1、针对某一特定被测信号，是否是所用实时示波器系统带宽越高，量测精度越高？
2、目前的示波器校准仪只能工作到6.4GHz带宽，目前有大量示波器带宽已经超过6GHz，甚至60GHz , 这样的高带宽实时示波器，如何进行计量？
3、针对某一特定被测信号，是否是所用实时示波器采样率越高，量测精度越高？
问题1：针对某一特定被测信号，是否是所用实时示波器系统带宽越高，量测精度越高？
答案(安捷伦科技杜吉伟提供) ： 这个问题分两部分，一个是要足够，另一是足够以后是否越高越好。首先，我们来看多少带宽算是足够，业界流传多种版本计算所需实时示波器带宽，这里要说明的是，不管有多少个经验法则或公式来估算所需示波器带宽，示波器带宽的定义没有变，就是输入一个正弦波，保持幅度不变，增加信号频率，当示波器上显示的信号是实际信号幅度的70.7%(即3dB衰减)的时候，该对应的频率就等于示波器带宽。
版本1 ，利用被测正弦波号频率来计算所需示波器带宽。如果被测信号是正弦波，则所需示波器带宽是其频率的3倍，或者所示波器自身的上升时间应该比被测正弦波信号快3倍。由于早期的示波器，不管是模拟示波器，还是数字示波器，其频率响应都是高斯频响，示波器自身带宽的定义是0.35/Tr , Tr为示波器自身的上升时间(10%～90%)。示波器自身的上升时间要比被测对象快3倍，因此人们在很长一段时间内使用用公式，示波器带宽＝ 0.35/Tr x 3，这个公式的Tr指的是被测信号的上升时间(10%~90%) 。这种说法假设前提条件，就是示波器是高斯频响，被测信号是正弦波，在日常工作中，有时会忘记或忽略该前提条件(这也在示波器计量领域引起对所需阶跃信号边沿速度的争议或误解)。
版本2 ，利用被测信号方波或时钟信号频率来计算所需示波器带宽。如果被测信号是方波或时钟信号，人们认为示波器带宽因该至少能够观察到5次谐波。这种说法同样存在假设前提条件，就是被测方波信号的5次谐波能量仍在示波器本底噪声之上，而7次谐波在淹没在示波器本底噪声中，问题是，这一点如何来确定，比如PCI-E 3.0 的信号速率是8Gbps，基波是4GHz，五次谐波是20GHz，那么PCI-E 3.0的测试一定需要20GHz 带宽吗？答案是如果其5次谐波能量很小，落在你所用的示波器本底噪声之下，你用20GHz带宽示波器仍然观察不到5次谐波。
版本3，利用被测信号的最快上升时间来确定所需示波器带宽。这是精确量的公式，因没有特定的假设前提条件，适用于更多的场合。该公式出自Howard W Johnson 的一本书《High Speed Digital Design --- A handbook of Black Magic》，假设您可以接受3%的测量误差，被测信号给出10%~90%的上升时间，则公式是 示波器带宽 ＝ 0.5/Tr x 1.4 ，若给出的上升时间是20%~80%，则公式是示波器带宽 ＝ 0.4/Tr x 1.4 . 详情可参见技术文章http://cp.literature.agilent.com/litweb/pdf/5989-5733CHCN.pdf
回到问题本身，如果示波器带宽超过所需的实际带宽，测量的精度会变得更好吗？答案是取决于你怎么用，如果你用的是示波器的满带宽，测量精度只会变地更差；如果你使用该示波器的带宽限制功能，则测量精度有可能变得更好或不变。这是因为所有示波器都有本底噪声，其中白噪声占很大比重，白噪声本身是无限宽带噪声，示波器带宽越大，进来的噪声也越多，从而使得测量精度越差。因此大多高端示波器都支持带宽限制功能（有时也称作降噪功能），可以将示波器带宽降低，典型的应用如电源噪声测试，工程师有时会故意将示波器带宽限制设置为20MHz，而不是用其满带宽设置，另一个例子是USB2.0的测试，USB-IF建议使用2.0GHz带宽示波器，如果你碰巧有一个8GHz示波器，有机会发现，2.0GHz带宽示波器测试通过的情况，而用该示波器测试不通过，而你将该示波器带宽限制为2.0GHz，测试又通过了。 