排序方式: 共有71条查询结果,搜索用时 15 毫秒
21.
基于CPLD+LVPECL可调窄脉冲发生器的设计与实现 总被引:1,自引:0,他引:1
采用CPLD和具有速度极快的LVPECL门电路来实现脉宽可调的窄脉冲信号。利用CPLD提供的10 MHz激励信号和对延时芯片进行写延时控制字来产生所需脉宽。测试结果表明,该可调窄脉冲发生器能产生500 ps~20 ns范围内的脉宽可调、幅度约为400 mV的脉冲信号。 相似文献
22.
针对传统压缩感知算法的高计算成本问题,从稀疏信号的恢复角度出发,提出一种基于深度展开模型的稀疏成像算法。首先构建复数稀疏重建网络VAMP-Net,在该网络中,复数形式的降采样回波信号被拆分成实部和虚部作为输入,接着代入到基于VAMP算法的迭代块中,最后通过卷积神经模块进行最优非线性稀疏变换,得到恢复的实部和虚部信号,两者进行合并后得到恢复的目标图像。对于所提算法,采用人工合成的数据集在不同目标密集程度、迭代次数和噪声环境下进行仿真实验,并与传统的迭代收缩阈值算法和深度学习重构算法进行比较。再使用不同程度稀疏性的数据进行实测验证。实验结果表明,该算法重构的图像在NMSE、TBR、重构耗时以及内存使用上有更好的表现。 相似文献
23.
隐蔽非直视目标探测和定位技术在城市巷战、安防、防暴等领域具有广泛的应用。本文针对L形非视距区域内单目标的探测与定位问题进行研究。首先,对雷达布设位置及可探测区域进行了分析;其次,针对共同可探测区域,设计了多路径联合检测器;最后,基于设计的多径雷达应用系统,利用所提检测定位方法进行实验验证。与现有研究相比,本文的创新点在于:在L形非视距场景下,对宽波束毫米波雷达布设位置及可探测区域进行分析并给出合理建议;其次利用所提多路径联合检测器将不同反射面的多条路径联合使用,提高了检测性能。本文通过实验验证了系统的可靠性及雷达位置对可探测区域的影响,通过仿真与实验探究了所提检测器的性能改善。 相似文献
24.
针对超宽带生命探测雷达回波信号属于非线性、非平稳等特点,提出了一种基于EEMD和HOC的超宽带雷达生命探测算法。通过对雷达回波信号进行EEMD分解,将信号自适应分解为若干个本征模态函数(IMF),然后计算各个IMF分量在呼吸和心跳频带内的能量百分比重构呼吸和心跳信号,最后对重构的呼吸和心跳信号的四阶累积量进行FFT变换,获得呼吸和心跳的频率。实验结果表明,文中提出的算法比EEMD重构后直接进行FFT变换具有更高的信噪比和频率估计精度,可有效应用于生命探测雷达人体信号检测中,具有广阔的研究价值和应用前景。 相似文献
25.
利用超宽带雷达进行自动非接触式的生理信号检测或人体动作分析成为近年来的一个研究热点,其重要应用是在安全监控或医疗健康领域对不同的人体动作进行有效识别。针对这一应用需求,提出了一种新的有效的超宽带雷达人体动作识别方法。对接收的超宽带雷达回波,采用二维小波包分解结合奇异值分解的特征提取和降维方法,有效抓住了不同人体动作的类别属性信息,显著增强了不同人体动作的可分性,再利用支持向量机分类器即可实现对人体动作的有效区分。基于实测数据的分类实验结果显示,对九种不同的人体动作进行分类,平均识别率超过95%,且各动作的识别率和召回率都达到90%。相比于其他同类方法,方法的识别性能更优,验证了所提方法的可行性和有效性。 相似文献
26.
采用双极型射频晶体管,利用其雪崩特性设计了具有双管并联结构的超宽带窄脉冲发生器,并对其电路及雪崩工作原理进行分析,用ADS 2008进行设计与仿真,讨论了宽带匹配问题,制作了射频电路板.超宽带窄脉冲发生器实物测试结果显示,双极性单周期脉冲脉宽为981.3 ps,脉冲幅度约为3V. 相似文献
27.
29.
针对基于小样本场景下人体动作识别出现训练效果差、过拟合现象以及传统对抗生成网络收敛速度慢、对计算机性能要求高等问题,从数据增强及超参数优化方面提出了解决方案。首先,搭建AWR1243雷达数据采集平台,对采集的回波信号进行预处理。其次,利用STFT进行时频分析以及新提出的FT_SSIM算法进行数据增强。再者,利用提出的ICAGA_CNN进行分类识别,并与传统的数据增强算法、超参数优化进行实验对比。为了验证该算法具有一定的泛化能力,先后选择了在公开KTH人体动作数据集以及利用雷达的实测数据进行验证。实验结果表明,一方面,提出算法有效避免了小样本场景下过拟合的发生,降低了传统数据增强对计算机性能的要求,加快了收敛的速度;另一方面,其具有更好的识别精度,平均识别率达到98.5%。这也说明了提出的算法在小样本场景下雷达动作识别具有很好的表现。 相似文献
30.
随着高级驾驶辅助系统的发展,毫米波雷达被广泛应用于汽车上,但随着道路上雷达的增多,雷达抗干扰也成为一个研究热点。线性调频连续波雷达之间的相互干扰可以分为交叉干扰和平行干扰,交叉干扰会使得本地噪声增加,降低目标的信噪比进而影响目标检测,平行干扰会产生虚假目标,但是出现的概率比较小。为了解决交叉干扰带来的影响,提出了经验模态分解和自回归模型相结合的干扰抑制方法。首先将含有干扰的回波信号进行经验模态分解,通过本征模态函数的自相关函数能量找出有用信号主导的模态和干扰信号主导的模态。其次对干扰信号主导的模态采用阈值法进行干扰点检测,并采用自回归模型的方法对干扰点的值进行恢复。最后将所有的模态加起来得到干扰抑制后的信号。实验结果显示,该方法能有效地降低频域噪声基底提高目标的信噪比。 相似文献