對(duì)基于BCB的圓片級(jí)封裝工藝進(jìn)行了研究，該工藝代表了MEMS加速度計(jì)傳感器封裝的發(fā)展趨勢(shì)，是MEMS加速度計(jì)產(chǎn)業(yè)化的關(guān)鍵。選用3000系列BCB材料進(jìn)行MEMS傳感器的粘結(jié)鍵合工藝試驗(yàn)，解決了圓片級(jí)封裝問(wèn)題，在低溫250 ℃和適當(dāng)壓力輔助下≤2.5 bar（1 bar=100 kPa）實(shí)現(xiàn)了加速度計(jì)的圓片級(jí)封裝，并對(duì)相關(guān)的旋涂、鍵合、氣氛、壓力等諸多工藝參數(shù)進(jìn)行了優(yōu)化。
標(biāo)簽： MEMS BCB 鍵合 加速度計(jì)
上傳時(shí)間： 2013-11-17
上傳用戶(hù)：JasonC
數(shù)字水印是數(shù)字信息安全領(lǐng)域研究的一個(gè)熱點(diǎn)。小波變換算法以其多分辨率分析的特性在應(yīng)用數(shù)學(xué)方面取得了一定的發(fā)展。文中結(jié)合小波算法，在數(shù)字圖像的低頻域中采用分塊方法來(lái)嵌入數(shù)字水印，改進(jìn)了小波多尺度分解算法，通過(guò)實(shí)驗(yàn)說(shuō)明，該數(shù)字水印算法對(duì)數(shù)字水印的穩(wěn)定性效果明顯
標(biāo)簽： 分塊 多尺度 頻域 數(shù)字水印
上傳時(shí)間： 2013-11-08
上傳用戶(hù)：199311
在魚(yú)雷技術(shù)發(fā)展中，低截獲概率技術(shù)（LPI）的采用大大提高魚(yú)雷的作戰(zhàn)能力，同時(shí)也對(duì)截獲信號(hào)提出了更高的要求。本文將基于小波分析的檢測(cè)方法，具體對(duì)有效的低截獲特征信號(hào)信號(hào)進(jìn)行檢測(cè)，相比于短時(shí)傅里葉變換的基礎(chǔ)上，采用Daubechies5小波對(duì)信號(hào)進(jìn)行分解變換，證明小波分析方法的有效性及優(yōu)越性。
標(biāo)簽： 小波分析 信號(hào)檢測(cè) 方法研究
上傳時(shí)間： 2013-10-22
上傳用戶(hù)：lht618
由于模擬電路的多樣性、非線(xiàn)性和離散性等特點(diǎn)，模擬電路的故障診斷呈現(xiàn)復(fù)雜、難以辨識(shí)等問(wèn)題。針對(duì)已有方法的數(shù)據(jù)不平衡，提出了一種支持向量機(jī)集成的故障診斷方法。使用小波變換方法提取特征向量，在多類(lèi)別支持向量機(jī)的基礎(chǔ)上，設(shè)計(jì)了模擬電路的最小二乘支持向量機(jī)預(yù)測(cè)模型，實(shí)現(xiàn)了對(duì)模擬電路的狀態(tài)的故障預(yù)測(cè)。將該方法應(yīng)用于Sallen-Key帶通電路進(jìn)行故障預(yù)測(cè)試驗(yàn)，結(jié)果表明，該方法比單一支持向量機(jī)、徑向基神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)和APSVM有更好的分類(lèi)和泛化性能，故障診斷準(zhǔn)確率更高。
標(biāo)簽： LS-SVM 集成 模擬電路 故障檢測(cè)
上傳時(shí)間： 2013-10-31
上傳用戶(hù)：417313137
針對(duì)信號(hào)檢測(cè)中經(jīng)常存在的噪聲污染問(wèn)題，利用小波分解之后可以在各個(gè)層次選擇閾值，對(duì)噪聲成分進(jìn)行抑制，手段更加靈活。本文介紹了小波變換的一般理論以及在信號(hào)降噪中的應(yīng)用，分析了被噪聲污染后的信號(hào)的特性；利用MATLAB軟件進(jìn)行了信號(hào)降噪的模擬仿真實(shí)驗(yàn)并在降噪光滑性和相似性?xún)蓚€(gè)方面體現(xiàn)出小波變換的優(yōu)勢(shì)。本文分別使用了不同類(lèi)型的小波和相同類(lèi)型小波下不同閾值對(duì)信號(hào)進(jìn)行了降噪．仿真結(jié)果表明小波變換具有良好降噪的效果。