那么会不会出现，将25G Hz带宽限制到2.0GHz带宽测量结果比使用一台2.0GHz带宽更精确呢？有可能，如果你的25GHz示波器是低噪声半导体工艺示波器，比如DSOX92004A 或DSOX92004Q ，其采用磷化铟半导体工艺，相同带宽限制下，其本底噪声是所有示波器中最底的。目前采用磷化铟技术的示波器，最高指标是实时带宽63GHz，DSOX96204Q ，于2012年4月，由安捷伦科技推出。
问题2、目前的示波器校准仪只能工作到6.4GHz带宽，目前有大量示波器带宽已经超过6GHz，甚至60GHz , 这样的高带宽实时示波器，如何进行计量？
答案(安捷伦科技杜吉伟提供) ：现在实时示波器最高带宽是安捷伦科技推出的63GHz示波器，除了这款63GHz带宽实时示波器外，市面上的示波器带宽有50GHz, 33GHz, 30GHz, 28GHz ,25GHz , 20GHz , 16GHz, 13GHz , 12GHz, 8GHz等，示波器的计量参数有很多，有很多不会随着示波器带宽变化而变化，有两个项目的计量的确会随着带宽提升而变化，包括-3dB带宽和示波器上升时间。-3dB带宽可以使用扫频信号源，比如安捷伦科技的PSG, 可输出高达67GHz的正弦波。上升时间的计量则可使用安捷伦科技提供的N2806A阶跃产生器，安捷伦科技内部就是使用该阶跃产生器计量其示波器产品的，该产品的详细信息，可参见http://cp.literature.agilent.com/litweb/pdf/5991-0263EN.pdf ，其中也介绍了如何结合精密电缆(PrecisionProbe)软件来消除计量中所用电缆或探头带来的误差。 这里面有一点和大家分享一下，对高斯频响示波器，流传一个说法，示波器的上升时间应该是被测对象的3倍，该说法不适用于现代高端实时示波器，因为他们的频响都不是高斯频响，大多是最大平坦度频响，或者介于高斯和最大平坦度频响之间。
问题3：针对某一特定被测信号，是否是所用示波器采样率越高，量测精度越高？
答案(安捷伦科技杜吉伟提供)：示波器的采样率首先要够，也就是说，对高斯频响示波器，其采样率应该是带宽的4倍或以上，对最大平坦度频响示波器，其采样率应该是带宽的2.5倍或以上(典型产品举例，安捷伦DSOX3104A 1GHz带宽示波器，采样率由 5GSa/s采样降低为2.5GSa/s采样，仍可保证1GHz带宽)，对高斯频响的7104B系列示波器，其采样率由4GSa/s降为2GSa/s，则实时带宽也会从1GHz降到500MHz。
其次，并不一定是采样率越高，量测精度越高。这时因为，采样率较高的情况下，要做到采样等间距不是件容易的事情，在有些情况下，情况正好相反。
图1、用6GHz带宽示波器测量100ps上升沿（20%~80%）的1.25GHz方波，20GSa/s和40GSa/s采样率对上升时间的测量结果是一样的。
图2、观察1GHz正弦波，4GSa/s的采集和测量结果比20GSa/s采样率的结果更加准确，同样的结果也体现在有时候，50GSa/s 比100GSa/s采样率测量精度更高，这在厂家的技术手册上也有说明，对于有的被测信号，如基波频率分别为3GHz, 4GHz ,5GHz的应用，SATA 6Gbps , PCI-E 8Gbps , 10Gbps , 根据有些示波器的Technical Reference Manual , 其ADC等效位数在100GSa/s采样下，更差，反而是50GSa/s更好。 如下图所示
图3、以示波器的有效位数为例子，上图来自示波器的技术参考手册，针对基波频率是3GHz, 4GHz ,5GHz，6GHz 的情况下，示波器的实际有效位数反而是50GSa/s比100GSa/s更好。
