Teniendo en cuenta el problema de los "puntos de salto" en el desenvolvimiento de fase del principio heterodino multifrecuencia, este trabajo propone un método novedoso para mejorar el heterodino multifrecuencia. Resolviendo el error cuadrático medio de la función de frecuencia original, incluye la relación entre el error y la fase adyacente en la condición de desenvoltura de fase restringida, y compensa la fase ±2π del punto de salto. Para garantizar la precisión del desenvolvimiento de fase, la función con un "punto de salto" después de cada desenvolvimiento de fase y la curva de fase absoluta de la función de valor principal se utilizan para establecer el modelo de juicio de umbral del método de mínimos cuadrados, y el desenvolvimiento de fase inicial de la función de valor principal con diferentes frecuencias se lleva a cabo de forma continua. El análisis de simulación de la compensación de fase con el método de desplazamiento de fase de cuatro pasos muestra que el error se reduce al 36% en el entorno establecido. El resultado experimental de la reconstrucción 3D mediante la medición de la planitud de la placa muestra que el error disminuye en un 41
después de la compensación de fase en comparación con antes de la compensación de fase. El experimento de reconstrucción tridimensional de la medición del paso con una tuerca muestra que la tuerca después de la compensación de fase es suave sin ruido, y el error de paso es de 0,033 mm, lo que verifica que el método es viable y eficaz.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Oxidación catalítica de CO sobre nanopartículas de Au cargadas de un compuesto nanoporoso de fosfato de níquel
Artículo:
Investigación experimental y modelización teórica de la actividad de la nanosílice en el hormigón
Video:
Microbiología: Ácido Cítrico Fermentación
Artículo:
Predicción de enfermedades cardíacas mediante una combinación de aprendizaje automático y aprendizaje profundo
Artículo:
Determinación de Factores Topográficos Importantes para el Análisis de Mapeo de Deslizamientos Utilizando una Red MLP