共查询到17条相似文献,搜索用时 171 毫秒
1.
2.
一种可以在1.25MHz频率上高精度测量6dB增量衰减的系统已经研制成功,初步实验表明:系统误差的典型值为5μB(1μB=0.00001dB),分辨度为1μB。NBS制造的以调谐的线性混合头及功率检测器组成的专用线性度测量系统(LMS)已用于确定1.25MHz功率检测器的非线性。检测器是一个带有热隔离的珠状单热敏电阻,它可近似地线性跟踪输入功率的4:1的变化。非线性修正值是由线性度测量系统确定的,现在所用检测器的修正值为13μB左右。这个已校准的检测器及另一个同类的检测器被用于衰减测量系统(AMS)作功率比测量,以便测出被测件的衰减变化。预期起始插损可达100dB,测量6dB左右的变化量时,其准确度为0.001dB。对用于校准系统的元件都必须进行专门的设计考虑,以便使失配误差减小到不致使上述估计的准确度明显下降。 相似文献
3.
微波辐射计接收机的线性度是表征输入噪声温度与输出电压间的关系,采用双位开关衰减器法实现等功率电平测量微波辐射计接收机的线性度。该方法是在已知输出温度的低温噪声源之后,接有一个双位开关衰减器,这个双位开关衰减器只有二个档位,要么是直通,要么是通过一个固定的小衰减量。多次交替开关,可使达到接收机的输入量每次的增加是个相同量,这样就能完成接收机线性度的准确测量。简述测量原理、方法和测量不确定度分析。 相似文献
4.
5.
6.
7.
为了在毫米波波段准确测量波导器件的反射系数,提出了一种应用在反射系数测试前端(反射计)中的校准方法.该校准方法采用基于多项式的误差模型,使得每一个误差项的求解都转化成一个求解轨迹圆圆心的问题,同时不影响求解精度.采用一个滑动负载、一个滑动短路和一个短路器,在毫米波波段降低了对标准件理想程度的要求.实验中搭建了一个Ka波段的反射计,图解误差项的求解过程,分析了误差项的物理意义.把校准后的测量结果与商用矢量网络分析仪(VNA,Vector Network Analyzer)进行比较,吻合较好.同样比较了一组W波段反射计对波纹喇叭的测量结果,进一步验证了方法的合理性. 相似文献
8.
本文介绍中国计量科学研究院(NIM)在相位噪声频域测量方面的最新进展,叙述了系统的性能,详细讨论了测量不确定度,指出系统的噪声本底小于-170dBc/Hz.总测量不确定度可达±2dB.并给出若干测量实例. 相似文献
9.
面对(110~170) GHz天线准确计量的需求,设计了一套基于机械臂自动扫描的(110~170) GHz天线平面近场测量系统,它由矢量网络分析仪、扩频模块、机械臂扫描架、小型光学平台、扫描探头等硬件组成,通过测量软件设置仪器参数,控制机械臂扫描轨迹,采集扫描面上测试点的幅度和相位,将近场采集的数据用付氏近远场变换算法还原成天线增益方向图。采用标准增益喇叭天线对该系统进行实验验证,并将近场测量结果与远场测量结果进行比较,结果表明该系统测量方向图主瓣最大偏差为0.25 dB,能够满足天线计量的需求。 相似文献
10.
11.
12.
对同轴线-集中电容负载谐振腔, 采用传输测量使用的3dB 三频法决定有载Ql, 计及谐振频率下的插入损耗后获得无载Qu, 对同一腔体, 也用单端口反射测量技术的xdB 三频法, 并通过测量回程损耗在谐振点和xdB 点的输入反射系数振幅来获得无载Qu. 在500MHz 下40 个不同的耦合状况下, 两种方法得到无载Qu的算术平均值和标准差为2519±34. 这两种技术被用来调节和实现传输型谐振腔的输入、输出的等耦合和电介质测量, 本文从介质损耗测量的观点讨论了如何使用有载Ql和无载Qu. 相似文献
13.
介绍了矢量网络分析仪测量微波晶体管S参数时的主要误差 ,给出了基于测试夹具校准件的制作方法和它的特性测量 相似文献
14.
15.
本文提出利用传递矩阵和宽频脉冲分离法结合的方式,对水声材料的纵波声速和衰减系数进行了测试。介绍了使用收发合置换能器的测量方法、宽频脉冲信号的产生和测量结果,完成了测量不确定度分析。 相似文献
16.
为了研究卫星互联网用空间行波管的非线性特性,本文使用行波管一维大信号模型,结合CST软件计算得到的行波管冷特性参数,基于MATLAB平台编写了数值计算程序。使用所编写的程序,以Ka波段和Q波段的两种空间行波管为模型,计算其调幅-调幅(AM-AM)和调幅-调相(AM-PM)的主特性,并同时计算了三阶交调失真(IMD3)和噪声功率比(NPR)。分析了输入功率的回退对这两种非线性特性的影响,并与矢量网络分析仪得到的实际测试结果进行了对比,三阶交调的计算结果与实际测试的误差在1dB以内。为高线性度行波管的设计提供模拟工具。 相似文献
17.
针对非线性失真和多径效应混合的复杂信道条件,提出一种基于神经网络的正交频分复用(OFDM)信道补偿与信号检测的方法。首先接收端信号利用最小二乘(LS)算法和迫零(ZF)算法做预处理,然后再输入到一层全链接层的神经网络进行进一步的信道补偿与信号检测,并恢复数据流。仿真结果表明,在没有进行输入信号功率回退(IBO)时,所提方法的误比特率(BER)性能比LS算法提升2个数量级,比线性最小均方误差(LMMSE)、最小均方误差(MMSE)提升一个数量级;在进行IBO后,所提方法能避免LS信道估计下至少4 dB的功率损失,能避免LMMSE、MMSE信道估计下至少2 dB的功率损失。所提方法在一定程度上验证了机器学习结合通信的先验知识的这种新的网络结构更能提升系统数据传输的准确率。 相似文献