介绍一种针对FPGA优化的时间数字转换阵列电路。利用FPGA片上锁相环对全局时钟进行倍频与移相，通过时钟状态译码的方法解决了FPGA中延迟的不确定性问题，完成时间数字转换的功能。在Altera公司的FPGA上验证表明，本时间数字转换阵列可达1.73 ns的时间分辨率。转换阵列具有占用资源少，可重用性高，可以作为IP核方便地移植到其他设计中。

目标边界约束下基于自适应形态学特征轮廓的高分辨率遥感影像建筑物提取

便携式高分辨率电子温度计是基于MSC1210Y5芯片内部集成的高精度温度传感器和ΣΔ模/数转换器的一种电子温度测量设备。MSC1210Y5芯片来自美国德州仪器公司，具有数字/模拟混合信号处理能力，能够实现高精度的温度测量。本文将详细介绍这种电子温度计的硬件构成以及其设计方法，并对实验结果进行分析。 硬件构成主要包括： 1. 微处理器MSC1210Y5：集成了24位ΣΔ模/数转换器、多路开关、模拟输入通道测试电流源、输入缓冲器、可编程增益放大器、温度传感器、内部基准电压源、8位微控制器、程序/数据Flash存储器和数据RAM等。MSC1210Y5芯片的高集成度使其非常适合于要求体积小、集成度高、运算速度快和精确测量的应用场景。 2. 温度传感器：集成在MSC1210Y5内部的温度传感器能够通过测量电压值转换为温度值，基于特定转换公式，其中α为实验测定的系数，Volts为ADC测得的电压值。 3. ΣΔ模/数转换器：具有24位高分辨率，由模拟多路开关、可选择缓冲器、可编程增益放大器、基准电压源、二阶ΣΔ调制器和数字滤波器组成。用户可控制模/数转换器的所有功能，且可通过特殊功能寄存器位关闭以降低功耗。 ΣΔ模/数转换器的设计方法基于过采样和求均值算法。过采样技术允许ΣΔADC以较低的频率采样信号，然后利用数字滤波器提高有效分辨率。ΣΔADC由模拟ΣΔ调制器和数字抽取滤波器组成，其中调制器的时钟频率是从晶振频率中分频得到的，分频倍数可通过模拟时钟寄存器设置。数据输出速率可通过抽取因子控制。 ΣΔ型ADC具有模拟和数字集成度高、线性度好、抗干扰能力强、成本低廉等优点，能够以较低成本获得高分辨率，无需复杂的高阶模拟混叠滤波器和高精度采样保持电路，且能直接接收来自传感器的微弱信号，从而节省信号放大和调整电路。其设计允许不同类型的数字滤波器，以适应不同的稳定模式。 校准方法对于降低器件和系统误差至关重要。MSC1210Y5的ADC提供了5种校准模式，用户可以根据需要选择适合的模式以减少偏移误差和增益误差。ADC转换过程中可能引入多种噪声，包括热噪声、散粒噪声、电源电压变化、基准电压变化以及采样时钟抖动等，这些都需要在设计中予以考虑。 在设计便携式电子温度计时，除了核心的MSC1210Y5芯片外，还包括液晶显示器和电源等部件。液晶显示器用于实时显示当前温度，而电源则负责供电。该电子温度计结构简单，使用方便，只需按下电源开关，就能在液晶显示器上显示出当前温度，并定时更新数据。 本文通过对现场实验结果的分析，验证了该便携式电子温度计的设计的有效性和实用性。 MSC1210Y5芯片的应用，使得电子温度计在保持高精度的同时，实现了小型化和便携性，非常适用于高精度测重装置、液/气色谱分析、便携式仪器等领域。

