本程序是关于指定频段的数字滤波，当输入指定频率信号后，可对指定频率信号进行滤波

GSA2022年全球低频段频谱分配及使用现状报告

从极低频ELF到β射线、无线频谱到高能射线部分的频段划分，名称、简写、应用、频率、波长等内容。

传统移动蜂窝频段的严重短缺，使得高频段的开发与利用受到越来越多的关注与研究。采用了基于PN序列的时域测量系统，在15 GHz频段下对会议室环境的直视场景（LOS）和非直视场景（NLOS）进行了信道测量，分析了其大尺度衰落特性，得到了距离和路径损耗的关系，并计算得出室内会议室环境下的路径损耗指数和阴影衰落因子。测量采用了增益为27 dBi的双脊波导天线和全向天线，通过改变发射天线水平角得到某个距离下的测量数据，分析了特定场景下接收功率随角度的变化特性。

一款应用于北斗导航系统的小型双频段圆极化天线阵列设计，张子健，文舸一，本文研究一款用于北斗卫星导航系统的小型化、双频段2×2天线阵列，工作于北斗系统的B3和B1频段，中心频点分别为1268.52MHz 和 1561.098MHz��

2021年中国5G频段（700M）及四大运营商竞争力深度分析报告

中国的ISM频段规定，无线通信开发，特别是安防300Mhz和2.4G的研发需要了解的

该项目用于使用Arduino制作32频段音频（音乐）频谱分析仪/可视化器。 硬件组件: Arduino Nano R3× 1 电阻10k欧姆× 1 电阻4.75k欧姆× 3 电容器100 nF× 2 电阻100k欧姆× 2 SparkFun按钮开关12mm× 1 32x8 LED矩阵显示器× 1 手动工具和制造机器: 烙铁（通用） 该项目用于使用Arduino制作32频段音频（音乐）频谱分析仪。该项目的预期受众是任何音频爱好者，学生或初学者，他们对电子元件，Arduino和C编程有基本的了解。该项目中使用的组件是低成本的项目，易于组装。 该频谱分析仪的主要特点: 使用易于安装的库“arduinoFFT”和“MD_MAX72xx” 支持五种不同的显示模式，可通过按钮切换 音频信号的左右声道都是混合的，这样你就不会错过任何节拍 原型使用32x8 LED矩阵显示器，这可以改变和轻松修改 音频可以从耳机输出或音乐系统/放大器的线路输出馈送 电阻值不是很严格，您可以选择任何最接近的值。请确保R1和R2（参考原理图）具有相同的值。 程序流程图: 系统描述: Arduino板（ATmega328P）内置模数转换器（ADC），用于将输入音频信号转换为数字样本。ADC配置为采样时钟频率为38.46khz的输入信号。这是通过将ADC预分频器配置为32来实现的。采样频率为38.64Khz意味着数字样本可以再现高达19.32Kz（奈奎斯特定理）的输入频率，这对于音频信号来说已经足够了。 正如我在开始时提到的，该项目的目的是显示音频音乐信号的频谱。因此，左右音频通道混合在一起并馈入ADC的A0模拟输入。您可以使用音频分配器电缆，以便您可以将相同的音乐同时馈送到频谱分析仪和另一个放大器（如果需要）。 ADC配置为使用外部参考电压。在这个项目中，参考电压来自Arduino板上的3.3v稳压电源。当模拟信号在零电压电平之上和之下振荡时，我们需要在ADC的模拟输入端产生直流偏置。这可确保ADC输出不会截断输入信号的负周期。相同的3.3v稳定电压由两个电阻R1和R2分压，然后馈入模拟输入以进行直流偏置。使用此直流偏置，即使输入信号断开，ADC也会在输出中产生512。稍后在代码中，这个由DC偏置引起的512被减去，使得读数代表实际的输入信号变化。 ArduinoFFT库是将输入模拟信号转换为频谱的代码的核心。我发现这个库易于使用，并为该项目生成了最准确的输出。Prototype配置为生成64个样本，并使用这些样本进行FFT。ArduinoFFT库可以对16到128之间的样本进行FFT，这可以在程序中进行配置。但arduinoFFT库计算速度慢，有128个样本，因此我坚持64个样本中最好的最高。 本项目使用的显示为32列×8行LED矩阵。MD_MAX72xx库使显示控制部件非常容易。该库提供打开/关闭该程序中正在使用的列中任意数量的LED的功能。每个频带的幅度被映射在0到8之间，这取决于每个列中的LED的相应数量的LED被接通。 该程序提供五种显示模式，基本上通过在每列的不同位置打开/关闭LED来实现。您可以轻松修改/创建不同的模式。这里使用按钮来改变显示模式，转动显示图案移动到下一个，最后重置为默认模式。按钮连接到其中一个数字输入，并在每一轮显示刷新后扫描该输入。 频率响应: 经验证，系统能够响应高达18.6Khz的频率。

研究了在毫米波（mmWave）频段运行的两层异构网络（HetNet）中的用户关联和无线回程分配。 假定宏小区层基站（BS）配备有大规模天线阵列，而小型小区BS仅具有单天线功能，并且它们依赖到宏BS的无线链路进行回程。 为了平衡吞吐量和公平性，选择对数用户速率之和作为优化问题的网络实用程序。 提出了一种基于层次原始分解和对偶分解的分布式算法。 首先，原始分解将原始问题转换为两个子问题，即无线回程带宽分配子问题和用户关联子问题。 其次，将对接收到的信号干扰加噪声比（SINR）的偏见引入到小蜂窝层中，以实现漫游的流量。 最后，当保持Karush-Kuhn-Tucker条件或Slater条件成立时，可以通过对偶分解从Lagrange对偶函数获得用户关联子问题的最优解X ∗。 在达到相同最佳性能的同时，所提出的分布式算法比穷举搜索方法收敛得更快。 仿真结果表明，随着我们增加大型天线阵列尺寸和增加用户数量，系统吞吐量得到了提高。 更改小型小区BS数量的影响微不足道。 此外，通过分布式算法实现的系统吞吐量要优于传统的基于最大SINR的用户关联策略。

网优大神必备资料，