这里无意对比不同厂家的示波器，只是说明一下，采样率越高，测量精度越高，貌似正确，但并不是适用于所有场合，因为人们往往忽略了某些假设前提的存在。
原博文地址：http://bbs.ednchina.com/BLOG_ARTICLE_3002963.HTM?clickfrom=weibo
- 大小: 64.7 KB
- 大小: 45.9 KB
- 大小: 92.1 KB
分享到：
相关推荐
数据集介绍：野生动物与家畜多目标检测数据集 数据集名称：野生动物与家畜多目标检测数据集 数据规模： - 训练集：1,540张图片 - 验证集：377张图片 - 测试集：316张图片 分类类别： Brown-bear（棕熊）、Chicken（鸡）、Fox（狐狸）、Hedgehog（刺猬）、Horse（马）、Mouse（老鼠）、Sheep（绵羊）、Snake（蛇）、Turtle（龟）、Rabbit（兔）及通用object（物体）共11个类别 标注格式： YOLO格式标注，包含归一化坐标与类别索引，支持目标检测模型训练 数据特性： 涵盖航拍与地面视角，包含动物个体及群体场景，适用于复杂环境下的多目标识别 农业智能化管理： 通过检测家畜（鸡/马/绵羊等）数量及活动状态，辅助畜牧场自动化管理 生态监测系统： 支持野生动物（棕熊/狐狸/刺猬等）识别与追踪，用于自然保护区生物多样性研究 智能安防应用： 检测农场周边危险动物（蛇/狐狸），构建入侵预警系统 动物行为研究： 提供多物种共存场景数据，支持动物群体交互行为分析 高实用性标注体系： - 精细标注包含动物完整轮廓的边界框 - 特别区分野生动物与家畜类别，支持跨场景迁移学习 多维度覆盖： - 包含昼间/复杂背景/遮挡场景 - 涵盖陆地常见中小型动物与禽类 - 提供通用object类别适配扩展需求 工程适配性强： - 原生YOLO格式适配主流检测框架（YOLOv5/v7/v8等） - 验证集与测试集比例科学，支持可靠模型评估 生态价值突出： - 同步覆盖濒危物种（龟类）与常见物种 - 支持生物多样性保护与农业生产的双重应用场景
文档支持目录章节跳转同时还支持阅读器左侧大纲显示和章节快速定位，文档内容完整、条理清晰。文档内所有文字、图表、函数、目录等元素均显示正常，无任何异常情况，敬请您放心查阅与使用。文档仅供学习参考，请勿用作商业用途。 Vue 3是一款备受瞩目的JavaScript框架，它采用了基于Proxy的响应式系统，显著提升了性能和调试能力。其Composition API带来了更高效的逻辑组织方式，使代码复用变得轻而易举。Tree-shaking支持让打包后的文件体积更小，进一步优化了应用性能。Vue 3还与TypeScript深度集成，提供了更完善的类型推导，让开发过程更加顺畅。无论是构建大型应用还是小型项目，Vue 3都能凭借其出色的性能和灵活的架构，帮助开发者高效完成任务，是现代Web开发的理想选择。
文档支持目录章节跳转同时还支持阅读器左侧大纲显示和章节快速定位，文档内容完整、条理清晰。文档内所有文字、图表、函数、目录等元素均显示正常，无任何异常情况，敬请您放心查阅与使用。文档仅供学习参考，请勿用作商业用途。 Vue 3是一款备受瞩目的JavaScript框架，它采用了基于Proxy的响应式系统，显著提升了性能和调试能力。其Composition API带来了更高效的逻辑组织方式，使代码复用变得轻而易举。Tree-shaking支持让打包后的文件体积更小，进一步优化了应用性能。Vue 3还与TypeScript深度集成，提供了更完善的类型推导，让开发过程更加顺畅。无论是构建大型应用还是小型项目，Vue 3都能凭借其出色的性能和灵活的架构，帮助开发者高效完成任务，是现代Web开发的理想选择。