该数据集名为“中国区域融合日照时数的高分辨率（10km）地表太阳辐射数据集（1983-2017）”，它是中国境内特定时间段内关于太阳辐射的重要气象数据集合。该数据集的核心内容是日照时数和地表太阳辐射强度，这两项指标对于气候研究、能源利用、环境科学以及农业等多个领域具有重大意义。 1. 日照时数：日照时数是指在特定时间段内，太阳光线直接照射到地面的累计时间。它是衡量一个地区阳光资源丰富程度的关键参数，对太阳能发电、农作物生长、人体健康以及旅游业等都有直接影响。此数据集提供了1983年至2017年这35年间，以10公里为分辨率的中国各地日照时数的详细记录，有助于研究人员分析中国各地的日照变化趋势及其对气候和环境的影响。 2. 地表太阳辐射：地表太阳辐射是指太阳光照射到地球表面的能量，它是地球能量平衡和气候变化的重要驱动力。地表太阳辐射数据对于理解气候系统、气候模型的构建和验证、以及太阳能资源评估至关重要。该数据集提供了高精度的地表太阳辐射数据，有助于科学家研究中国各地的辐射分布特点，进一步探究气候变化、大气污染等因素对其的影响。 3. 数据集结构与处理：该数据集可能包含多个文件，每个文件代表一年或一段时期的数据，以网格形式存储，每个网格点对应10公里×10公里的地理范围。数据可能以ASCII或NetCDF等格式存储，便于科学计算和地理信息系统(GIS)软件进行读取和分析。研究人员可以利用这些数据进行空间插值、时间序列分析、空间统计等复杂操作，揭示中国太阳辐射分布的时空变化规律。 4. 应用领域：这些数据在多个领域有着广泛的应用。例如，在气候学中，用于研究太阳辐射变化与气候变化的关系；在能源领域，可为太阳能发电站的选址和产能估算提供依据；在农业上，帮助优化作物种植模式和灌溉策略；在环境科学中，评估紫外线辐射对生态环境和人体健康的影响；在城市规划中，考虑建筑物的日照条件和节能设计等。 5. 数据获取与处理：由于数据的高分辨率和长期跨度，其收集、整合和处理工作必然复杂且耗时。这可能涉及到地面观测站的数据采集、卫星遥感数据的处理、误差校正以及不同数据源之间的融合算法。用户在使用此数据集时，需要了解数据的来源、精度、可能存在的不确定性，并根据实际需求进行必要的预处理和质量控制。 “中国区域融合日照时数的高分辨率（10km）地表太阳辐射数据集（1983-2017）”是一个宝贵的科研资源，对于深入理解和预测中国的气候模式、太阳能资源潜力以及环境变化等方面都具有重要的科学价值。

内容概要：本文档为gee scripts.txt，主要展示了利用Google Earth Engine（GEE）平台进行特定土地覆盖类型（如高盐度盐滩，即apicum类）的遥感影像处理与分类的Python脚本。首先初始化了GEE环境，接着定义了年份、类别ID和类别名称等参数。通过调用GEE中的图像和数据集，创建了监督分类图像，并对训练和测试数据集进行了导出设置，包括将分类后的图像及其元数据导出为资产，同时设置了导出的详细参数，如描述、资产ID、区域范围、分辨率（scale）、最大像素数量等。; 适合人群：熟悉Python编程语言，有一定遥感数据分析经验的研究人员或工程师，特别是那些专注于土地覆盖变化监测、环境科学研究领域的专业人士。; 使用场景及目标：①需要从GEE获取特定年份和类别的遥感影像数据并进行预处理；②构建监督分类模型，对特定类型的地表覆盖进行识别和分类；③将处理后的数据导出到GEE资产中，以便进一步分析或与其他数据集集成。; 阅读建议：此脚本适用于具有遥感背景知识的读者，在理解和修改代码前，建议先熟悉GEE平台的基本操作及Python API的使用方法，同时关注脚本中关键变量（如year、classID）的定义及其对后续处理步骤的影响。

LiDAR点云辅助的高分辨率卫星影像建筑物地面阴影提取研究，颜宇阳，乔刚，随着遥感影像分辨率的提高，城市建筑物阴影对遥感影像的处理与分析产生很大的影响。本文研究基于LiDAR点云数据及高分辨率卫星遥感�

4 驱动电源实验结果 　　实验用压电陶瓷驱动电源的稳压电源采用长峰朝阳电源公司的4NIC-X56ACDC 直流电源，输出电压精度≤1%,电压调整率≤0.5%,电压纹波≤1 mV（RMS）、10 mV（P-P）。测量设备采用KEITHLEY 2000 6 1/2Multimeter. 　　首先对DAC输出分辨率进行测量，ARM控制器输出持续5 s的阶跃信号，同时在DAC输出端对电压信号进行测量，将测量结果部分显示见图8.图8 中显示AD5781的输出电压分辨率可达3.89e-5 V,即38.9 μV. 　　在模拟电路中，噪声是不可避免的。对于压电驱动电源来说，噪声的等级限制了驱动电源的输出

官网提供的scratch-3-0-66的安卓安装包在高分辨率屏幕下，存在显示按钮特别小的问题，这里提供了一个app图标放大至原图标3倍的版本。我账号下面还有放1.5倍、2倍的版本。总有一个适合你的设备。 另外，如何修改scratch安卓app的文章也放上了，按着图文一步一步傻瓜式就能完成修改，感兴趣的网友可以看我的文章查看。

