編輯推薦
    本書具有如下特點: 
1.準確性。理論的結果必須用實驗來檢驗,而天綫參數的測量正好可以作為檢驗天綫設計好壞的基礎。在新型天綫的研製中,實驗起著重要的作用,它既是檢驗理論階段的手段,又是獨立的研究方法。本書是在大量實驗的基礎上成* 的,書中的測量方法都是由實際天綫測量工作者經過長期實踐得來的,解決瞭許多理論上還不夠成熟的課題。 
2.廣泛性。全麵介紹天綫的測量。從頻率上講,* 低頻率從幾十兆赫茲,到毫米波(40GHz);從類型來講,天綫的類型包括麵天綫、綫天綫等各種形式的天綫;從測量方法上講,既有較原始的測量方法也有目前的計算機控製自動測量。目前我國移動通信基站數已經超過60萬個,特彆是隨著3G時代的到來,我國5億個手機用戶數還將增大,基站天綫的市場空間相當廣闊,已引起三大運營商的高度重視。本書用大量的篇幅介紹瞭移動通信基站天綫的測量。 
3.實用性。各章節內容都有具體的操作方法,典型測量案例分析,貼近工程實際,工程技術人員可以通過本書內容的學習,參照具體操作方法,完成工程實際任務。 
4.先進性。本書介紹的天綫測量係統、儀器都是國內外知名産品。這些産品的技術先進性、可拓展性等代錶著天綫測量的發展方嚮。 
5.規範性。書中內容撰寫規範,涉及的標準、協議、接口等符閤國內國際標準。
      內容簡介
   本書從天綫遠場測量和近場測量兩個方麵介紹瞭天綫測量的基本方法、測量儀器設備、係統設計、場地選擇等,此外還介紹瞭天綫的主要參數的測量方法、步驟與技巧。各章內容都配有具體的操作方法,可以指導相關人員完成工程實際任務。 
本書可供從事天綫研究、企業生産的工程技術人員參考使用,同時還可以作為高等院校天綫工程專業師生的參考書。     
作者簡介
   * 玖珍,中國電子集團公司第五十四研究所研究員,中國電子學會高 級會員、河北省老科協會員及河北省老教授學會會員。長期從事微波及天綫測量工作,曾擔任國傢通信導航設備監督檢驗中心檢測室主任。在擔任我國某工程衛星在軌測試總體負責人期間,曾榮獲國傢科技進步二等奬和部級科技進步一等奬(排名* 二)等。發錶論文20餘篇、參與編寫國傢標準4部。退休後,創辦河北威賽特科技有限公司並擔任總經理到今。其間,帶領公司技術團體,設計研製瞭全自動天綫測量係統,並得到廣泛應用。申請和獲得産品專利6項。 
薛正輝,北京理工大學教授、博士生導師,中國電子學會高 級會員、中國通信學會高 級會員,擔任中國電子學會遙感遙測遙控分會和電磁兼容分會委員、中國通信學會電磁兼容委員會委員。長期從事微波毫米波天綫及天綫測試技術的研究,先後主持和參與國傢自然科學基金重點項目等科研課題50餘項,獲得部級以上科技進步奬3項,校級科技進步奬4項。申請和獲得國 防發明專利7項。先後發錶論文200餘篇,齣版專著和教材6本。     
目錄
   目 錄  
* 1章 天綫測量入門知識1 
1.1 天綫測量的意義、任務、內容、發展曆史1 
1.1.1 意義1 
1.1.2 任務1 
1.1.3 內容1 
1.1.4 發展曆史2 
1.2 電磁波的特性2 
1.2.1 電磁波的頻率、波長2 
1.2.2 電磁波的輻射、傳播和衰減4 
1.2.3 電磁波的反射、散射和二次輻射4 
1.2.4 對電磁輻射的防護4 
1.3 天綫的基本概念6 
1.3.1 天綫的定義、功用和分類6 
1.3.2 天綫測量的典型配置7 
1.3.3 天綫測量中的互易性7 
1.3.4 近場和遠場7 
1.3.5 天綫輻射特性測量法分類9 
1.4 天綫的基本電參數10 
1.4.1 方嚮圖10 
1.4.2 副瓣和半功率波束寬度13 
1.4.3 增益14 
1.4.4 輸入阻抗16 
1.4.5 電壓駐波比、反射係數、迴波損耗(RL)16 
1.4.6 天綫的有效長度和有效麵積18 
1.4.7 天綫效率19 
1.4.8 天綫極化19 
1.4.9 天綫帶寬21 
1.4.10 天綫噪聲溫度22  
* 2章 天綫測量儀器設備介紹23 
2.1 頻譜分析儀23 
2.1.1 概述23 
2.1.2 組成及工作原理24 
2.1.3 參數定義及相互關係24 
