基于强度调制器的微波光子倍频系统技术研究

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:liangtuming
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
宽带的线性调频信号及扫频信号在雷达、通信等领域应用广泛,尤其在雷达应用方面,其带宽越宽则在测速、测距、成像等应用方面都能更好的提高精度及分辨率。目前,电学方法产生线性调频信号主要是通过DDS(Direct Digital Frequency Synthesis)技术。该方法由于器件及采样频率的限制,其输出信号的带宽则具有一定的局限性。微波光子技术则具有大带宽、高稳定度、抗电磁干扰等优势,其中光外调制技术更是系统结构简单,体积小,并且可产生高质量微波信号。本文首先介绍了光外调制技术的研究背景及发展现状,并对常用的调制器原理做了简要介绍,然后对几种外调制倍频系统进行了实验及分析,提出了对应的工作点控制方案,并在倍频系统的基础上提出新的方案,主要工作内容如下:1.基于双平行马赫增德尔调制器(DPMZM)分别进行了四倍频实验、八倍频实验以及十六倍频实验,并分别对实验中的影响因素进行了分析。首先通过单臂调制实现四倍频,分析可得要达到35dB的谐波抑制比,其有效调制深度为0.6488。实验中我们得到了至少20dB的谐波抑制比的扫频信号,其相位噪声恶化满足理论值12dB,对四倍频信号功率经过1小时观察测量发现,四倍频系统输出信号的功率跳动在0.2dB之内,并通过该系统产生了调频带宽为1GHz的线性调频信号。由于单臂调制四倍频工作点难以控制,因此进行了双臂四倍频实验,分别对90°电桥、器件的射频端的半波电压进行了测量,分析了扫频过程中二倍频信号抑制不完全的原因。为了验证两级系统的可行性,实验验证了4×2的八倍频系统,对1.12GHz的低频信号倍频产生了8.96GHz信号,其输出信号的杂散抑制比为25.42 dB。最后通过对4×4的十六倍频系统对0.79GHz的信号倍频产生12.64GHz信号,但由于谐波抑制不完全,倍频的频段中有重频部分,该方案难以产生通过250-750MHz倍频至4-12GHz的扫频信号。同时还基于倍频系统提出了控制DPMZM工作点的方法,并进行了具体的理论推导。2.考虑到基于DPMZM的倍频系统的不足提出了新的系统方案,该方案基于两个强度调制器实现对扫频系统的带宽进行倍频,其输出信号频率任意可调,由于光滤波器的引进,很好的避免了线性调频信号在倍频过程中会产生交叠的情况。通过理论公式的推导,以及optisystem仿真软件对该系统进行点频及扫频信号的仿真验证,最后实验得到了纯净的3GHz信号。
其他文献
针对传统入侵检测模型在高维数据且数据不均衡环境下检测性能较差的问题,采用基于深度学习模型的特征学习与泛化能力与不平衡算法中过采样算法对数据分布不均问题的解决方案,提出了一种自适应过采样算法(ADASYN,Adaptive Synthetic Sampling Approach)与改进堆叠式降噪自编码器(SDA,Stacked Denoise AutoEncoder)结合的入侵检测模型,在保持原有深
复值神经网络是一类用复数变量解决复杂问题的网络。梯度下降法是训练复值神经网络的流行算法之一。目前,建立的传统网络模型大多数是整数阶模型。与经典的整数阶模型相比,建
近年来,随着互联网技术的快速发展与应用,线上数字内容呈现出爆炸式的增长趋势。用户在使用传统搜索系统进行信息搜索时,经常会获得海量不相关的搜索结果,这些结果往往与用户
不完整数据分类问题是机器学习领域中的一个重要分支。随着传感器技术、信息技术等科学技术的迅猛发展,数据获取途径日益丰富,这给机器学习、数据挖掘等领域的发展带来了极大的机遇。然而在实践中,通常会因为存储设备损坏、数据采集设备能力有限等多种因素导致数据出现缺失的情况,传统的机器学习分类算法往往是针对完整数据而设计的,因此,缺失值的存在导致了多数现有数据分析方法的不适用。尽管有少数算法可以直接对不完整数据
经济全球化在改革开放的推动下得到了迅猛发展,各大企业为了实现资源的合理高效配置,使得企业规模得到进一步扩张,都开始施行跨国并购。但是很多企业的跨国并购最终是以失败
2018年中央一号文件首次论述了“促进小农户和现代农业发展有机衔接”,其背景是小农户发展攸关我国农业基础稳固和社会稳定。“生存型农户向经营型农户转变”命题是“促进小农户和现代农业发展有机衔接”的应有之义。由于促使新的农业生产方式形成的制度演进的自然逻辑以及资源禀赋约束,家庭农业即使衰变、收缩,也有其内在地自由选择和外在赋予的强大生命力。我国贫困地区由于多处于山地丘陵或干旱半干旱区,代表新农业生产方
自然场景图像中,特征提取的质量是决定目标检测性能的关键因素。目前,大多数检测算法都是利用卷积神经网络的学习能力来获得目标的先验知识,并根据这些知识进行目标检测。卷积神经网络的低层次特征具有高分辨率、低抽象语义、位置信息少的特点,缺乏特征的代表性;高层次的特征具有高识别性、低分辨率的特点,检测小尺度目标能力不足。本文以卷积神经网络为基础,提出一种多尺度特征图融合的目标检测方法。首先,利用原始SSD(
随着现今工业过程日趋大型化和复杂化,过程监控技术在保证生产安全和产品质量方面发挥了越来越重要的作用。由于集散控制系统(Distributed Control System,DCS)的广泛应用,丰
随着自动化技术和信息化技术的不断发展和融合,机器人产业得到了迅猛的发展。与此同时,对于机器人控制的理论研究也逐渐成为热点课题。在机器人位置/力的控制方面,相比于研究
近年来,随着视频图像处理技术的快速发展,人们传递信息的载体由之前简单的文字和声音方式扩展到现在的图像和视频方式。由于现代工业的日益发达,雾霾天气出现的频率也越来越