简介:2019年1月15日,慕尼黑——罗德与施瓦茨公司正式发布R&SZNA系列高端矢量网络分析仪——一个全新、功能强大的测量有源和无源器件的通用平台。首先发布的R&SZNA系列矢量网络分析仪有两个型号:R&SZNA26(10MHz~26.5GHz)和R&SZNA43(10MHz~43.5GHz)。在1kHz中频带宽的设置条件下,R&SZNA的测量动态范围可高达146dB(典型值),迹线噪声可低至0.001dB,这两个出色的性能指标是测量高抑制比滤波器必不可少的。借助R&SZNA独有的硬件设计特性,用户可以比以往快两倍的速度完成混频器的测量;在测量放大器方面,100dB的功率扫描范围、每个端口上内置的脉冲源和脉冲调制器、灵活的交调失真测量方法以及频谱分析等功能让测量任务变得更加容易。
简介:MUSIC(MuldpleSignalClassification)算法是一种精度很高的空间谱估计算法,理论上说,它可以分辨空间任意两个方位不同的非相关信号。但这种高分辨率是以阵列的精确校准为前提的。针对阵列误差的校正,很多文献资料都提出了相应的解决办法。但这些校正算法大都是在假设阵列误差与方位无关的基础上提出来的,这与实际情况不符,因为实际应用中,阵列的误差几乎都是与信号的方位有关的(简称方位相关阵列误差)。对于方位相关阵列误差的校正,一直以来都是空间谱估计中的一个难点,相关的研究也很少。辅助阵元法,是解决这一难点的有效方法,它计算量小,适用于任意的阵列几何结构.而且不会牵涉到通常参数联合优化估计时的局部收敛问题。所以将辅助阵元法与MUSIC算法结合起来估计信号的波迭方向(DOA)具有重要的实际意义。本文对基于辅助阵元法的MUSIC算法进行了详细的论述,分析了信噪比和校正阵元的精度对算法性能的影响。同时提出相应的解决办法,为实际应用提供参考。