较宽频带分布式放大器的设计问题

本文讨论了通频带较宽(可用频宽为150兆赫至数百兆赫)之低通分布式放大器设计中所遇到的各项问题。文中对电子管的输入和输出阻抗进行了较精确的计算,并根据计算结果着重地讨论了输入电容和输入电导变化对分布式放大器较高频部分特性的影响。对于包括引线电感在内的傅输线电感的设计问题也进行了讨论。根据这些计算和讨论的结果提出了较为合理而易于实现的较宽频带的分布式放大器的设计方法。最后从实验结果加以说明。     

北京谱仪μ管组合模型在线实验

本文给出了北京谱仪μ子鉴别器八管组合单元和电子学系统在线联调的实验结果.主要指标为:计数率坪长约250V,电荷分配标准偏差<3cm,气体放大特性和电荷分配比的线性良好,电子学系统台阶漂移为±1道.     

三极管、五极管和放大作用

电台的广播,经过空中很长的距离到达收音机,已经很微弱了,必须把这微弱的信号“放大”,才能清晰地听到。利用电波的回声来测量目的物的位置(雷达),也必须把反射回来的微弱电波加以放大。在各种电子测量和控制系统中,必须要用灵敏的电子放大器。这样,放大线路的应用是非常普遍的。     

基于全局特征图的半监督微博文本情感分类

网络社交的流行与普及,使得微博等短文本区别于以往传统文章,具有了独有的文学表达形式和情感发泄方式,导致基于短文本的机器学习情感分析工作难度逐渐增大.针对微博短文本的语言表达新特性,爬取收集大量无情感标记微博数据,建立微博短文本语料库,基于全局语料库构建词与短文本的全局关系图,使用BERT(Bidirectional E...     

北京谱仪μ管组合模型在线实验

本文给出了北京谱仪μ子鉴别器八管组合单元和电子学系统在线联调的实验结果.主要指标为:计数率坪长约250V,电荷分配标准偏差<3cm,气体放大特性和电荷分配比的线性良好,电子学系统台阶漂移为±1道.     

旅客人身时频调和型毫米波三维重建

在毫米波人身安检成像中,二维平面承载的有限信息量使得安检系统对隐匿危暴/爆品的检出概率不高,亟待获取人体三维全聚焦重建结果,且以往仅时域或频域三维重建算法均难以实现精度与效率的平衡。为此,基于“维度分解-算法调和”策略提出时频调和型三维重建算法（Time-Frequency Coordination 3D Reconstruction,TFC-3DR）。该算法融合频域算法的效率与时域算法的精度优势,利用距离徙动频域成像算法（Range Migration Algorithm,RMA）的方位平移不变性,在距离-高度截面统一地校正距离徙动,以保证运算效率,而后将时域后向投影（Back Projection,BP）算法应用于距离-角度维截面,通过将脉冲压缩数据与成像空间分辨单元逐点相干积累,以保证成像精度,由此加快运算效率的同时又保证重建精度。由于BP算法的引入,阵列天线角度维扫描轨迹灵活可变,有效降低了人体侧面盲区面积,避免漏检、误检。仿真和实测人体毫米波数据实验,验证了算法的有效性与实用性,同时分析重建效果与运算复杂度,验证了该文所提算法相比三维BP重建算法的优越性。     

北京谱仪

北京谱仪是北京正负电子对撞机上的一台大型通用性磁谱仪.它由多种探测器组成,用于测量正负电子湮没后的遍举末态反应,进行粲粒子物理和τ轻子物理研究.它有大的覆盖立体角;优良的荷电粒子分辨;动量分辨和好的低能光子探测效率.本文对谱仪的结构和性能作了详细的描述.     

基于分层贝叶斯Lasso的稀疏ISAR成像算法

逆合成孔径雷达(ISAR)目标回波具有明显的稀疏特征,传统的凸优化稀疏ISAR成像算法涉及繁琐的正则项系数调整,严重限制了超分辨成像的精度及便捷程度.针对此问题,该文面向非约束Lasso正则化模型,建立分层贝叶斯概率模型,将非约束的范数正则化问题等效转化成稀疏拉普拉斯先验建模问题,并在分层贝叶斯e1 Lasso模型中建立正则项系数依赖的概率分布,从而为实现完全自动化参数调整提供便利条件.考虑到目标稀疏散射特征和多超参数的高维统计特性,该文应用吉布斯(Gibbs)随机采样方法,实现对ISAR目标稀疏特征的求解,并同步获取包括正则项系数在内的多参数估计.基于该文研究方法可实现全部参数均通过数据学习获得,从而有效避免繁琐的参数调整过程,提升算法的自动化程度.仿真及实测数据均可证明该方法的有效性和优越性.     

基于贪婪-快速阈值迭代的SAR地面动目标稀疏表征算法

合成孔径雷达地面动目标成像(Synthetic Aperture Radar Ground Moving Target Imaging, SAR-GMTIm)技术通过在静止场景的SAR图像中检测运动目标响应,实现针对运动目标的重聚焦成像。通常情况下,地面运动目标回波响应相对于静止场景的回波(即杂波)具有较强的稀疏性,增强SAR-GMTIm成像结果的稀疏特征有利于目标分类和识别。现有的一阶算法如阈值迭代算法(Iterative Shrinkage-thresholding Algorithm,ISTA)及其改进方法,快速阈值迭代算法(Fast Iterative Shrinkage-thresholding Algorithm,FISTA)都可用于SAR-GMTIm稀疏特征增强,但都存在运算效率偏低,收敛速度较慢的问题。针对以上问题,本文提出了一种贪婪-快速阈值迭代算法(Greedy Fast Iterative Shrinkage-thresholding Algorithm,Greedy FISTA)用于SAR-GMTIm稀疏特征恢复。该算法基于重启动框架对FISTA进行改进,缩短了算法重启间隔和振荡周期,拥有比FISTA更快的收敛速度。本文利用Greedy FISTA针对SAR-GMTIm的仿真复数据以及美国空军实验室的Gotcha实测雷达数据进行成像实验,并对比Greedy FISTA和FISTA、ISTA在SAR动目标成像中达到同等精度所需的迭代次数,再结合相变热力图分析法对比三种算法的恢复性能。实验结果表明Greedy FISTA应用于SAR-GMTIm系统具有良好的成像效果, 且在收敛速度和稀疏信号恢复方面相较传统阈值迭代算法及快速阈值迭代算法有明显优势。