文案： “CSDN博客之星”是技术博主展现实力与成长的顶级舞台！通过参与这一品牌活动，你不仅能提升个人影响力，还能链接行业精英，加速技术精进。本文揭秘往届获奖者的成功经验，分享高流量博客的创作技巧——从原创内容到粉丝互动，助你打造优质技术品牌，赢得更多机遇。无论你是新人还是资深博主，这里都是突破自我的起点！
柴油–天然气–氢气三燃料化学反应机理研究.zip
内容概要：本文档详细介绍了Python实现TSO-ELM（金枪鱼群优化算法优化极限学习机）多输入单输出回归预测的项目实例。极限学习机（ELM）作为一种快速训练的前馈神经网络算法，虽然具有训练速度快、计算简单等优点，但也存在局部最优解和参数敏感性的问题。金枪鱼群优化算法（TSO）通过模拟金枪鱼群体觅食行为，具有较强的全局搜索能力。将TSO与ELM结合形成的TSO-ELM模型，可以优化ELM的输入层和隐藏层之间的权重，提高回归预测的准确性。项目包括数据预处理、TSO优化、ELM回归模型训练和预测输出四个主要步骤，并提供了详细的代码示例。; 适合人群：对机器学习、优化算法有一定了解的数据科学家、算法工程师和研究人员，特别是那些希望深入理解智能优化算法在回归预测任务中的应用的人群。; 使用场景及目标：① 提升ELM在多输入单输出回归预测中的性能，特别是在处理非线性问题时的预测精度；② 解决ELM中的局部最优解和参数敏感性问题；③ 优化ELM的隐层权重和偏置值，提高模型的表达能力和预测能力；④ 在金融、气象、能源、医疗、交通等领域提供更准确的预测模型。; 阅读建议：本文档不仅提供了理论解释，还包含详细的代码实现，建议读者在阅读过程中结合代码进行实践，理解TSO-ELM模型的工作原理，并尝试调整参数以优化预测效果。同时，读者应关注TSO算法在高维复杂问题中的应用挑战，思考如何改进优化策略。
文档支持目录章节跳转同时还支持阅读器左侧大纲显示和章节快速定位，文档内容完整、条理清晰。文档内所有文字、图表、函数、目录等元素均显示正常，无任何异常情况，敬请您放心查阅与使用。文档仅供学习参考，请勿用作商业用途。 Vue 3是一款备受瞩目的JavaScript框架，它采用了基于Proxy的响应式系统，显著提升了性能和调试能力。其Composition API带来了更高效的逻辑组织方式，使代码复用变得轻而易举。Tree-shaking支持让打包后的文件体积更小，进一步优化了应用性能。Vue 3还与TypeScript深度集成，提供了更完善的类型推导，让开发过程更加顺畅。无论是构建大型应用还是小型项目，Vue 3都能凭借其出色的性能和灵活的架构，帮助开发者高效完成任务，是现代Web开发的理想选择。
文档支持目录章节跳转同时还支持阅读器左侧大纲显示和章节快速定位，文档内容完整、条理清晰。文档内所有文字、图表、函数、目录等元素均显示正常，无任何异常情况，敬请您放心查阅与使用。文档仅供学习参考，请勿用作商业用途。 Vue 3是一款备受瞩目的JavaScript框架，它采用了基于Proxy的响应式系统，显著提升了性能和调试能力。其Composition API带来了更高效的逻辑组织方式，使代码复用变得轻而易举。Tree-shaking支持让打包后的文件体积更小，进一步优化了应用性能。Vue 3还与TypeScript深度集成，提供了更完善的类型推导，让开发过程更加顺畅。无论是构建大型应用还是小型项目，Vue 3都能凭借其出色的性能和灵活的架构，帮助开发者高效完成任务，是现代Web开发的理想选择。
文档支持目录章节跳转同时还支持阅读器左侧大纲显示和章节快速定位，文档内容完整、条理清晰。文档内所有文字、图表、函数、目录等元素均显示正常，无任何异常情况，敬请您放心查阅与使用。文档仅供学习参考，请勿用作商业用途。 Vue 3是一款备受瞩目的JavaScript框架，它采用了基于Proxy的响应式系统，显著提升了性能和调试能力。其Composition API带来了更高效的逻辑组织方式，使代码复用变得轻而易举。Tree-shaking支持让打包后的文件体积更小，进一步优化了应用性能。Vue 3还与TypeScript深度集成，提供了更完善的类型推导，让开发过程更加顺畅。无论是构建大型应用还是小型项目，Vue 3都能凭借其出色的性能和灵活的架构，帮助开发者高效完成任务，是现代Web开发的理想选择。