標(biāo)簽： 小波分析 信號(hào)降噪 中的應(yīng)用
上傳時(shí)間： 2013-10-19
上傳用戶(hù)：alex wang
小信號(hào)高頻晶體管放大器
標(biāo)簽： 小信號(hào) 高頻晶體管 放大器
上傳時(shí)間： 2013-10-18
上傳用戶(hù)：wangfei22
提出了一種基于仿生小波變換和模糊推理的變步長(zhǎng)自適應(yīng)濾波語(yǔ)音降噪算法。該算法首先用仿生小波變換法對(duì)包含噪聲的語(yǔ)音信號(hào)進(jìn)行小波分解，以分離出來(lái)的噪聲信號(hào)作為自適應(yīng)濾波器的輸入，選擇基于模糊推理變步長(zhǎng)自適應(yīng)算法對(duì)帶噪聲語(yǔ)音信號(hào)進(jìn)行降噪處理，最終實(shí)現(xiàn)語(yǔ)音信號(hào)的信噪分離，去除語(yǔ)音信號(hào)中的噪聲。仿真結(jié)果表明，該方法對(duì)語(yǔ)音信號(hào)有較為明顯的降噪效果。
標(biāo)簽： 仿生 小波變換 模糊推理 語(yǔ)音降噪
上傳時(shí)間： 2013-10-14
上傳用戶(hù)：戀天使569
本電路提供一種擴(kuò)展AD7745/AD7746容性輸入范圍的方法。同時(shí)，還說(shuō)明如何充分利用片內(nèi)CapDAC，使范圍擴(kuò)展系數(shù)最小，從而優(yōu)化電路，實(shí)現(xiàn)最佳性能。AD7745具有一個(gè)電容輸入通道，AD7746則有兩個(gè)通道。每個(gè)通道均可配置為單端輸入或差分輸入方式。
標(biāo)簽： AD 7745 7746 擴(kuò)展
上傳時(shí)間： 2013-11-21
上傳用戶(hù)：天誠(chéng)24
為去除腦電信號(hào)采集過(guò)程中存在的噪聲信號(hào)，提出了基于小波閾值去噪的腦電信號(hào)去噪。以小波閾值降噪為基礎(chǔ)，首先利用db4小波對(duì)腦電信號(hào)進(jìn)行5尺度分解，然后采用軟、硬閾值與小波重構(gòu)的算法進(jìn)行去噪。通過(guò)對(duì)MIT腦電數(shù)據(jù)庫(kù)中的腦電信號(hào)進(jìn)行仿真，結(jié)果表明，采用軟閾值方法有效去除了噪聲，提高了腦電信號(hào)的信噪比。
標(biāo)簽： 小波分析 腦電信號(hào)
上傳時(shí)間： 2014-12-23
上傳用戶(hù)：如果你也聽(tīng)說(shuō)
針對(duì)齒輪故障特征信號(hào)具有強(qiáng)噪聲背景、非線(xiàn)性、非平穩(wěn)性特點(diǎn)，提出采用形態(tài)梯度小波對(duì)齒輪振動(dòng)信號(hào)進(jìn)行降噪。首先使用形態(tài)梯度小波把齒輪振動(dòng)信號(hào)分解到多個(gè)尺度上，然后對(duì)各層的細(xì)節(jié)系數(shù)進(jìn)行軟閾值方法降噪處理，對(duì)經(jīng)過(guò)處理后的小波系數(shù)進(jìn)行重構(gòu)。對(duì)降噪后的齒輪振動(dòng)信號(hào)采用S變換多分辨率時(shí)頻分析，能夠從具有良好的時(shí)頻分辨率的S變換譜圖提取齒輪故障特征。通過(guò)仿真試驗(yàn)和故障軸承的信號(hào)分析證明，該方法具有短時(shí)傅里葉變換和小波變換的優(yōu)點(diǎn)，不存在Wigner-Ville分布的交叉干擾和負(fù)頻率，能有效地提取隱含在噪聲中的齒輪故障特征，適合齒輪故障的在線(xiàn)監(jiān)測(cè)和診斷。
標(biāo)簽： 梯度 小波降噪 S變換 齒輪故障
上傳時(shí)間： 2013-11-01
上傳用戶(hù)：AISINI005
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
