是德Keysight E9304A 功率传感器6 GHZ

本文介绍了E9304A功率传感器,它在9kHz至6GHz频率范围内提供高灵敏度(-60至+20dBm),适用于VLF功率测量和EMC/EMI测试,如抗辐射测试。其快速测量能力显著缩短了校准时间和测试时间,可选18GHz频段,兼容多种功率计型号。

产品概述
E9304A 功率传感器可在 9kHz 至6 GHZ 频率范围和-0至 +20 dBm 动态范围内测量平均功率,这个传感适用于甚低频(VLF) 功率测量
产品特点
具有较低的频率范围 (9 kHz 至6 GHz),适用于 EMC/EMI 测试应用,例如抗辐射测试(EC61000-4-3)灵敏度高 (-60 至 +20 dBm),测量速度快,可以显著缩短校准辐射场均匀性和 EMC/EMI 测试接收机的时间:能够在从甚低频(VLF) 到微波频率的范围内测量发射机的功率和接收机的灵敏度同时还提供频率高达 18 GHz 的特殊选件:
兼容EPM (N1913/14A、E4418/19B) 、EPMP (E4416/17A) 、P系列(N1911/12A) 功率计

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

科中科

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值