本书《Map Scripting 101》由Adam DuVander撰写，旨在为刚接触地图脚本开发的网页开发者提供实用的指导。书中介绍了如何使用Bing、Yahoo!和Google地图提供的API，通过73个示例脚本，教授读者如何构建交互式地图和混合应用。读者将学习如何创建基本地图、嵌入地图、设置缩放级别和边界、显示和过滤位置标记及信息气泡、根据访客位置定制地图、使用KML、GeoRSS和GPX等常见数据格式，以及在地图上创建图形覆盖层以更好地分析数据和趋势。此外，书中还指导如何利用Yelp、Upcoming等网站的公开地理数据以及美国政府的公共领域地理数据。本书适合任何想要开始进行地图脚本开发的网页开发者，无论你的兴趣是追踪全球地震还是仅仅标记都伯克的咖啡馆。
Matlab领域上传的视频是由对应的完整代码运行得来的，完整代码皆可运行，亲测可用，适合小白； 1、从视频里可见完整代码的内容 主函数：main.m； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开main.m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主； 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作
Python脚本大全资源描述 资源概述 Python脚本大全是一个集合了多种实用Python脚本的资源包，旨在为开发者和爱好者提供一系列可以直接使用或作为学习参考的代码示例。这些脚本涵盖了从基础到高级的多种应用场景，包括数据处理、自动化任务、网络爬虫、数据分析、机器学习等。通过这些脚本，用户可以快速实现常见的编程任务，提高开发效率，同时也可以作为学习Python语言和相关技术的实践材料。 资源内容 1. **基础脚本**： - 文件操作：读取、写入、复制、移动文件和文件夹。 - 数据处理：处理CSV、JSON、Excel等常见数据格式。 - 系统工具：获取系统信息、执行系统命令、管理进程等。 2. **网络爬虫**： - 简单爬虫：抓取网页内容、提取特定数据。 - 数据抓取：从API获取数据、解析HTML和XML。 - 高级爬虫：使用Selenium、Scrapy等框架实现复杂爬虫任务。 3. **数据分析与可视化**： - 数据分析：使用Pandas、NumPy等库进行数据清洗、分析。 - 数据可视化：使用Matplotlib、Seaborn等库绘制图表。 - 数据报告：生成HTML、PDF等格式的报告。 4. **机器学习**： - 机器学习基础：线性回归、逻辑回归、决策树等。 - 深度学习：使用TensorFlow、Keras等框架实现神经网络。 - 实用案例：图像识别、自然语言处理、时间序列分析等。 5. **自动化任务**： - 定时任务：使用schedule、APScheduler等库实现定时任务。 - 批处理：批量处理文件、执行批量任务。 - GUI自动化：使用PyAutoGUI等库实现图形界面自动化操作。 6. **实用工具** 日志记录：使用logging模块记录日志
实现粒子运动切换效果 着色器的应用
