不卡专区在线,91精品韩国,美国av一区二区三区

海雜波

基于 FPGA 的實時 QRS 波檢測系統(tǒng)設計

根據(jù)在線心電信號自動分析系統(tǒng)的實時性要求，提出了一種基于現(xiàn)場可編程門陣列的QRS波檢測解決方案和硬件結(jié)構(gòu)。該方案采用離散小波變換（DWT）算法結(jié)合閾值檢測算法進行特征點提取，克服了傳統(tǒng)算法受噪聲、基漂、雜波等影響的缺點，邏輯簡單，適合硬件實現(xiàn)。

標簽： FPGA QRS 檢測系統(tǒng)設計

上傳時間： 2014-12-28

上傳用戶：13788529953
傳統(tǒng)波分與OTN介紹

傳統(tǒng)波分與OTN介紹

標簽： OTN 波分

上傳時間： 2013-10-17

上傳用戶：我累個乖乖
DSL線路中回波抵消電路解析

ADSL的濾除雜波干擾，提高速率

標簽： DSL 線路回波抵消電路

上傳時間： 2014-11-26

上傳用戶：hsfei8
5.8GHz回旋波整流器高頻互作用區(qū)的研究

對5.8 GHz回旋波整流器的高頻互作用區(qū)進行了設計與研究；運用CST對回旋波整流器高頻互作用區(qū)的場分布狀況進行了仿真；并運用MAGIC對其進行了粒子模擬。最后，設計出了工作在5.8 GHz，具有高能量轉(zhuǎn)換效率的回旋波整流器高頻互作用區(qū)

標簽： 5.8 GHz 回旋波整流器

上傳時間： 2013-11-13

上傳用戶：suicoe
Ka波段TE01模橢圓彎波導的設計

根據(jù)橢圓波導中電磁波的傳播理論與耦合波理論，基于CST仿真軟件，采用了有限積分法設計出了高功率、寬帶寬、高效率的TE01模900過模橢圓彎波導。CST設計仿真表明在中心頻率在30.5 GHz處的傳輸效率為98.8%。傳輸效率在98%以上的帶寬大于2 GHz。

標簽： 01 TE Ka波段模

上傳時間： 2013-10-22

上傳用戶：ligi201200
基于STM32系列單片機的數(shù)控正弦波逆變電源設計

提出一種高性能全數(shù)字式正弦波逆變電源的設計方案。該方案分為前后兩級，前級采用推挽升壓電路將輸入的直流電升壓到350 V左右的母線電壓，后級采用全橋逆變電路，逆變橋輸出經(jīng)濾波器濾波后，用隔離變壓器進行電壓采樣，電流互感器進行電流采樣，以形成反饋環(huán)節(jié)，增加電源輸出的穩(wěn)定性。升壓級PWM驅(qū)動及逆變級SPWM驅(qū)動均由STM32單片機產(chǎn)生，減小了硬件開支。基于上述方案試制的400 W樣機，具有輸出短路保護、過流保護及輸入過壓保護、欠壓保護功能，50 Hz輸出時頻率偏差小于0.05 Hz，滿載（400 W）效率高于87%，電壓精度為220 V±1%，THD小于1.5%。

標簽： STM 32 單片機數(shù)控

上傳時間： 2013-11-17

上傳用戶：guojin_0704
波導定向耦合器

波導定向耦合器

標簽： 波導定向耦合器

上傳時間： 2013-11-25

上傳用戶：CHENKAI
波導法蘭連接的無源互調(diào)分析與測量

在衛(wèi)星通信系統(tǒng)中，非鐵磁性微波無源器件的無源互調(diào)（PIM）問題非常嚴重，產(chǎn)生PIM的根源在于天線、波導法蘭等無源器件的非線性效應，例如場發(fā)射、量子隧穿、熱電子發(fā)射、電致伸縮、微放電等[1]。文中通過對波導法蘭無源互調(diào)模型的分析和測量，得出波導間接觸壓力越大，各階PIM越小；PIM階數(shù)越高，載波功率之比對其影響越大。

標簽： 波導法蘭無源互調(diào) 分

上傳時間： 2014-12-29

上傳用戶：hustfanenze
LFM連續(xù)波雷達信道設計及關(guān)鍵技術(shù)研究

LFM連續(xù)波雷達系統(tǒng)中，從發(fā)射通道泄露的強發(fā)射信號、近距離目標的強回波信號和天線罩的強反射信號會對接收機性能造成嚴重影響。低相噪高線性度的發(fā)射信號會顯著提升雷達系統(tǒng)性能。介紹了LFM連續(xù)波雷達信道的設計。對其中的低相噪高線性度信號產(chǎn)生、收發(fā)隔離度控制和頻率靈敏度控制（SFC）等關(guān)鍵技術(shù)進行了研究，這些技術(shù)在工程上有較高的應用價值。

標簽： LFM 連續(xù)波關(guān)鍵技術(shù) 雷達信道

上傳時間： 2013-10-26

上傳用戶：看到了沒有
基于小波包分析和Elman神經(jīng)網(wǎng)的故障診斷方法

由非線性電力電子裝置組成的電路發(fā)生故障時，故障特征信息不易提取和識別。對此提出一種基于小波包分析和Elman神經(jīng)網(wǎng)的電力電子裝置故障診斷的方法，先運用小波包分析法提取電路在不同故障狀態(tài)下電壓及電流信號的特征信息，然后對數(shù)據(jù)進行歸一化處理并作為Elman神經(jīng)網(wǎng)的輸入，由具有智能學習功能的神經(jīng)元故障分類器完成故障識別和定位。以12脈沖整流電路為例，在Matlab軟件下建立電路模型進行仿真實驗，結(jié)果表明該方法能快速、準確的完成故障診斷。

標簽： Elman 分故障診斷

上傳時間： 2013-11-11

上傳用戶：zjf3110