网络分析仪时域测量技术综述

矢量网络分析仪直接测量两端口网络的微波特性，是射频微波测量领域中应用最广泛的仪器之一。网络分析仪时域技术在故障点定位、多路径消除、不连续性测试等应用中有着非常重要的意义，但是如何合理选取时域模式和设置参数是困扰工程研究人员的难点。本文对网络分析仪时域测量模式、离散数据取样、频率截断、窗函数、归一化等时域测量理论进行详细介绍，给出了时域测量范围和分辨力的计算方法，并以开路器的时域响应为例，说明了时域测量相关参数的设置依据。     

毫米波网络分析仪系统电缆移动误差分析

毫米波频段已经开始并将逐步成为各种应用领域的新宠.毫米波矢量网络分析仪系统是毫米波频段应用最广泛的测量仪器之一,用于测量二端口网络的散射(S)参数.毫米波网络分析仪系统通常由网络分析仪主机和扩频模块组成,它们通过电缆组(射频电缆、本振电缆、测试中频电缆、参考中频电缆和供电线)进行连接.毫米波网络分析仪系统测量时,电缆组...     

国产半自动网络分析仪的研制与发展

介绍网络分析仪的用途及应用,国内外发展概况,国产半自动网络分析仪研制的必要性,自行研制的有利条件、效益初析及待解决的问题;介绍国产半自动网络分析仪的研制情况,包括达到的技术指标,软、硬件所需作的工作,试验框图,校准和测试程序,测试结果举例及误差分析。     

基于MobileFaceNet网络改进的人脸识别方法

为了解决训练过程中卷积模型参数较多、收敛速度较慢的问题,提出了一种基于MobileFaceNet网络改进的人脸识别方法。首先,使用MobileFaceNet网络提取人脸特征,在提取特征的过程中,通过引入可分离卷积减少模型中卷积层参数的数量;其次,通过在MobileFaceNet网络中引入风格注意力机制来增强特征的表达,同时使用AdaCos人脸损失函数来训练模型,利用AdaCos损失函数中的自适应缩放系数,来动态地调整超参数,避免了人为设置超参数对模型的影响;最后,分别在LFW、AgeDB和CFP-FF测试数据集上对训练模型进行评估。实验结果显示:改进后的模型在LFW、AgeDB和CFP-FF测试数据集上的识别精度分别提升了0.25%、0.16%和0.3%,表明改进后的模型相较于改进前的模型在精度和鲁棒性上有所提高。      

矢量网络分析仪在通信卫星转发器地面测试中的应用技术

将矢量网络分析仪应用于通信卫星转发器地面测试中,必须解决被测件频率变换及非线性等问题。文章从解决这些问题入手,给出三种典型的系统构成办法。同时就有关性能、应用范围和系统校准等问题作一些探讨。     

HP8409C自动网络分析仪在雷达截面测量中的应用

进行雷达截面(RCS)测量时,主要问题是需要消除测量数据中非期望信号的影响.为此,提出了一种使用 HP8409C 自动网络分析仪测量目标 RCS 的方法,介绍了测试系统的设置和工作原理,以及借助仪器校准功能和所扩展的时域能力完成非期望信号的消除处理.说明 RCS非暗室测量的可行性,简述了 HP8409C 的扫频测量、校准步骤以及外场测试的结果。     

基于网络分析仪的多类型微波器件S参数自动校准软件研究

为实现高效测量,减少多种类型被测器件导致的测量参数设置复杂问题,本文通过分析微波网络S参数测量系统的工作原理和性能特点,采用C#多线程、模块化结构设计出S参数自动校准软件,对S参数测量系统建立被测器件的类型、标准件的参数以及测试流程等数据库,同时建立被测参数的测量不确定度模型。基于矢量网络分析仪结合自动校准软件实现反射参数与传输参数的测试,通过试验可发现,采用自动化校准软件的测试结果与手动测试结果具有较高的一致性。     