MATLAB环境中应用高分辨率二维时频分析方法——同步压缩小波变换与曲波变换在混合地震数据分离中的应用,MATLAB环境下同步压缩小波变换与曲波变换在混合地震数据波状分量提取中的应用研究,MATLAB环境下使用二维高分辨时频分析方法提取波状分量（分离混合地震数据） 同步压缩小波变SST是一种新的时频能量排谱算法，与之前的谱重排方法不同，同步压缩小波变是只对频率进行重排，可以重构原始信号，因此受到了广泛的欢迎。 近年来，以同步压缩变为核心发展了多种时频变方法，包括同步压缩短时傅里叶变和同步压缩S变，同步压缩小波包变等。 随着对地震勘探精度要求的越来越高，这些高分辨率时频分析方法也在不同的地震处理问题上展现了自身的优势。 同步压缩变作为一种新发展起来的时频分析方法，将会在地球物理领域有更进一步的发展和应用。 曲波变具有强大的多尺度分析和多方向分析的能力，在地震勘探领域得到了广泛的应用。 可以利用曲波变进行随机噪声和相干线性噪声衰减；可以利用自适应调整曲波阈值来压制随时间空间改变的非相干噪声；可以在曲波域进行稀疏反褶积去除随机噪声；可以在贝叶斯框架下利用曲波稀疏性压制面波；可以将曲波和奇异值

在雷达、导航等军事领域中,由于信号带宽宽，要求ADC的采样率高于30MSPS,分辨率大于10位。目前高速高分辨率ADC器件在采样率高于10MSPS时,量化位数可达14位,但实际分辨率受器件自身误差和电路噪声的影响很大。在数字通信、数字仪表、软件无线电等领域中应用的高速ADC电路,在输入信号低于1MHz时,实际分辨率可达10位,但随输入信号频率的增加下降很快,不能满足军事领域的使用要求。 ADC（Analog-to-Digital Converter）是将模拟信号转换为数字信号的关键部件，在现代电子系统中扮演着至关重要的角色。高速高分辨率ADC尤其在雷达、导航等军事领域中有着广泛的应用，因为这些系统通常需要处理宽频带信号，对ADC的采样率和分辨率有较高要求。通常，采样率需超过30MSPS（百万样本每秒），分辨率至少为10位。当前的高速高分辨率ADC技术已经能够实现超过10MSPS采样率时的14位量化位数。 然而，实际分辨率受到ADC器件本身的误差和电路噪声的影响。在数字通信、数字仪表和软件无线电等领域，当输入信号频率较低时，例如低于1MHz，可以达到10位的分辨率，但随着输入信号频率的增加，分辨率会迅速下降，无法满足军事应用的需求。 本篇文章重点探讨了在不依赖过采样、数字滤波和增益自动控制等高级技术的情况下，如何提高高速高分辨率ADC的实际分辨率，以最大程度地接近ADC器件自身的理论分辨率，进而提升ADC电路的信噪比（Signal-to-Noise Ratio, SNR）。 ADC的信噪比是衡量其性能的重要指标，它直接影响到转换结果的精度。有效位数（Effective Number of Bits, ENOB）常用来表示ADC的实际分辨率。对于不采用过采样的情况，ENOB与ADC的信噪失真比（SINAD）有关，公式(1)给出了ENOB与SINAD的关系。SNR则是指输入信号有效值与ADC输出信号噪声的有效值之比，它与总谐波失真（THD）有关。当THD恒定时，SNR越高，ENOB越大。 影响ADC SNR的因素众多，包括量化误差（量化噪声）、非线性误差（如积分非线性误差INL和微分非线性误差DNL）、孔径抖动以及热噪声等。量化误差是ADC固有的，非理想ADC的量化间隔不均匀（DNL）会导致SNR下降。孔径抖动是由采样时钟不稳定引起的，它导致信号采样不一致，进而引入误差。热噪声源自半导体器件内部的分子热运动。 理想ADC的SNR可以通过计算量化噪声与输入信号电压有效值的比例得到，而实际ADC的SNR还会受到DNL、孔径抖动和热噪声等的影响。DNL会导致量化间隔不均匀，从而增加噪声；孔径抖动引起信号非均匀采样，增加误差；热噪声主要来源于半导体材料的热运动，对SNR也有负面影响。 通过深入理解这些影响因素，并在电路设计和器件选择上进行优化，文章中提出了一种高速高分辨率ADC电路。实测结果显示，当输入信号频率分别为0.96MHz和14.71MHz时，该电路的实际分辨率分别达到了11.36位和10.88位，显著提高了在高频信号下的转换精度。 提高ADC的信噪比和实际分辨率是一项复杂的任务，涉及到理论分析、电路设计和器件选择等多个层面。通过不断优化，可以克服高速高分辨率ADC在处理高频信号时分辨率下降的问题，从而更好地服务于军事和其他对信号质量有严格要求的领域。