插入损耗/回波损耗测量 系统配置 显示举例 FP-LD AQ2200-141 or 142 OPM AQ2200-211 or 221 ORL AQ2200-271 DUT OPM AQ2200-211 or 221 参考纤 APC 控制机架 AQ2201/2202

DeepESN2019a-深度回声状态网络工具箱v1.1（2019年2月） ** 一般信息 ** 深度回声状态网络 (DeepESN) 将水库计算范式扩展到深度学习框架。 本质上，DeepESN是一个深度递归神经网络，它由多个递归储层和一个线性读数层的堆叠组成组成，该线性读数层计算模型的输出。 深水库部分在初始化后未进行训练，而读数是架构中唯一经过训练过程的部分。 DeepESN 模型的所有详细信息都可以在下面的 CITATION REQUEST 部分报告的参考论文中找到。 另请注意，具有单层的 DeepESN 简化为标准回声状态网络 (ESN)，因此该工具箱中提供的代码也可用于标准（即浅层）ESN 应用程序。 工具箱包含下面列出的文件。 - DeepESN.m：该文件包含类 DeepESN（工具箱中的主类）的定义。 - Task.m：该文件包含辅助类Task的定义。 - examp

http://simulations.narod.ru/ 这个在matlab中的自旋回波模拟。 蓝色是磁场，红色是自旋。 这就是核磁共振效应。 首先应用旋转 90 度的信号，然后在 180 度暂停。 由于波动，自旋不连贯。 一段时间后，自旋回连一段时间，平均自旋增加，这称为自旋回波。

遗传算法(GA)和粒子群算法(PSO)都属于进化算法，用于优化计算时，可以帮助寻找问题的最优解。将遗传算法和粒子群算法应用到反射阵列设计中，大大缩减了设计周期并提高了反射阵列性能。按照该方法设计出的板子阵列在10 GHz的高频下仍能保持大角度的RCS在-20 dB以上，并可以根据实际要求进行灵活调整，加工实物后进行实测，实测结果和仿真结果具有很好的一致性。

《合成孔径雷达成像：算法与实现》配套回波，可用于算法学习与仿真。

100M以太网口回波损耗测试

29第一节，雷达 LFM 信号分析；第二节，脉冲压缩处理；第三节，相参积累处理；第四节，恒虚警 CFAR 处理；第五节，目标信息提取处理。

利用MATLAB设计经典的雷达数字信号处理。该系统具备对雷达目标回波的处理能力，能够从噪声中将目标检测出来，并提取目标的距离、速度、角度信息。

采用Feko对雷达目标进行回波仿真，全极化BP成像算法

29第一节，雷达 LFM 信号分析；第二节，脉冲压缩处理；第三节，相参积累处理；第四节，恒虚警 CFAR 处理；第五节，目标信息提取处理。