截止频率与三种基本电路形态的高频特性

截止频率是影响共发射极、共基极和共集电极电路频率特性的重要因素。由于截止频率及其对电路不同连接方式影响的不同,三种基本电路形态的高频特性亦各不相同     

基于粗糙集和灰关联理论多传感器融合的雷达辐射源信号识别研究

粗糙集理论的上下近似集合可以刻画传感器对未知雷达辐射源信号的识别程度。从灰关联理论对传感器测得的原始数据计算出的不肯定度出发,计算每个目标与传感器测得的悲观解和乐观解距离。从而计算出目标与悲观解和乐观解间的灰关联系数矩阵。用假定的折中系数α、β计算出各传感器的侦察权重。再由灰关联系数矩阵和传感器权重得到各雷达辐射源信号的与悲观解和乐观解在传感器Sj识别意义下的灰关联度,最后计算融合判别函数得到融合结果。仿真实验表明,由粗糙集理论和灰关联理论相结合的多传感器数据融合的方法可以有效地应用于雷达辐射源信号识别,特别在是在降低多传感器引起的不确定性取得较好的效果。     

超低hFE温度系数晶体管研制

采用poly-Si(n )/UTSiO2/n -Si/P-Si发射结构，研制出参数与常规晶体管相近，能长期稳定工作，在－55－100度温度范围内，hFE温度系数小于20％的硅晶体管。     

新结构多晶硅发射极光电晶体管

报导了一种以多晶硅作发射极并带有隔离环电极，工作时基区处于穿通状态下的新结构硅光晶体管，用多晶硅作发射极比同结构单晶硅晶体管的光电增提高了２倍；隔离环电极极大地提高了器件的灵敏度；穿通型的工作状态提高了器件的增益和响应速度，已研制成的这种新型结构的光电晶体管在１０Ｖ工作电压下，对０．８μｍ，０．１７４μＷ的光增益达到了３８３。     

粗糙K-means和AdaBoost结合的雷达辐射源快速识别算法

针对数据集识别难度分布不均匀,提出了基于粗糙K-means和AdaBoost的雷达辐射源快速识别算法。该算法由2个阶段构成:初级识别阶段提出一种改进粗糙K-means算法,将数据特征空间分割为确定区域、粗糙区域和不确定区域,构建雷达辐射源快速识别算法模型,对数据集进行筛选和识别,同时提出了一种确定粗糙K-means算法初始聚类中心和聚类数量以解决其固有缺陷的思路;在高级识别阶段,基于粗糙区域已知数据训练的多类AdaBoost分类器识别不确定区域未知数据,提升识别精度。仿真结果表明:该算法与RBF-SVM和AdaBoost相比,精度浮动在-0.1%到+1.4%之间,训练时间和测试时间分别最大缩短0.857s和0.005s,在保持了较高识别精度和泛化能力的同时,明显降低了计算复杂度,缩短了耗时,提供了设计雷达辐射源快速识别算法的新思路。     

基于SRNN+Attention+CNN的雷达辐射源信号识别方法

针对低信噪比条件下雷达辐射源信号特征提取困难、识别准确率低的问题, 提出一种基于切片循环神经网络(sliced recurrent neural networks, SRNN)、注意力机制和卷积神经网络(convolutional neural networks, CNN)的雷达辐射源信号识别方法, 并在CNN中引入批归一化层, 进一步提升网络的识别能力。模型以雷达辐射源信号幅度序列作为输入, 自动提取信号特征, 输出识别结果。实验结果表明, SRNN相比于门控循环单元(gated recurrent unit, GRU)训练速度大大提升, 注意力机制和批归一化层能有效提高识别准确率; 在采用8种常见雷达辐射源信号进行的实验中, 所提方法在低信噪比条件下仍有较高的识别准确率。     

激光基准信标仪光学系统的设计

对激光光学准直系统进行了设计计算，绘制了激光电路图，并对激光器在本仪器中的使用进行了分析与探讨，给出了最佳的使用条件及使用寿命。     

射极跟随器的辅助放大作用

射极跟随器输入电阻很高、输出电阻很低，使得其用途非常广泛。本文就射极跟随器作输入级和输出级时，对主放大器的电压放大倍数的影响，作出简单的剖析。     

光电通讯演示机的改进

过去我们实验室中自制的光电通讯演示机由于信号传输距离短（一般小于０．５ｍ），信号强度弱，转换音质差，影响教学演示效果．作者根据光学原理，在信号发射机上加装会聚装置，将发散光传输转变为平行光束传送，以提高传输信号的强度，延长传输距离；并在接收机上加装聚焦装置，进一步增强接收信号的强度．经过这样的改进，演示机的信号传输距离可延长至５ｍ以上，信号的强度和质量也大大提高，明显地改善了演示效果．此方法所用装置简易有效，适合于一般大专院校物理教学实验和科研应用     

合理选用大内径微管滴头

本文从微管滴头摩阻水头损失计算公式,分析探讨减少滴灌系统运行工作压力和抗堵塞性能的途径。