标量网络分析仪的发展和新技术

叙述了标量网络分析仪的发展概况;介绍了美国 HP、WaveTek、Wiltron 和英国 Marconi 四家仪器公司生产的标量网络分析仪的性能。文中对标量网络分析仪使用四端口电桥和精密空气线,用“误差平均”和“纹波提取”技术来提高测量精度的方法作了详细阐述。对实测的数据用计算机作了模拟计算,明确了设计的数字滤波器除了用凯泽(Kaiser)窗函数加权外,进行第二次加权的必要性。     

改进U-Net网络及在遥感影像道路提取中的应用

高分辨率遥感图像分割在军事、民用等领域具有良好的应用前景,但由于复杂的背景条件以及干扰物的遮挡,导致现有算法无法较好地从遥感影像中提取道路细节信息。研究基于改进U Net网络模型,提出了MDAU-Net（multi dimension attention U-Net）网络结构模型,通过对U-Net网络结构加深至七层结构来提升精细分割道路的能力;并提出了一种多维注意力模块MD-MECA（multi dimension modified efficient channel attention）,将其添加至编码部分的特征传递步骤中,以达到对编码部分的特征传递进行优化的目的;其中利用DropBlock与Batch Normalization解决网络训练过程中出现的过拟合。试验结果表明:改进后算法可以有效提升道路的提取效果,在测试集上的准确率达到了97.04%。     

采用二极管检波器的双六端口网络分析仪

介绍了一种采用二极管检波器的双六端口网络分析仪的性能,这种网络分析仪在2—18GHz频带内采用商品低势垒肖特基二极管。本文描述了校准偏离平方律特性的二极管的方法。给出的测量结果,揭示了六端口网络分析仪测量单端口和二端口器件的准确度和精密度。     

Ku波段波导扫频双六端口网络分析仪

介绍研制的一种实用Ku波段扫频双六端口网络分析仪。该仪器能同时测量双口网络的4个散射参数及单口网络的复反射系数。     

网络分析仪法测量稠油介电常数

用网络分析仪在Ｘ波段８～１１．５ＧＨｚ的６个频率点上,对大港、胜利、辽河油田稠油的介电常数进行测量,测量结果可以为微波采油工艺中的井下轴射器的设计及微波能利用率的估算提供理论依据,并对测量结果进行了误差分析。     

HP8510系列矢量网络分析仪的各种构成方案及其技术关键

系统地评价了HP8510系列矢量网络分析的技术成就,给出了各种可能的构成方案、功能、主要技术指标。对其技术难点,分硬件、软件和锁相环路三部分作了较详细的阐述,并与HP8410系列矢量网络分析仪作了比较,最后探讨了我国研制矢量网络分析仪的可能性。     

HP8409B自动网络分析仪精度的提高原理

宇航、制导、卫星通信、遥感、图象传送等电子技术的发展,越来越广泛地采用宽频带器件。目前采用十几个倍频程的宽带器件已屡见不鲜。这类器件不仅复盖频率宽,而且要求准确测量器件特性。用传统的点频测试技术不仅耗费人力和时间,而且很难避免由于“漏点”引起测试不可靠,尤其对于     

矢量自动网络分析仪的3.5mm和7mm两端口检验标准

为了提高微波测量的准确度,需要研制检验标准并利用检验标准来检查测量的准确度。文中介绍了3.5mm和7mm两端口检验标准的设计和注意事项、使其准确度、重复性和通用性均达到最佳状态。文中还阐明了使用检验标准所必须完成的四个重要步骤,检查测试端口、比较实测数据和校准数据的方法,以及对测试结果进行统计分析的方法。     

一种基于生成对抗网络的卫星异常检测方法

针对卫星地面测控中心在异常检测时面临的遥测数据不平衡和缺乏异常标签等问题,提出了一种基于时序生成对抗网络的异常检测方法.首先对卫星遥测数据进行预处理,剔除原始数据中的噪声和野值.然后使用长短时记忆网络构建生成模型的生成器和判别器,使得模型可以学习到历史数据的时间依赖关系.采用改进的生成对抗损失函数,使得生成模型在训练时可以保证生成序列与输入序列的潜在空间分布一致.最后,使用残差作为测试序列的异常分数,通过阈值自适应方法判断测试序列是否异常.经真实卫星遥测数据进行实验验证,表明该异常检测方法具有较好的有效性.     