2.1.4 頻譜分析儀的自校準25 
2.1.5 使用頻譜分析儀應注意的問題26 
2.2 信號發生器27 
2.2.1 概述27 
2.2.2 主要技術性能指標27 
2.2.3 組成及工作原理28 
2.2.4 典型産品的操作使用31 
2.2.5 主要性能檢驗33 
2.3 網絡分析儀35 
2.3.1 概述35 
2.3.2 基本組成35 
2.3.3 基本工作原理40 
2.3.4 如何實現傳輸與反射測量42 
2.3.5 優化測量44 
2.3.6 如何進行係統校準46 
2.4 傳輸綫(饋綫)48 
2.4.1 矩形波導管傳輸綫49 
2.4.2 橢圓波導50 
2.4.3 同軸電纜51 
2.5 同軸連接器54 
2.5.1 同軸連接器分類54 
2.5.2 使用注意事項56 
2.6 放大器57 
2.6.1 功率放大器(PA)57 
2.6.2 低噪聲放大器(LNA)57 
2.7 轉颱及控製器58 
2.7.1 主要性能58 
2.7.2 轉颱的分類58 
2.7.3 轉颱及伺服控製器61 
2.7.4 轉颱精度和誤差分析61  
第3章 天綫電路參數的測量65 
3.1 電壓駐波比的測量65 
3.1.1 經典的測量綫(開槽綫)測量法65 
3.1.2 標量網絡分析儀測量法68 
3.1.3 矢量網絡分析儀測量法70 
3.2 衰減測量72 
3.2.1 衰減測量基本原理72 
3.2.2 網絡分析儀的傳輸測量法74 
3.2.3 網絡分析儀的反射測量法76 
3.3 天綫噪聲溫度的測量78 
3.3.1 測量目的78 
3.3.2 天綫的噪聲溫度的估算78 
3.3.3 Y因子法測量原理79 
3.3.4 測量係統80 
3.3.5 測試步驟81 
3.3.6 如何提高噪聲溫度的測量精度81 
3.4 無源互調測量81 
3.4.1 無源互調概念81 
3.4.2 無源互調分析儀介紹83 
3.4.3 測試係統安裝84 
3.4.4 校準85 
3.4.5 測試步驟85 
3.4.6 測試結果的判彆86  
第4章 天綫測試場的設計、建造和鑒定測試87 
4.1 設計要點87 
4.1.1 選取* 小測試距離的準則87 
4.1.2 地麵及環境反射影響的考慮87 
4.1.3 乾擾的抑製88 
4.1.4 選擇閤適的測試場類型88 
4.2 測試場常見類型88 
4.2.1 高架測試場88 
4.2.2 斜天綫測試場90 
4.2.3 地麵反射測試場91 
4.2.4 常規遠場的比較和選擇92 
4.3 微波暗室93 
4.3.1 主要參數93 
4.3.2 設計、建造94 
4.3.3 檢驗96 
4.4 緊縮場101 
4.4.1 概念101 
4.4.2 緊縮場CATR簡介102 
4.4.3 緊縮場暗室104 
4.4.4 典型的緊縮場天綫自動測量係統105  
第5章 天綫遠場測量係統的設計、組建107 
5.1 係統設計主要考慮的問題107 
5.2 係統鏈路參數的估算107 
5.2.1 發射鏈路的計算108 
5.2.2 接收(待測)鏈路的計算109 
5.2.3 係統靈敏度的計算109 
5.2.4 係統動態範圍的計算111 
5.3 測量係統介紹112 
5.3.1 采用頻譜分析儀測量係統112 
5.3.2 采用網絡分析儀的天綫幅—相測量係統113 
5.3.3 用光纜連接的測量係統119 
5.3.4 采用無綫遙控源端設備的天綫測量係統120 
5.4 係統軟件設計121 
5.4.1 主要功能122 
5.4.2 測試界麵介紹122  
第6章 天綫輻射參數的遠場測量125 
6.1 天綫方嚮圖的測量125 
6.1.1 常規遠場法125 
6.1.2 衛星信標法135 
6.1.3 衛星轉發法137 
6.1.4 方嚮圖測量誤差分析139 
6.2 天綫增益測量140 
6.2.1 比較法141 
6.2.2 兩相同天綫法144 
6.2.3 三天綫法145 
6.2.4 波束寬度法147 
6.2.5 方嚮圖積分法148 
6.2.6 射電源法149 
6.2.7 增益測量誤差分析和修正153 
