

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、激光器發(fā)出一束光線,照射在外部物體上,這束光經(jīng)外部物體反射、散射后,一部分光又返回到激光器的諧振腔內(nèi),與諧振腔內(nèi)的激光進行混合,從而調(diào)制了激光器的輸出功率,這種現(xiàn)象就叫做光反饋自混合干涉(Optical Feedback Self-Mixing Interference,簡稱OFSMI)。相較于傳統(tǒng)的干涉系統(tǒng),OFSMI技術構成的系統(tǒng)具有結構簡單緊湊、易準直等優(yōu)點。OFSMI信號中攜帶著外部物體的諸多信息,因此,多用于物理量傳感測量。目
2、前,OFSMI系統(tǒng)應用于機械測量如位移、振動、距離、輪廓等的傳感測量。由于OFSMI測量系統(tǒng)具有高分辨率、高精度等優(yōu)點,所以該技術在傳感測量領域具有廣闊的研究前景。
本文以自混合干涉效應的理論模型為基礎,選取不同的反饋水平進行了Matlab仿真分析,驗證了模型的準確性。但實驗中得到的OFSMI信號中帶有大量的噪聲,消除噪聲可以提高測量精度和分辨率,因此本文研究了自混合干涉信號噪聲處理的兩種方法。
1、基于小波變換的自
3、混合干涉信號的降噪方法。小波變換將信號中各種不同的頻率成分分解到互不重疊的頻帶上,為信號濾波、信噪分離和特征值提取提供了有效途徑,尤其在信號降噪方面比較方便。本文通過選取合適的正交小波、確定分解層次,并通過選取不同的光反饋水平和激光器線寬展寬因數(shù)進行仿真實驗,得到了較純正的OFSMI信號,且信噪比有了較大的提高。
2、基于奇異值分解(Singular Value Decomposition,簡稱SVD)的自混合干涉信號的降噪方
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 兩路反饋外腔結構自混合干涉信號處理方法研究.pdf
- 自混合干涉位移測量系統(tǒng)信號處理電路的設計.pdf
- 自混合干涉信號仿真和位移測量虛擬儀器.pdf
- 光反饋自混合干涉信號噪聲處理及位移測量算法的研究.pdf
- 基于自混合干涉的位移測量.pdf
- 自混合干涉測速技術研究.pdf
- 激光自混合干涉位相調(diào)制技術的研究.pdf
- 反射體旋轉引起的激光自混合干涉信號分析與處理.pdf
- 基于激光自混合干涉的微振動測量研究.pdf
- 激光自混合干涉測量系統(tǒng)的研究與應用.pdf
- 激光自混合干涉位移測量系統(tǒng)的設計.pdf
- 基于光纖的雙通道自混合干涉效應的研究.pdf
- 滾動軸承振動信號降噪方法研究.pdf
- 基于光纖耦合的激光自混合干涉效應.pdf
- 光反饋自混合干涉系統(tǒng)的參數(shù)測量.pdf
- 激光自混合干涉振動傳感測量技術研究.pdf
- 基于小波理論的信號降噪方法的研究.pdf
- 光反饋自混合干涉位移實時跟蹤測量算法的研究.pdf
- 齒輪故障信號的自適應降噪方法的研究.pdf
- 行波管信號小波閾值降噪方法研究.pdf
評論
0/150
提交評論