高可靠性多路DC/DC电源模块化设计

来源 :第九届全国信号和智能信息处理与应用学术会议 | 被引量 : 0次 | 上传用户:li13688
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了满足手持式微波探测器对多种直流电源的需求,设计了一种可输出多路直流电压的DC/DC电源模块.该电源模块包括保护电路、滤波电路、DC/DC电路、通/断控制电路等.介绍了部分电路工作原理和设计方法,并对电源模块工作的稳定性和可靠性进行了详细的介绍.实验结果表明,此电源模块输出具有低纹波、高精度、高可靠性等特点,具有一定的工程实用价值.
其他文献
本文针对车载导航的特点,对车载GNSS(全球导航卫星系统)终端应用的重要参数进行了分析。这些参数能够较全面地体现车载导航的定位性能,可为车载GNSS终端的应用提供参考。根据车载导航的特点和应用参数的分析,设计典型的应用场景,对相应的参数进行了试验。对试验结果进行了统计分析,可得出在特定地区的GNSS最优应用方案。以此综合利用多系统导航卫星信息,来获得高质量的定位信息,以支撑位置服务应用,从而推进以
干扰环境下子阵级自适应和差测角往往会因为自适应加权而改变天线和差测角特性,从而严重影响测角精度.为改善自适应和差测角性能,本文提出了一种基于特征分解结合对角加载自适应和差测角算法.相比于常规ADBF算法,本文方法性能稳定,旁瓣干扰下,几乎可以得到理想的和差测角曲线,且实现方便.数值仿真结果表明,本文方法可有效提高自适应和差测角精度。
由于机载地面运动目标跟踪处理必须克服低可见率,高杂波密度,高目标密度等苛刻条件,单靠数据处理算法被证明很难提供高准确度的连续目标轨迹.为解决这一问题,各类辅助信息被广泛地应用于地面运动目标跟踪中.针对一类以地图空间形式给出的辅助信息,提出一种在地图空间点角度下的辅助信息融合方法.通过将道路判断、遮挡判断等操作在地图空间上进行,大大减小了融合方法的复杂度.软件仿真结果表明,该方法能够有效地实现地面运
在DS证据理论框架下,算法的计算复杂度是主要的批评来源之一.为了克服这个问题,提出了一种考虑完备集合关系的新近似算法,将保留焦元和剩余焦元的四种集合关系考虑进去,实验证明了该方法比其他方法具有更好的近似精度.
随着全球导航卫星系统的高速发展,多址干扰成为了必须考虑的误差因素之一.分析了二进制偏移载波调制信号下非周期码扩频信号与周期码扩频信号功率密度谱的差异,该特性使得存在多普勒频率差时码跟踪谱灵敏度呈周期性变化,在一个周期内码跟踪谱隔离度存在24.4 dB差异.在BOC(1,1)调制信号体制下,存在一路多址干扰为例进行分析,得出多址干扰信号与期望信号多普勒频率差、用户功率差和相关器间隔对伪码跟踪标准差的
在常规的合成孔径雷达成像结果中,地面运动目标通常表现为散焦与模糊的图像.运动目标的散焦主要是由其切向运动速度引起,对运动目标实现聚焦处理,首先需要对其切向速度进行估计.讨论了目标切向速度对回波信号相位的影响,提出了一种基于最大幅度增量准则的运动目标切向速度估计方法.仿真实验表明,在低信杂比情况下,最大幅度增量法相比常用的图像偏移法和时频分析法具有更好的速度估计性能.
针对通道失配导致雷达目标检测性能严重降低的问题,搭建了机载多通道阵列雷达射频仿真实验系统,对比分析了通道均衡前后ADBF和SLC的输出信干噪比(SINR),验证了通道均衡对空域滤波性能的影响.实验结果表明,通道失配严重影响ADBF和SLC的抗干扰性能,通道均衡后再进行空域滤波,可显著提高检测信号的SINR.
电力系统负荷预测是电力系统规划和运行的重要内容,是保证电力系统可靠供电和经济运行的重要前提,也是楼宇能耗管理的技术手段之一.由于电力负荷具有非线性、时变性和不确定性的特点,很难用一个合适的数学模型清晰表达出负荷的变化规律.神经网络为解决这类问题提供了新的思路.本文基于Elman神经网络建立了电力负荷预测模型,在用电需求侧根据用户的历史数据对用电需求进行预测,并通过MATLAB进行仿真.实验结果表明
利用工控机、测试机箱、示波器及测试电缆组成的引信接收机测试系统,可为引信接收机供电,通过正弦发生器与调制功能模拟引信接收机所接收到的回波模拟信号,通过工控机完成自动测试与测试数据判读,对引信接收机进行全覆盖的电性能测试。
二维主成分分析(2DPCA)是直接处理二维图像的一种投影技术,在数据降维、人脸识另领域得到了广泛的应用.双边2DPCA(B2DPCA)通过左右分别乘以某个投影矩阵解决了2DPCA只能处理行空间的不足,然而在处理人脸识别等分类问题时,B2DPCA不能保证所求出的特征矩阵最适合分类.针对这个问题,利用大间隔原则,提出了大间隔原则下的双边2DPCA模型(LBPCA),整个模型可以看作是具有一个隐藏层的浅