6.3 天綫相位測量159 
6.3.1 天綫相位中心的概念159 
6.3.2 測量係統配置及基本工作原理159 
6.3.3 測量方法160 
6.3.4 典型測量案例:喇叭天綫相位中心的測量162 
6.4 天綫極化特性的測量167 
6.4.1 綫極化天綫的極化方嚮圖的測量原理及方法167 
6.4.2 圓極化天綫軸比的測量169 
6.4.3 關於天綫極化的判斷170 
6.4.4 天綫極化測量的精度考慮171  
第7章 天綫近場測量技術173 
7.1 天綫近場測量技術的發展曆程174 
7.1.1 天綫頻域近場測量技術的發展174 
7.1.2 天綫時域近場測量技術的起源與發展175 
7.2 天綫近場測量技術的特點和技術優勢176 
7.2.1 天綫近場測量的基本概念和類彆176 
7.2.2 頻域近場測量的技術特點178 
7.2.3 時域近場測量的技術特點180 
7.3 天綫近場測量的基本電磁學原理182 
7.3.1 惠更斯—基爾霍夫原理182 
7.3.2 等效原理182 
7.3.3 錶麵電磁場的截斷問題183 
7.3.4 天綫輻射特性的時域近場錶徵與測試183 
7.4 天綫頻域與時域近場測量理論188 
7.4.1 三維直角坐標係中電磁場分布與平麵波譜之間的關係188 
7.4.2 探頭修正理論195 
7.4.3 矩形開口波導探頭的輻射場206 
7.5 天綫近場測量的誤差及其修正209 
7.5.1 頻域近場測量誤差210 
7.5.2 時域近場測量誤差212 
7.6 天綫近場測量係統215 
7.6.1 概述215 
7.6.2 硬件分係統217 
7.6.3 軟件分係統223 
7.7 典型近場測量係統介紹230 
7.7.1 NSI公司及近場測量係統産品230 
7.7.2 ORBIT FR公司及近場測量係統産品230 
7.7.3 SATIMO公司及近場測量係統産品230  
第8章 典型天綫測量實踐237 
8.1 手機天綫的測量237 
8.1.1 手機天綫性能指標238 
8.1.2 手機天綫的有源測量239 
8.1.3 手機天綫的無源測量245 
8.2 微波通信天綫的測量246 
8.2.1 微波通信天綫的主要技術指標246 
8.2.2 F B指標的確定246 
8.2.3 測試場地的選擇249 
8.2.4 測量動態範圍的計算249 
8.2.5 室外場全自動天綫測量係統的設計250 
8.2.6 測量案例分析252 
8.3 天綫罩的測量254 
8.3.1 天綫罩的主要性能參數255 
8.3.2 天綫罩測試係統組成原理257 
8.3.3 天綫罩測試係統原理框圖及測試流程259 
8.4 相控陣雷達天綫的測量260 
8.4.1 相控陣雷達天綫的主要性能指標260 
8.4.2 相控陣天綫測試原理及係統組成262 
8.4.3 相控陣天綫測試流程265   
附錄A 天綫標準摘錄267  
附錄B 微波傳輸綫參考資料299  
參考文獻309    
				
 
				
				
					《信號分析與數據處理前沿技術》  內容簡介  在信息爆炸的時代,對復雜信號進行精確分析和高效數據處理已成為科學研究、工程應用乃至日常生活的核心驅動力。從微觀粒子碰撞的探測,到宏觀宇宙現象的觀測,再到現代通信、醫療影像、金融市場以及環境監測等領域,無不依賴於對海量數據的深度挖掘和有效理解。本書《信號分析與數據處理前沿技術》旨在係統性地梳理和探討當前信號分析與數據處理領域最前沿、最具影響力的技術與方法,為相關領域的科研人員、工程師、學生以及技術愛好者提供一本權威、前瞻且實用的參考指南。  本書內容涵蓋瞭從基礎理論到尖端應用的廣泛範圍,力求為讀者構建一個全麵而深入的知識體係。我們首先會迴顧信號分析的基礎概念,但重點將放在如何利用現代數學工具和計算能力來應對日益增長的信號復雜性。這包括對經典傅裏葉分析的拓展,如小波分析、時頻分析等,它們在處理非平穩信號、局部特徵提取等方麵展現齣無可比擬的優勢。讀者將瞭解到如何選擇閤適的小波基函數,如何進行多分辨率分析,以及時頻分布在揭示信號瞬時頻率和能量分布方麵的強大能力。  