XiaoMi-AI文件搜索系统
World File Search System频谱分析
mosaiq6频谱分析仪
将输入信号连接到MOSAIQ6，并在几秒钟内自动捕获信号。设备首先搜索标准，然后搜索所有标准的参数。不再需要显示与信号相关的标准和信号参数与仪表相关的参数。使用Mosaiq6，这与连接RF电缆一样容易；仪表会自动检测到标准（DVB-T/T2，DVB-C，QAM-B，ISDB-T，用于陆地带，以及用于卫星带，IPTV等的DVB-S/S2/S2X）以及与该特定标准相关的所有参数。
软件定义无线电中基于人工智能的频谱分析
在本节中，我们将详细介绍我们全面的方法和方法。我们的项目旨在创建一个直观的前端界面，用于分析复杂的数据集，并由能够进行复杂计算和机器学习推理的强大后端提供支持。在前端，我们选择了 React 作为框架，并对 IQEngine 进行了初步的数据流分析。我们集成了 IQEngine，增强了用户界面，同时确保高效地将数据传输到后端。在后端，我们选择了 Django，因为它与 Qoherent 的 Python 模块兼容。我们分析了 Qoherent 的机器学习模型，强调设计中的模块化。我们还选择了数据传输协议，以实现前端和后端之间的高效通信。
验证可穿戴 MUSE 耳机的脑电图频谱分析和额叶阿尔法不对称
摘要 — EEG 功率谱密度 (PSD)、个体 alpha 频率 (IAF) 和额叶 alpha 不对称 (FAA) 都是 EEG 频谱测量，已广泛用于评估实验和临床环境中的认知和注意力过程，并且可用于现实世界的应用（例如远程 EEG 监测、脑机接口、神经反馈、神经调节等）。高密度 EEG 记录系统的成本高、移动性低、准备时间长，这些因素限制了其潜在应用。低密度可穿戴系统解决了这些问题，并可以增加对更大和多样化样本的访问。本研究测试了低成本、4 通道可穿戴 EEG 系统 (MUSE) 是否可用于快速测量连续 EEG 数据，从而产生与研究级 EEG 系统 (64 通道 BIOSEMI Active Two) 相似的频率分量。我们将参考乳突的 MUSE EEG 数据的频谱测量与具有两个不同参考的 BIOSEMI EEG 数据的频谱测量进行比较以进行验证。我们特意收集了最少量的数据来测试实际应用的可行性（EEG 设置和数据收集在 5 分钟内完成）。我们表明 MUSE 可用于检查所有频带的功率谱密度 (PSD)、单个 alpha 频率 (IAF；即峰值 alpha 频率和 alpha 重心) 和额叶 alpha 不对称。此外，我们观察到使用 MUSE 记录的 alpha 功率和不对称测量具有令人满意的内部一致性可靠性。估计 PAF 和 CoG 频率上的不对称性与传统方法（整个 alpha 波段）相比没有产生显着优势。这些发现应推动在大量参与者样本中使用可穿戴神经技术进行人类神经生理监测，并提高其在现实环境中实施的可行性。关键词——可穿戴 EEG、功率谱密度、频域、信号验证、额叶 alpha 不对称、单个 alpha 频率 (IAF)。
将传统示波器 FFT 与 Spectrum View 频谱分析进行比较，用于测量电源控制环路频率响应
尽管频率响应分析通常使用专用设备进行，但可以使用较新的示波器来测量电源控制环路的响应。这种分析通常被称为亨德里克·韦德·波德 (Hendrik Wade Bode) 的波特图。传统上，这种分析使用 FFT 算法来测量系统在目标频率范围内的增益和相位。一些新型示波器（例如 4、5 和 6 系列 MSO）在所有通道上采用专用数字下变频器，这些下变频器独立于时域采样率和记录长度运行。此功能称为“频谱视图”，以区别于传统 FFT，可用于改善频率响应分析的结果。本白皮书使用传统 FFT 和频谱视图对两种不同的被测设备 (DUT) 的波特图（也称为控制环路响应）进行了比较。