.该方法可应用于负载牵引和噪声参数测量过程中阻抗调配网络的S参数提取.
利用矢量网络分析仪单端口校准误差项提取二端口网络的S参数
【摘 要】
：
提出了一种利用矢量网络分析仪单端口校准误差项提取互易二端口网络S参数的方法.该方法要求在不同的参考平面上分别进行两次单端口校准,然后利用两次单端口校准的误差项求解二端口网络的S参数,通过实验验证该方法的正确性.该方法可应用于负载牵引和噪声参数测量过程中阻抗调配网络的S参数提取.
【机 构】
：
中国电子科技集团公司第十三研究所,河北石家庄050051
【出 处】
：
计量学报
【发表日期】
：
2021年11期
其他文献
中国计量科学研究院自行研制的开口镓熔点装置实现了对镓熔点冻制及复现的自动化,建立了开口镓熔点配置标准铂电阻温度计组成的基准装置.实验结果显示:镓熔点熔化温坪长达50 h,镓熔点的复现性为0.1 mK,闭口结构与开口结构镓熔点量值差异经过气压修正后由0.13 mK减小至0.06 mK,镓熔点温度-气压线性拟合曲线所得数值与90温标中给出的镓熔点气压修正系数一致.
为有效提高低频标准振动台簧片式回复结构的柔性导向性能及高频工作稳定性,分析了簧片式电磁振动台工作原理及其机电耦合简化模型,并通过Ansys模态和谐响应分析,得到不同尺寸组合回复簧片结构对振动台模态频率及输出特性的影响规律,结果表明:水平及侧簧片的宽度及厚度尺寸为主要影响因素.基于多目标遗传算法,迭代分析得到满足振动台输出特性要求的水平及侧簧片尺寸最优解,将回复簧片的第2阶扭曲模态频率提升到442.05 Hz,相比最低值提高近一倍,有效扩展了振动台的稳定工作频率范围.
提出了一种基于连续激光加热测量金属材料比热容的方法.建立有限尺寸试样在连续加热条件下的传热和准稳态测量模型,使用COMSOL Muhiphysics仿真软件进行数值模拟验证.考虑实际测量过程中金属试样存在热损失,对模型进行了热损失修正,仿真验证了在试样表面综合传热系数小于80 W/(m2 ·K)的情况下,修正后的测量模型偏差小于±0.81％.使用532 nm连续激光器作为加热源,加工了TC4钛合金、316 L不锈钢、45钢、7075铝合金和T2紫铜等金属试样并在试样上打微孔,对受热面喷涂石墨,使用极细K型
化学分析仪器的校准经常需要用到稀释后的标准溶液,其稀释结果的不确定度是仪器校准结果不确定度的主要分量,直接影响最终的评定结果.以红外测油仪校准用10 mg/L和50 mg/L标准溶液为例,分别用数学方法和经验方法对标准溶液稀释进行不确定度评定,分析其对最终校准结果不确定度的影响.分析结果表明两种方法的评定结果不尽相同,但差别不大.在评定仪器的校准不确定度时,应根据不同的准确性要求,选择不同的方法.
2019年5月20日,国际单位制(SI)实现了7个基本单位均以基本物理常数为基准,计量体系迎来“计量单位量子化”和“量值传递扁平化”重大变革.电磁计量在计量学领域中占据极为重要的地位,开展电磁计量研究对保持我国量值传递先进性、促进计量学新发展具有重要意义.介绍了电磁计量的基本特性,综述了其在量子标准及芯片、能量天平、交流电量计量、交流阻抗及比率计量、高压计量、磁参量计量等方面的国内外发展现状,对电磁计量科学技术的发展趋势进行了展望.
提出了一种新型基于矢量误差修正的负载牵引测量模型方法.相比于传统负载牵引测量系统,该方法从8-term矢量误差模型人手,建立接收机与被测件端口处电压波的函数关系,通过对矢量网络分析仪进行矢量校准和对内部接收机进行一次绝对功率校准,可实时测量被测件的输入/负载反射系数,输入/输出功率及功率增益、效率等.按照模型方法搭建了相应的硬件系统,与商用Focus的类似系统进行了比较验证,实验结果表明具有良好的效果,证明了所提方法的准确性.
由于飞行高度等原因,无人机图像在实际使用中目标尺寸普遍较小、特征信息不明显,使用现有的算法对其进行目标检测存在困难.因此,提出了基于多尺度融合的图像多目标检测方法,使用Faster R-CNN为基础框架,将不同层次的特征信息进行融合,再结合上下文信息,实现了对无人机图像小目标检测.使用VisDrone2019数据集对地面车辆进行目标检查,实验证明:无人机对地面车辆目标的检测达到了较好的结果,所使用算法的精度达到88％,与其它算法相比提升了3.8％以上.
深度强化学习是指利用深度神经网络的特征表示能力对强化学习的状态、动作、价值等函数进行拟合,以提升强化学习模型性能,广泛应用于电子游戏、机械控制、推荐系统、金融投资等领域.回顾深度强化学习方法的主要发展历程,根据当前研究目标对深度强化学习方法进行分类,分析与讨论高维状态动作空间任务上的算法收敛、复杂应用场景下的算法样本效率提高、奖励函数稀疏或无明确定义情况下的算法探索以及多任务场景下的算法泛化性能增强问题,总结与归纳4类深度强化学习方法的研究现状,同时针对深度强化学习技术的未来发展方向进行展望.
为了对驾驶员的疲劳状态进行有效识别,进行了真实高速公路驾驶实验.通过无线脑电采集设备采集驾驶员在不同时刻的多导脑电数据.基于相位滞后指数对不同时刻的脑电数据分别建立邻接矩阵、二值矩阵,并构建脑功能网络,绘制脑网络地形图.利用复杂网络理论计算和分析脑功能网络节点特征参数——度,并对不同时刻的节点度进行对比.根据各个节点度的变化趋势以及驾驶员的主观判断,发现随着驾驶实验的继续,驾驶疲劳程度加深,大脑的信息处理能力降低,相位滞后指数值与节点度下降趋势明显.表明脑功能网络特征参数——度,能够作为表征大脑疲劳的客观