隨後,本書將深入探討信號去噪與增強技術。現實世界中的信號往往受到各種噪聲的乾擾,這不僅會影響信號的準確性,還會誤導後續的數據分析。我們不僅會介紹傳統的濾波方法,如維納濾波、卡爾曼濾波等,更會重點闡述基於機器學習和深度學習的去噪算法。這些先進方法能夠從數據中學習噪聲的統計特性,並以遠超傳統方法的精度去除噪聲,同時最大化保留信號的有用信息。書中將詳細解析捲積神經網絡(CNN)、循環神經網絡(RNN)及其變種在圖像去噪、音頻去噪、生理信號去噪等方麵的應用案例,並討論如何設計有效的損失函數和訓練策略。  在數據處理方麵,本書將聚焦於特徵提取與降維技術。麵對高維度的原始數據,如何有效地提取齣具有代錶性的特徵,以及如何將高維數據映射到低維空間而不丟失關鍵信息,是數據分析的關鍵挑戰。除瞭主成分分析(PCA)等經典綫性降維方法,本書將著重介紹非綫性降維技術,如t-SNE、UMAP等,它們在可視化高維數據、揭示數據內在結構方麵效果顯著。在特徵提取方麵,除瞭傳統手工設計的特徵,我們將重點關注自動特徵學習,特彆是深度學習模型如何自動從原始數據中學習層級化的特徵錶示,例如在圖像識彆、自然語言處理等領域。  模型構建與分類迴歸是數據處理的核心環節。本書將對機器學習和深度學習的經典模型進行梳理,並重點介紹最新的研究進展。對於分類問題,我們將討論支持嚮量機(SVM)、隨機森林、梯度提升樹等算法的最新優化和應用;對於迴歸問題,則會涵蓋嶺迴歸、Lasso迴歸的擴展以及各種神經網絡架構在迴歸任務中的錶現。在深度學習部分,除瞭CNN和RNN,本書還將詳細介紹Transformer模型及其在序列數據處理、時空數據分析等方麵的巨大潛力,並探討圖神經網絡(GNN)在處理圖結構數據,如社交網絡、分子結構等方麵的應用。  特彆值得一提的是,本書將投入大量篇幅探討信號處理與數據分析在特定前沿領域的應用。例如,在生物醫學信號處理方麵,我們將討論腦電圖(EEG)、心電圖(ECG)、肌電圖(EMG)等信號的分析方法,以及如何利用機器學習進行疾病診斷、生理狀態監測。在通信係統領域,我們將介紹如何利用先進的信號處理技術優化信道估計、均衡、解調等過程,以應對高速率、大容量的通信需求。在人工智能與大數據融閤方麵,本書將探討如何將信號分析與深度學習模型相結閤,構建能夠理解和處理復雜現實世界數據的智能係統。  本書的另一個重要特色是強調模型的可解釋性與魯棒性。隨著模型復雜度的增加,理解模型的決策過程變得愈發重要,特彆是在醫療、金融等關鍵領域。我們將介紹一些模型可解釋性技術,如LIME、SHAP等,以及如何評估和提升模型的魯棒性,使其在麵對未知或對抗性乾擾時仍能保持良好的性能。  最後,本書將對信號分析與數據處理的未來發展趨勢進行展望,包括聯邦學習、自監督學習、強化學習在信號處理中的應用,以及量子計算對該領域可能帶來的顛覆性影響。  《信號分析與數據處理前沿技術》不僅僅是一本教科書,更是一本激發讀者思考、引導讀者探索的工具書。書中包含大量的理論推導、算法描述、僞代碼示例以及精心挑選的應用案例,力求使復雜的概念易於理解。同時,本書也鼓勵讀者將所學知識應用於實際問題,解決現實世界中的挑戰。我們相信,通過閱讀本書,讀者將能夠建立起紮實的理論基礎,掌握先進的實踐技能,並對信號分析與數據處理領域的未來充滿洞察。  目錄  第一部分:信號分析基礎與進階     第一章:現代信號理論迴顧與擴展        1.1 信號的分類與錶示:從連續到離散,從標量到張量        1.2 傅裏葉分析及其局限性        1.3 時頻分析的藝術:短時傅裏葉變換、Wigner-Ville分布、Choi-Williams分布        1.4 小波分析:多尺度、多分辨率的信號分解            1.4.1 連續小波變換與離散小波變換            1.4.2 小波基的選擇與構造            1.4.3 小波包與提升方案        1.5 非平穩信號的特性與分析挑戰     第二章:高級信號去噪與增強技術        2.1 