<center id="cokuc"></center>
<li id="cokuc"></li>
設計了一款用于UHF RFID射頻前端接收機的高線性度LNA。該低噪聲放大器采用噪聲消除技術，具有單端輸入差分輸出的功能，能夠同時實現輸出平衡，噪聲消除和非線性失真抵消，具有高的線性度。該電路采用TSMC 0.18 μm工藝設計，芯片面積只有0.02 mm2。電源電壓為1.8 V，總電流為8 mA，后仿真結果增益為19.2 dB，噪聲因子為2.5 dB，輸入1 dB壓縮點為-5.2 dBm。
上傳時間： 2014-01-21
上傳用戶：kachleen
為了解決聲表面波濾波器插損太大，造成有用信號衰減嚴重，彌補插損又會引起底部噪聲抬高的問題。該文設計了一種用LC集總元件實現的窄帶帶通濾波器，其特點是插入損耗小，成本低，帶外衰減大，較好解決了因聲表面波濾波器插損大而引起的一系列問題，不會引起通道底部噪聲的抬高。仿真結果證明了該設計方案的可行性。
上傳時間： 2013-11-18
上傳用戶：13517191407
文中設計研制了一種新型的基于仿射變換模型的實時圖像跟蹤系統。本跟蹤系統已經通過實踐檢驗，能夠穩定的、準確的、快速的跟蹤目標。并且系統有很大的升級潛力，除了能夠滿足仿射變換跟蹤的要求之外，還能適用于其他的一些算法，構成魯棒性更強的圖像跟蹤系統。實踐證明該跟蹤系統性能優于經典的相關跟蹤系統。
上傳時間： 2013-10-12
上傳用戶：zsjzc
無線多媒體傳感器網絡（WMSNs）中傳感器節點采集的數據量非常大，在傳輸前需對大數據量的多媒體信息進行壓縮處理，但是單節點能源受限，存儲、處理能力相對較弱。針對無線多媒體傳感器網絡應用的高效、低耗能的需求這些問題，在圖像壓縮雙正交重疊變換（LBT）的基礎上，文中提出了一種基于此變換的分布式無線多媒體傳感器網絡圖像壓縮算法。即基于簇結構，把壓縮任務分配給其他節點，通過多個節點相互協作，共同完成圖像的壓縮編碼和傳輸。實驗結果表明，在傳感器節點散布不均且較為密集的情況下，該算法在高質量、低復雜度和低功耗等方面都有了很大的性能提高。
上傳時間： 2014-12-23
上傳用戶：langliuer
將虛擬儀器技術同FPGA技術結合，設計了一個頻率可控的DDS任意波形信號發生器。在闡述直接數字頻率合成技術的工作原理、電路構成的基礎上，分別介紹了上位機虛擬儀器監控面板的功能和結構，以及實現DDS功能的下位機FPGA器件各模塊化電路的作用。經過設計和電路測試，輸出波形達到了技術要求，工作穩定可靠。
上傳時間： 2013-10-28
上傳用戶：sglccwk
目前，被廣泛使用的經典邊緣檢測算子有Sobel算子，Prewitt算子，Roberts算子，Log算子，Canny算子等等。這些算子的核心思想是圖像的邊緣點是相對應于圖像灰度值梯度的局部極大值點。然而，當圖像中含有噪聲時這些算子對噪聲都比較敏感，使得將噪聲作為邊緣點。由于噪聲的干擾，不能檢測出真正的邊緣。一個擁有良好屬性的的邊緣檢測算法是每個研究者的追求。利用小波交換的特點，設計了三次B樣條平滑濾波算子。通過利用這個算子，對利用小波變換來檢測圖像的邊緣進行了一定的研究和理解。
上傳時間： 2013-10-13
上傳用戶：kqc13037348641
基于傅里葉計算全息技術，結合菲涅爾雙隨機相位加密系統，提出了一種數字圖像加密方法。該方法以傅里葉計算全息圖記錄菲涅爾衍射雙隨機相位加密圖像，傅里葉計算全息加密圖像隱藏了原圖像大小尺度信息，而且再現多個圖像，必須針對加密圖像共軛方可解密，提高了圖像加密的安全性，并且解決了普通方法加密圖像難存儲的問題，作為原始明文的擁有者，兩個隨機相位板，應用波長，兩次菲涅爾衍射的距離都可作為解密密鑰。
上傳時間： 2013-10-23
上傳用戶：YYRR
SIFT算法具有旋轉、平移、尺度縮放和亮度的變化保持不變性的優點，也有算法復雜、計算時間長的缺點。本文提出了以街區距離代替歐式距離的新方法，來提高SIFT特征匹配效率，縮短匹配時間，提高SIFT算法的實時性。實驗結果表明，該方法在保持圖像匹配率和算法魯棒性的同時，可以減少運算時間。
上傳時間： 2013-10-28
上傳用戶：zhangzhenyu
為了提高圖像去噪效果，提出了基于Contourlet域HMT模型的Cycle Spinning去噪方法。首先將待去噪圖像進行循環平移，使用Contourlet域HMT模型對平移后的圖像進行降噪處理，然后將降噪后的圖像進行循環反平移，最后將不同循環平移量下的降噪圖像進行平均處理，以減少去噪后圖像的失真。實驗結果表明，該方法不僅可以提高降噪后圖像峰值信噪比，而且可以提高降噪后圖像的視覺效果。
標簽： Contourlet Spinning Cycle HMT
上傳時間： 2014-12-23
上傳用戶：ddddddos
總體平均經驗模式分解（EEMD）方法是一種先進的時頻分析方法，非常適合于對非平穩故障微弱信號的分析處理。文中介紹了EEMD方法的原理與算法實現步驟，重點分析了EEMD方法避免模式混淆的機理。利用EEMD方法對齒輪箱振動信號進行分析，成功提取了小齒輪磨損故障特征，驗證了EEMD方法在故障微弱信號特征提取的有效性。
上傳時間： 2014-11-30
上傳用戶：wbwyl
