具有宽带可调范围和微型尺寸的K波段微机电系统（MEMS）可调带通滤波器能够满足多波段卫星通信系统的要求。 设计，分析，制造和测量了新颖的21.69–24.36 GHz MEMS可调带通滤波器。 本文还设计并分析了一个电感调谐慢波谐振器，该谐振器由MEMS电容开关，MEMS电容器和短金属线组成。 通过改变MEMS开关的电容值，所提出的滤波器具有四个不同的工作状态。 测量结果表明，对于所有四种状态，插入损耗分别为24.36、23.2、22.24和21.69 GHz时为2.81、3.27、3.65和4.03 dB。 激励电压分别为0、20、16和26V。 可调滤波器的3 dB带宽分别为5.4％，6.2％，5.7％和5.9％。 这项研究为具有宽频率可调范围的微型毫米可调滤波器的设计做出了贡献。

本文件是一个用HFSS软件设计的平和耦合微带带通滤波器的例子。 为防止文件过大，只上传一个模型文件，自行仿真即可得到结果。

运行主 ####### 用于应用程序此 App 可用于广义切比雪夫带通滤波器的合成。 它具有完全图形用户界面，便于用户操作。 用户可以从多种优化器中进行选择，也可以选择耦合值边界进行自定义滤波器合成。 此应用程序为用户提供的规格和耦合拓扑生成所需的耦合矩阵。 它还显示了根据规范生成的 S 参数与匹配良好的优化耦合矩阵生成的 S 参数之间的比较。 还可以观察到合成滤波器的群延迟。 如何使用？ 1. 在 MATLAB 中安装应用程序。 2.以图形方式创建拓扑矩阵（其中节点1代表源，最后一个节点代表负载，其余节点被视为谐振器，其谐振器编号比图中的谐振器编号小1，例如节点3是谐振器2等）。 关闭图形窗口（这是进一步执行程序所必需的）。 根据所需的拓扑在节点（源、谐振器或负载）之间绘制边。 请注意，对于包含非零对角元素 (Mii ~=0) 的耦合矩阵，相应的第 i 个节点应在图上具有自循环。 请选

一种快速设计同轴腔带通滤波器的方法，李凯，黄建，本文采用综合加上优化的方法，应用CAD软件，建立电路模型，得到所需的耦合系数和有载品质因数，再将电路模型与腔体结构结合起来，

设计了一种同轴腔体带通滤波器,通过新型交叉耦合结构实现对边带高抑制.运用HFSS和microwave office 软件协同仿真的方法进行了整体仿真和优化,实现了同轴腔体带通滤波器的整个设计.应用的协同仿真方法提高了设计效率,尤其对于复杂滤波器,大大缩短了生产周期,节约了成本.在通信频段范围内,该结构设计尺寸小,频带宽,带外抑制高,带内差损小,这些特性使其在无线通信领域具有重要的发展前景.

基于混合耦合和交叉耦合的70 MHZ〜270 MHZ电动可调LC带通滤波器

基于混合耦合和交叉耦合的70 MHz〜270 MHz电可调LC带通滤波器

本文主要讲述了低通滤波器与带通滤波器原理，并讲解如何从低通到带通滤波器转换。

巴特沃斯带通滤波器的matlab代码EEG-P300Speller_Model-util 该存储库包含3部分。 包括PYTHON代码和MATLAB代码。 第一部分：具有深度学习模型（堆叠的CNN和RNN）-Keras的EEG信号分类 P300_CNN_1_GRU_A.py：一个Python文件，其中是CNN和GRU的组合模型，用于确定EEG信号序列是否包含P300波。 模型1的摘要（堆叠式CNN和RNN）：1，CNN负责空间域特征提取。 如图2所示，GRU负责时域特征提取。 3，引入了Dropout，以防止过度拟合并提高精度。 模型2（堆叠式CNN）的摘要-未包含在存储库中：1，CNN负责空间域特征提取。 如图2所示，CNN负责时域特征提取。 3，引入了Dropout，以防止过度拟合并提高精度。 第二部分：用于EEG信号预处理的工具包。 列表和简要说明：1，EEG_Preprocessor.py：一个python文件，其中包含一系列EEG Signals预处理程序的代码。 包括：load_data，extract_eegdata，extract_feature等。 分类前的操作： 1)

本设计以STM32F4为控制核心，设计了一种基于LED可见光的室内定位系统。该系统由发射端和接收端两部分组成，发射端采用频分复用方法通过3个LED发射不同频率的光信号，接收端对信号进行滤波、选频、放大，再经AD转换后，采用3边定位算法确定接收端所处位置，最终将区域和坐标显示在LCD屏上。