傳統濾波方法:維納濾波、卡爾曼濾波及其變種        2.2 基於稀疏錶示的信號恢復        2.3 機器學習在信號去噪中的應用            2.3.1 支持嚮量機(SVM)用於噪聲分類            2.3.2 隨機森林與梯度提升在噪聲去除中的作用        2.4 深度學習驅動的信號去噪            2.4.1 捲積神經網絡(CNN)在圖像與時序信號去噪中的應用            2.4.2 循環神經網絡(RNN)與長短期記憶網絡(LSTM)用於序列信號去噪            2.4.3 生成對抗網絡(GAN)在信號修復與增強中的探索        2.5 信號增強技術:對比度提升、細節恢復等  第二部分:數據處理與特徵工程     第三章:現代數據預處理與特徵提取        3.1 數據清洗與異常值處理        3.2 特徵工程的藝術:從領域知識到自動化特徵學習        3.3 傳統特徵提取方法迴顧:統計特徵、變換域特徵        3.4 深度學習中的自動特徵學習            3.4.1 捲積神經網絡(CNN)的特徵提取能力            3.4.2 循環神經網絡(RNN)的序列特徵學習            3.4.3 Transformer模型在序列特徵提取中的突破     第四章:降維技術與數據可視化        4.1 綫性降維:PCA、SVD及其應用        4.2 非綫性降維技術:            4.2.1 流形學習:Isomap、LLE            4.2.2 概率模型:t-SNE            4.2.3 保持局部結構:UMAP        4.3 高維數據可視化策略        4.4 降維在噪聲抑製與特徵選擇中的作用  第三部分:模型構建、評估與應用     第五章:機器學習與深度學習模型        5.1 分類模型:            5.1.1 經典模型:邏輯迴歸、多層感知機            5.1.2 基於樹的模型:隨機森林、XGBoost            5.1.3 深度神經網絡:CNN、RNN、Transformer        5.2 迴歸模型:            5.2.1 綫性迴歸、多項式迴歸            5.2.2 深度學習在迴歸任務中的應用        5.3 聚類與異常檢測模型        5.4 模型集成方法:Bagging, Boosting, Stacking     第六章:模型評估、選擇與優化        6.1 性能度量:準確率、精確率、召迴率、F1分數、ROC麯綫、AUC        6.2 交叉驗證與模型選擇策略        6.3 超參數調優:網格搜索、隨機搜索、貝葉斯優化        6.4 正則化技術:L1, L2, Dropout        6.5 模型可解釋性技術:LIME, SHAP        6.6 模型魯棒性評估與提升     第七章:前沿應用領域分析        7.1 生物醫學信號處理:EEG, ECG, EMG分析與輔助診斷        7.2 通信係統中的信號處理:信道估計、均衡、解調優化        7.3 圖像與視頻信號分析:目標檢測、圖像分割、視頻分析        7.4 自然語言處理中的序列數據分析        7.5 金融時間序列分析與預測        7.6 環境監測與遙感數據處理  第四部分:未來展望與研究方嚮     第八章:未來發展趨勢        8.1 聯邦學習與隱私保護的信號處理        8.2 自監督學習與弱監督學習在信號分析中的新範式        8.3 強化學習在信號控製與優化中的應用        8.4 圖神經網絡(GNN)在復雜網絡與結構化數據分析中的崛起        8.5 量子計算對信號分析與數據處理的潛在影響        8.6 AI驅動的信號處理算法設計與自動化  附錄     常用數學工具與編程庫介紹    參考文獻