XiaoMi-AI文件搜索系统
World File Search System瞬时带宽
Selex SI 中的光束形成网络 - ESCIES
6- 18GHz 频率覆盖 4GHz 瞬时带宽 16 个天线元件（线性阵列） 角度覆盖/TTD 阵列：± 45o 方位角，± 45o 仰角 相邻波束交叉：低于波束峰值 3 - 8 dB 下一个相邻波束交叉 = 低于波束峰值 20 dB 且大于最高旁瓣
PMS 408 远征任务 海上空域 2021
• 增强信号处理、频率范围和瞬时带宽 (IBW) - 提高系统应对下一代 CIED 威胁和多功能 RF 要求的能力 • 通用开放和安全软件开发环境 - 降低许可成本并实现跨适用 EW 平台的技术共享 • 增强用户界面 - 开发新的直观界面以增强功能 • 分布式 EW - 与 ONR 协调拟议的无处不在的边缘 FNC • 智能资源管理 - 研究 AI/ML 定制使用系统资源并提高兼容性
NTIA 特别出版物 01-43
微电路和其他技术的最新进展使得在雷达和通信设备的新应用中可以使用带宽非常宽的超窄脉冲（通常小于一纳秒）。这些设备称为超宽带 (UWB) 设备，其瞬时带宽可能为其中心频率的 25% 或更高。它们能够定位附近的物体，并可以使用处理技术“透视墙壁”并在多径传播环境中进行通信，这使得它们在许多商业和政府应用中非常有用。由于 UWB 设备的输出功率低、制造成本低且预期市场前景广阔，其开发商正在寻求美国国家电信和信息管理局 (NTIA) 和联邦通信委员会 (FCC) 的授权，以在未经许可的基础上运营 UWB 系统。
一种用于图像压缩感知参数提取的平台...
摘要 — 在本文中，我们介绍了一个完整的（硬件/软件）亚奈奎斯特速率（×13）宽带信号采集链，该链能够在 100 MHz – 2 的瞬时带宽内采集雷达脉冲参数。5 GHz，具有相当于 8 ENOB 数字化性能。该方法基于压缩感知（CS）的替代感知范式。硬件平台采用全集成 CS 接收器架构，称为随机调制预积分器 (RMPI)，采用 Northrop Grumman 的 450 nm InP HBT 双极技术制造。软件后端由一种新颖的 CS 参数恢复算法组成，该算法无需执行全时域信号重建即可提取有关信号的信息。这种方法显著减少了检索所需信息所涉及的计算开销，这为在功率受限的实时应用中采用 CS 技术提供了一条途径。所开发的技术在由制造的 RMPI 物理测量的 CS 样本上得到验证，并给出了测量结果。详细描述了参数估计算法，并给出了物理硬件的完整描述。
用于大气的 2 THz 全固态接收器设计...
与小型SAT兼容的系统为4千克质量，10U体积和15W以下的功率。这将通过在Terahertz频率上工作的基于Schottky的杂尼光谱仪来解决这一问题，并在室温下以较大的瞬时带宽和高光谱分辨率进行操作。在保持最先进的性能的同时，满足所有条件的两个主要关键系统参数包括：1）混合器的配置，其外在层定义，匹配的传输线和外壳，2）本地振荡器子系统部分及其校准。表I为当前的设计工作提供了上下文。最佳记录的系统[2]和[3]使用基本平衡的混合器，分别在2 THz处使用5 MW和10-12 MW的局部振荡器功率，可舒适地由二氧化碳泵送的甲醇气体激光器提供。基本混合器的选择是合理的，因为它们在理论上可以比次谐波混合器达到更好的噪声性能[4]。但是，亚谐波拓扑通过将其工作频率降低了两个，从而放松了局部振荡器（LO）源。此配置还避免了使用宽敞的二氧化碳激光器的要求，该激光器远非满足质量/音量/功率标准，并且无法通过Schottky Local振荡器源可以轻松实现光谱可调性[5] [6]。提议的接收器利用了混合器的平面Schottky二极管，并乘以LO。
惯性导航系统（IMU/INS）RCI本地为...
研究问题的简介DLRL方向查找器（DF）系统当前使用方位角轴承来识别频率料斗信号，并在三个类别中对检测到的信号进行分类，即固定频率（FF），频率料斗（FH）和爆发。DF系统在频域中进行扫描，并执行所有检测到的信号的DF。由于信号处理是基于框架/批次的，并在频域中进行，并且在每个通道中并行，因此爆发和单个啤酒花的时间持续时间估计的准确性受到限制，因此，快速料斗的Hop速率估计值不准确。使用来自两个或五个DF天线中的每个DF天线中的时域iQ数据基于深度学习/机器学习的算法，以将接收的信号分类为FF，FF和爆发。培训数据需要由适当的数学模型生成，该模型应允许引入噪声和褪色。产生的信号应允许以瞬时带宽内的不同频率同时存在多个信号。预计它将能够估算200个微秒的次数和爆发持续时间。需要使用仿真验证所提出的方法的性能，并使用使用商业阶段相干的信号采集硬件（最少2个通道）生成或捕获的数据在工作站/笔记本电脑或PC上测试。dlrl寻求与学术机构一起开发和实施复杂的统计数字信号处理算法的解决方案。
目录dia-coes的研究问题
研究问题的简介DLRL方向查找器（DF）系统当前使用方位角轴承来识别频率料斗信号，并在三个类别中对检测到的信号进行分类，即固定频率（FF），频率料斗（FH）和爆发。DF系统在频域中进行扫描，并执行所有检测到的信号的DF。由于信号处理是基于框架/批次的，并在频域中进行，并且在每个通道中并行，因此爆发和单个啤酒花的时间持续时间估计的准确性受到限制，因此，快速料斗的Hop速率估计值不准确。使用来自两个或五个DF天线中的每个DF天线中的时域iQ数据基于深度学习/机器学习的算法，以将接收的信号分类为FF，FF和爆发。培训数据需要由适当的数学模型生成，该模型应允许引入噪声和褪色。产生的信号应允许以瞬时带宽内的不同频率同时存在多个信号。预计它将能够估算200个微秒的次数和爆发持续时间。需要使用仿真验证所提出的方法的性能，并使用使用商业阶段相干的信号采集硬件（最少2个通道）生成或捕获的数据在工作站/笔记本电脑或PC上测试。dlrl寻求与学术机构一起开发和实施复杂的统计数字信号处理算法的解决方案。