内容概要：本文介绍了基于Matlab Simulink平台搭建的四旋翼无人机模拟系统，该系统拥有图形化用户界面（GUI），允许用户自定义无人机的各项参数并进行飞行模拟。用户可以通过修改如机臂长度、电机推力系数等关键参数，直观地观察到这些变化对飞行状态的影响。此外，文中还详细描述了仿真实验的具体操作流程以及一些有趣的实验现象，如改变参数导致的不同飞行轨迹和姿态表现。同时提到了内置的3D引擎用于生成逼真的飞行动画，特别是螺旋桨旋转效果的真实再现。 适合人群：对无人机控制系统感兴趣的研究人员和技术爱好者，尤其是那些希望通过模拟环境深入理解无人机动力学特性和控制机制的人群。 使用场景及目标：适用于教学演示、科研探索或者个人兴趣爱好等领域。主要目的是帮助使用者掌握无人机的基本工作原理，熟悉各种物理参数的作用及其相互关系，提高对于复杂系统的认知水平。 其他说明：文中提到的一些高级特性，如实时调参、故障注入等功能增加了系统的趣味性和实用性，为用户提供了一个更加全面的学习体验。
文档支持目录章节跳转同时还支持阅读器左侧大纲显示和章节快速定位，文档内容完整、条理清晰。文档内所有文字、图表、函数、目录等元素均显示正常，无任何异常情况，敬请您放心查阅与使用。文档仅供学习参考，请勿用作商业用途。 Vue 3是一款备受瞩目的JavaScript框架，它采用了基于Proxy的响应式系统，显著提升了性能和调试能力。其Composition API带来了更高效的逻辑组织方式，使代码复用变得轻而易举。Tree-shaking支持让打包后的文件体积更小，进一步优化了应用性能。Vue 3还与TypeScript深度集成，提供了更完善的类型推导，让开发过程更加顺畅。无论是构建大型应用还是小型项目，Vue 3都能凭借其出色的性能和灵活的架构，帮助开发者高效完成任务，是现代Web开发的理想选择。
分类、阈值、混淆矩阵、准确率、召回率、精确率等教程和代码
传统照片底片是摄影过程中生成的反色图像，为了欣赏照片，需要通过冲印过程将底片转化为正像。而随着数字技术的发展，我们现在可以使用数字工具不仅将底片转为正像，还可以添加色彩，重现照片原本的色彩效果。
手绘小树卡通素材教学课件模板
内容概要：本文详细介绍了利用滑膜控制算法在Matlab和Carsim环境下进行车队纵向控制仿真的方法和技术细节。首先，文中解释了滑膜控制器的工作原理，展示了核心代码并讨论了关键参数的选择对控制系统性能的影响。接着，描述了如何将滑膜控制器计算出的期望加速度转换为具体的节气门和制动力指令，以实现车辆的实际加速和减速。此外，还探讨了多车编队时遇到的问题以及相应的解决方案，如采用低通滤波减少首车扰动放大的影响。最后，提供了仿真效果的数据验证，证明了所提出的方法的有效性和鲁棒性。 适用人群：从事自动驾驶、智能交通系统研究的专业人士，特别是那些希望深入了解车队纵向控制机制的研究人员和技术开发者。 使用场景及目标：适用于需要模拟多个车辆组成的车队行为的研究项目，旨在提高车队行驶的安全性和效率。具体目标包括但不限于：掌握滑膜控制理论的应用技巧；学会构建和调整车队纵向控制模型；理解并解决多车编队过程中可能出现的技术难题。 其他说明：随附有详细的仿真教程、必要的软件安装包（Matlab R2021b 和 Carsim 8_1），以及用于实验的所有相关资料，便于读者快速上手实践。
文档支持目录章节跳转同时还支持阅读器左侧大纲显示和章节快速定位，文档内容完整、条理清晰。文档内所有文字、图表、函数、目录等元素均显示正常，无任何异常情况，敬请您放心查阅与使用。文档仅供学习参考，请勿用作商业用途。 Vue 3是一款备受瞩目的JavaScript框架，它采用了基于Proxy的响应式系统，显著提升了性能和调试能力。其Composition API带来了更高效的逻辑组织方式，使代码复用变得轻而易举。Tree-shaking支持让打包后的文件体积更小，进一步优化了应用性能。Vue 3还与TypeScript深度集成，提供了更完善的类型推导，让开发过程更加顺畅。无论是构建大型应用还是小型项目，Vue 3都能凭借其出色的性能和灵活的架构，帮助开发者高效完成任务，是现代Web开发的理想选择。