光斑性质对四象限探测器测量精度的影响

基于四象限探测器光电探测的工作原理,从理论上详细分析了光斑性质对探测结果的影响,通过数值仿真得出了光斑大小和光斑强度与测量精度的关系。并利用实验平台验证了分析结果,最后提出了几种减小光斑性质对探测结果影响的措施。为估算由光斑性质造成的测量误差提供了理论依据,并对实际应用中选择合适激光光源具有一定的指导意义。     

四象限探测器光斑定位精度影响因素研究

基于四象限探测器的光斑位置检测原理,建立了不同光斑半径、能量分布和探测器死区等影响因素下四象限探测器输出偏置电压与光斑位置的表征关系．数值仿真结果表明：通过选择合适的光斑半径大小、探测器的测量区域、选择死区较小的探测器等,可有效提高探测器的定位精度．基于仿真分析,搭建了测试实验和利用均匀光斑、探测器存在死区情况下的表征方程对测量结果进行数值计算．实验结果表明：与标准值比较,在该表征方法下,在300μm范围内,四象限探测器光斑中心定位精度为0.35μm,均方根为0.18μm.     

用于四象限光电探测的全息光学元件

提出了用于四象限光电探测的全息光学元件的制作方法．用一个全息光学元件取代了两个玻璃光学元件，并讨论了全息光学元件的作用．     

采用四象限探测器的智能跟踪定位算法

为了提高跟踪定位系统的跟踪精度与响应速度,提出了一种增益可调的快速跟踪定位(GAFT)算法,以实现对目标的快速定位及在信号较弱时的精确定位,该算法首先根据目标在四象限探测器上光斑成像的大小、位置与输出信号间的关系,确定光斑在探测器上的线性变化区间,并在此区间上得到光斑移动与信号变化的对应关系,再实时采集光斑在4个象限上的信号之和,作为目标光斑信号强度,然后计算光斑信号强度的变化率,采用自适应学习的方法得到信号强度的变化趋势,根据该趋势对信号增益进行动态调整,从而提高信号的分辨率和跟踪精度.实验数据表明,GAFT算法在线性工作区间中通过改变光斑半径及调整光斑的信号强度等措施,可以将跟踪精度提高到0.049 7mm.     

基于曲线特征分析的插值法的四象限测角算法

四象限探测器测角系统需要同时满足系统反应时间短和误差小的要求。通过对现有测角算法的分析,得出基于反插值法的测角算法的实现速度快,精度较其他现有的测角方法高;在现有的反插值法的测角算法的基础上,通过分析实际曲线的特性,本文提出了结合曲线性质选择插值点的插值法在相同的插值点数的条件下,可以得到比一般等距插值精度更高的方位和俯仰的误差曲面图。     

基于四象限探测器的激光告警接收机信号处理系统设计

针对目前常有激光告警接收机在信号处理中出现的激光窄脉冲判断力低以及整体结构复杂的技术缺点,提出了一种基于四象限探测器激光告警接收机信号处理系统设计方案,并对其进行了详细的硬件电路设计。分析了低输入内阻对激光窄脉冲响应时间的影响,设计了200欧姆输入阻抗的前置放大电路,在使用3mm大直径的四象限探测器的情况下,成功获得了8ns的激光窄脉冲响应时间;采用两级放大电路的输出同时进行电压保持的方法,在一级放大的基础上,获得了16.9dB的动态范围;采用峰值电压保持的方法,电压抖动时间只需要200ns且输出电压平坦,成功解决多路窄脉冲信号高速采集问题。通过实验表明,接收机接收动态范围可达到34dB,输出波形稳定且易于后续电路采集。     

PSD位置特性与光斑及背景的关系研究

分析了ＰＳＤ作为二维位置传感器的优越特性,给出了理论上反偏状态下的ＰＳＤ的定位特性与光斑的关系,解释了在信号光源强度较弱时的位置坐标向中心靠扰的实验现现象,理论和实验结果符合得很好,并由此将背早光划分为漫射型和集中型,进一步建立了背景光影响下的位置误差估算公式以及消除背景影响的算法。     

四象限红外探测器信号处理系统

实现基于四象限红外探测器的位置检测信号处理系统。从四象限位置探测的原理入手,介绍了探测器信号提取与前级放大电路、同步相干谐波检测电路,以及模数转换、时序控制、数据采集电路。实验结果良好,系统可行。     

单电源BiCMOS四象限模拟乘法器的研究与设计

目的给出一种单电源BiCM0S四象限模拟乘法器的电路结构。方法采用电压平移技术和带有共模反馈的全差分折叠共源共栅OTA以提高传统四象限模拟乘法器线性输入范围。结果在5 V单电源供电情况下,该乘法器的输入线性范围约为±2.5 V,当输入电压范围限于±2 V时,总谐波失真和非线性误差均小于0.9%,-3 dB带宽大于100 MHz,功耗小于4.9 mW。结论该单电源BiCM0S四象限模拟乘法器具有良好的线性度和较大的-3dB带宽,以及较强的抗噪能力和抑止共模干扰信号的能力,该乘法器可以广泛地应用于模拟信号处理系统和数模混合系统中。     

四象限变流器的坐标变换及控制构想

通过坐标变换理论分析，阐述四象限变流器的坐标变换控制思想，导出有关的控制方程．在此基础上讨论其双闭环控制系统的原理及构想     

光电振荡法测量光速的误差修正

光速是物理学最重要的常量之一。通过分析光电振荡法测光速实验的原理及测量数据,发现了测量仪附加时延造成的系统误差,完成了误差的补偿和修正,使光电振荡法测光速的相对误差从13.6%改善为0.6%。     

周期性光信号测量光速的研究

传统测量方法是通过采用测定光信号的传播距离和传播时间来确定光速的.作者利用周期性光信号测量光速,即首先把光信号转变为电信号,经过混频滤波,进而测量相位差和时间增量求得光速.     

