家用电脑对有线电视信号的干扰

（1）某小区整栋楼电视屏幕出现两条水平干扰条，此干扰条时有时无、时静时动，有时向上滚动，有时向下滚动。 根据现象分析此故障是由交流50Hz干扰造成的．当交流干扰的实际频率高于电视场扫描时，就会产生这种故障。先检查放大器的交流供电电路未发现异常，后采用先断开一部分用户分支器分户检查的方法，当断开某用户的分支器时，干扰信号消失，于是重点检查用户室内部分，该户与有线电视信号线相连的有：电视机、录像机、电脑。     

有线电视系统干扰信号的产生及排除

通过对有线电视系统干扰信号产生原因的理论分析，提出在实际操作中的解决方案，以期达到使有线电视系统信号的输出更稳定、电视画面更清晰的目的。     

数字多用表测量中的干扰信号种类和解决方法

高准确度的ＤＭＭ（４位半以上的数字多用表）测量中加到它输入端的信号由两部分组成 :要求测量的信号Ｕｎ（被测信号）和不需要的信号Ｕｉ（干扰信号）。要完全避免干扰信号是不可能的 ,当干扰信号足够大时 ,则必将引起ＤＭＭ读数改变 ,它的来源很多 ,如 :空间的电磁辐射波 ;测量仪器供电系统中瞬时扰动产生的脉冲干扰 ;稳压电源的波纹干扰 ;经过变压器绕组间寄生电容串入的工频电压等。可以是直流的 ,如热电动势 ;也可以是交流的 ,如正弦的、非正弦的、短暂脉冲的、超高频和超短频。从形式上又分为串模干扰和共模干扰。由于多种干扰混合在…     

激光制导信号的编码分析及识别处理技术

本文针对激光制导武器的制导特点，分析了其可能采用的抗干扰措施，认为主要有两种手段，一种是将引导信号做成编码信号，另一种是在导引头上设置脉冲录取波门，分析了几种很可能被采用的脉冲编码技术，认为伪随机码将在制导信号中得到广泛应用，并根据有源干扰的要求，给出了几种编码的识别方法。     

基于LSTM的调制干扰信号识别算法研究

针对常用机器学习算法对各种调制干扰信号的特征提取困难和识别率低的问题,提出了一种基于长短时记忆神经网络的通信信号调制识别方法.该算法构造了两级级联LSTM神经网络,并采用两层全连接层与LSTM层交替连接的方法,逐层提取干扰信号特征;并采用相关模型优化策略对算法所训练模型进行优化,最后相对较高地识别出各种调制干扰信号.此外,为对多方式干扰进行信号鉴别,也加入了CDMA信号的识别.结果表明,在信噪比大于5dB时,模型对各种调制信号的平均识别准确率在95％以上.     

英国帝国理工学院:无线电力传输系统

(2013-126-英国-076)该系统是一种新型的无线传输系统,可以在30cm的距离以6MHz的频率实现77%的能量传输效率,并且该系统具有低成本、轻便、对干扰信号不敏感以及不使用磁性材料提高频率等特点。该实验室成果目前正在申请专利,外方期望以授权许可等方式与中方开展合作。     

三路冗余智能测速装置提高水电厂机组发电安全性

介绍了恰甫其海水电厂应用一种高精度、高可靠的三路冗余智能测速装置的过程,高可靠性的原理,以及在实际应用中安装和加工工艺,真正的高可靠性智能装置。     

红外对射防盗报警器的制作

红外线防盗报警已为人们所熟知,在一些室外的防盗系统中,普遍采用了红外对射的方式进行布防,只要有人入侵,人体将红外线信号挡住,报警系统便会被启动,在实际上运用中,经常会将多束红外光装于一套系统中,形成长的一排,即常说的"红外栅栏",同时为了提高抗干扰性,将发射的红外信号进行编码加密,而在接收端则进行解码以区分是有用信号还是干扰信号。为了让初学者了解其工作原理,《红外对射防盗报警器的制作》介绍一款红外对射报警器的实验模型,意在掌握基础知识,更深入地了解红外对射报警器的结构。     

GPS接收装置的射频干扰分析

工程实际中,具有GPS接收功能的装置会与其它设备的射频源共存,这些射频源包括GSM、UMTS、WLAN、Bluetooth.指出这些射频源对GPS接收装置的干扰程度,明确哪种射频源对GPS接收装置的阻塞影响最大,同时提出相应的解决方案是关键.验证方法主要是基于Texas Instrument的GPS接收装置,接收由GPS卫星模拟器发出的GPS信息,由具备GSM、UMTS、WLAN、Bluetooth功能的外部设备分别对GPS接收装置发出不同的射频干扰信号.结果证明,工作在UMTS频段的设备,对GPS接收装置的阻塞影响最大,改善GPS接收装置中的带通滤波器性能,对抑制UMTS干扰信号有很好的作用.     

TETRA通信与干扰信号智能识别技术

陆上集群无线电(Terrestrial Trunked Radio,TETRA)数字集群通信系统因其开放性易受到内外部电磁干扰。干扰信号的类型多种多样,针对不同的干扰样式,采取的抗干扰措施也各不相同,因此干扰信号的识别具有重大意义。基于此,提出了一种干扰信号智能识别技术。该技术首先对受到不同干扰后的TETRA音频数据进行特征提取,并筛选出具有分类能力的特征,其次使用决策树、支持向量机和随机森林3种分类模型对特征提取后的待测试信号进行智能分类识别。实验结果表明,使用的这3种模型能够有效判断TETRA系统中的信号是否受到干扰,以及受到何种样式的干扰,可为后续TETRA系统中的信号干扰识别提供参考。