基于拉普拉斯矩阵的网络社区划分算法在电缆网测试中的应用

在低频电缆网导通绝缘测试中,对电缆网连接节点的划分是开展低频电缆网测试的基础。通过电缆网连接节点的划分,可以高效低成本完成转接电缆和测试方案的设计,将能够大大节省电缆网性能测试的周期和成本,为工程项目任务中电缆网快速、高效、准确测试奠定基础。目前,对电缆网的测试一般直接通过连接器进行转接电缆设计,这种方法由于转接电缆连接器芯点分配的问题,导致测试效率较低。针对以上问题,提出改进型的转接电缆设计方法,并针对改进型设计方法中子网络难划分的痛点问题,采用基于拉普拉斯矩阵的网络社区划分算法完成电缆网相关性大的子网络的划分。该方法解决了节点多、关联性强的电缆网子网络划分问题,经过仿真验证,使用划分后设计的转接电缆进行电缆网测试,测试效率得到提升。     

基于生成对抗网络的零样本图像分类

在图像分类任务中,零样本图像分类问题已成为一个研究热点。为了解决零样本图像分类问题,采用一种基于生成对抗网络（GAN）的方法,通过生成未知类的图像特征使得零样本分类任务转换为传统的图像分类任务。同时对生成对抗网络中的判别网络做出改进,使其判别过程更加准确,从而进一步提高生成图像特征的质量。实验结果表明:所提方法在AWA、CUB和SUN数据集上的分类准确率分别提高了0.4%、0.4%和0.5%。因此,所提方法通过改进生成对抗网络,能够生成质量更好的图像特征,从而有效解决零样本图像分类问题。      

面向复杂系统的三维Bayes网络测试性验证模型

针对当前武器装备复杂的系统结构,现有基于装备整机系统测试性先验信息的测试性验证方法难以适用,基于分系统测试性先验信息的测试性验证方法不能系统有效地处理先验信息,导致测试性验证结果可信度不高的问题,提出一种面向复杂系统的三维Bayes网络测试性验证模型。该模型能充分运用装备各层级结构中所蕴含的条件独立性,有效降低构建Bayes网络模型的复杂度,同时能融合装备各层级单元的先验信息。通过给出的三维Bayes网络的条件概率学习方法及G/M-H算法,由底层单元数据通过模型逐步向上融合,得到顶层测试性指标的后验分布,进一步利用顶层后验分布求取故障样本量。结果表明:该模型能充分考虑复杂系统的系统结构及各层级单元先验信息,并能通过模型推理得到的指标后验分布达到有效减少测试性验证故障样本量的目的。      

基于改进空间通道信息的全局烟雾注意网络

针对烟雾因半透明、形状不规则和边界模糊造成分割困难的问题,提出了基于注意力机制的长距离信息建模方法,以提取长距离像素间的依赖和连续性关系。通过注意力机制作用原理,解决孤立小块区域误分类问题,减少非连续区域的烟雾误判。为避免注意力网络大尺寸矩阵运算造成的内存和计算负担,对空间和通道2种注意力方式进行改进,分别设计了双向定位空间注意力(BDA)模块和多尺度通道注意力(MSCA)融合模块,弥补现有注意力全局池化操作导致的大量空间信息丢失。将所提注意力模块和残差深度网络合并,构建面向图像烟雾分割的全局烟雾注意网络,在尽可能不丢失全局信息相关性的同时减少内存消耗。实验结果表明：所提网络在DS01、DS02、DS03合成烟雾测试集上,取得的平均交并比分别为73.13%、73.81%、74.25%,总体上优于对比算法。