信号检测的小波原理分析

当信号有许多突变点时,传统的Ｆｏｕｒｉｅｒ变换难以确定各突变点的位置及强弱,利用Ｗａｓｆ（ｘ）的模极大值点来检测ｆ（ｘ）的突变点,若选择小波为光滑的一阶导数,则由其小波变换的幅值极大点可以检测到信号ｆ（ｘ）的突变点     

一种非正交多址接入下行链路信号检测方法

非正交多址接入（non-orthogonal multiple access,NOMA）下行链路存在严重的多址干扰。软解调-串行干扰消除（successive interference cancellation,SIC）检测方法是一种性能较好的信号检测方法,但是接收机的复杂度比较高。考虑到软解调算法对其他用户信号的信号特征信息并未充分利用,提出一种基于软解调算法改进的联合检测算法,该算法直接利用多用户叠加信号的联合星座图计算用户信号信息比特的软信息,不需要对干扰信号进行检测和重构,可以降低接收机的复杂度。仿真分析表明,与软解调-SIC检测方法相比,联合检测方法在性能损失不超过1．5 dB的情况下,可以将接收机的复杂度降低一半。     

位置敏感器件(PSD)的杂光干扰研究

光电位置敏感器件（ＰＳＤ）是一种可直接对其光敏面上的光斑位置进行检测的光电器件，基于ＰＳＤ可构成多种非接触的高精度动态位移监测仪器。在ＰＳＤ器件使用中的一个关键问题是如何克服各种杂光干扰，以提高检测的精度和可靠性。根据ＰＳＤ的原理及其特征方程，分析了杂光在ＰＳＤ上的两类作用模式，并根据ＰＳＤ特征方程推导了存在杂光干扰时ＰＳＤ输出信号与杂光的关系，及杂光导致的位置误差方程。根据上述推导，文章给出了３种克服杂光干扰的实用方法。     

大型机场单通道U型机坪区推出等待点优化设计

为了提高大型机场单通道U型区高峰时段航班出港效率,研究了单通道U型区离港航班推出等待点位置。首先,将单通道U型区航班推出等待点位置选定问题抽象为典型的组合优化问题——旅行商问题(traveling salesman problem, TSP);其次,以典型高峰时段航班滑出U型区总耗时最短为目标函数,构建了基于航班计划的动态等待点模型;最后,结合问题特征及模拟退火算法基本理论,设计了双层模拟退火算法结构进行计算,并分别对上下层算法进行改进。仿真结果表明,所设计模型结合所设计算法可大幅度降低航班滑出U型区总耗时与机位延误时间。与传统推出方式相比,滑出U型区总耗时降低29.4%,机位延误总时间降低了79.9%,且平均计算时间为34.2 s,满足决策要求。可见,动态配置离港航班推出等待点位置能够提高航班出港效率,为管制员决策提供优化方案。     

基于微机控制的LED光源控制系统设计

为了增强机器视觉中捕捉图像的清晰度以及提高图像的分辨率,获得优质稳定的图像,需要设计一款基于微机PWM信号控制的LED光源控制器．该控制器以STC12C5608AD为系统控制核心,采用单片机自身的PCA／PWM寄存器产生PWM信号控制IRFIK220N场效应管的开关状态而对光源的亮暗程度进行控制．PWM调光技术属于数字化调节,不仅可以避免常规模拟调光过程中发生光线偏移现象,并且可以精确控制调光的程度,改善机器视觉过程中提取图像的质量．     

混沌噪声背景下弱谐波信号的GRNN检测

针对BP(Back Propagation)神经网络方法存在训练时间长,收敛性能不理想;RBF(Radial BasisFunction)神经网络的隐层结构对鲁棒性影响大的问题,将广义回归神经网络GRNN(GeneralizationRegression Neural Network)引入混沌背景下的弱谐波信号检测中,提出了一种提取混沌噪声背景下微弱谐波信号的GRNN检测方法.该方法利用GRNN建立噪声混沌背景的最优一步预测模型,再结合频域处理预测误差提取微弱信号,以Duffing系统产生混沌时序作为混沌背景,使用该方法用MATLAB6.1验证在没有噪声、存在高斯白噪声和存在色噪声情况下的混沌背景下的弱谐波信号检测.实验结果表明,谐波对混沌的信噪比达到-36dB时仍然可以检测出谐波.     

基于ROAMP-Net的大规模MIMO系统智能信号检测方法

针对大规模多输入多输出(multiple-input multiple-output,MIMO)系统存在的信号检测计算复杂度高、检测精度不足等问题,参考OAMP-Net算法思想,引入残差结构,提出了一种新的智能信号检测网络模型ROAMP-Net。将正交近似消息传递(orthogonal approximate message passing,OAMP)估算信号的迭代过程展开为深度学习网络,同时引入残差结构,分别对各网络层的线性和非线性估计值进行逐层修正,有效防止估计误差的前向传播和过程积累,避免网络模型随着网络层数增加而发生性能退化,从而提高最终信号检测的准确度。针对不同调制方式和不同天线阵列的系列仿真实验结果表明,不同调制方式和天线阵列下ROAMP-Net在检测准确度上均有不错的性能表现。