TFN CH900系列便携式监测接收机的优势和特点

2024-03-26 18:38

本文主要是介绍TFN CH900系列便携式监测接收机的优势和特点,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

 

 

 

TFN CH系列便携式监测接收机针对信号搜索、无线电监测、窃听检测、安全调查、干扰查证等任务设计,能完成信号识别、解调分析等工作。

频率范围最高可达到18GHz,系统主机为全铝合金结构,配备了高性能15.6英寸显示屏和防震硬盘、各种接口、锂电池,以及高能效电源管理软件。利用随机提供的应用软件及第三方开发包,用户可以便捷搭建各种测试及监控系统,用于不同的应用场合

功能特点

频率范围:1MHz~8GHz(可扩展到选配18GHz)

相位噪声:fc = 1.0GHz -95dBc/Hz@10kHz

镜频抑制:典型值 80dB、中频抑制:典型值 80dB

固有剩余响应:典型值 -110dBm

实时带宽:20MHz/40MHz/

支持 AM/FM 广播信号解调,并提供模拟音频流接口

良好的 API 文档提供给用户进行系统编程或应用拓展

超外差式数字接收机架构

大容量电池,供电时间可达4小时以上

处理器:英特尔酷睿i5及以上系列;

内存:≥8GB;硬盘:固态硬盘,容量≥240GB;

供电方式:电池供电,或AC120V~240V 50/60Hz;功耗:≤60W;

具备中频分析、全景频谱扫描、实时扫描、离散扫描、差分频谱分析、信号解析、信号识别等功能

产品应用

集成系统中的从属接收机,进行信道解调和宽带频谱扫描

无线电网络中的干扰信号检测,帮助用户快速的消除干扰源

监测用户专用的无线电服务,不同扫描模式监测大量无线电服务

特殊通信用户的从属接收机,可以实时保存窄带信道的基带数据

探测小型发射机,利用差分频谱功能探测小型无线监听监视设备

技术指标

RF 数据

输入阻抗: 50Ω ,VSWRa:≤ 2.5:1

输入衰减:射频衰减器最大 30dB,中频衰减器最大 30dB

幅度精度±1.5dB

预选器高通/低通滤波器组合

噪声系数:低噪声模式:典型值 12dB

三阶截点(TOI):输入带内a典型值 13dB

二阶截点(SOI):典型值 40dB

相位噪声:fc = 1.0GHza-95dBc/Hz@10kHz

镜频抑制:典型值 80dB

中频抑制: 典型值 80dB

固有剩余响应: 典型值 -110dBm

二、IF 数据

频谱显示范围:10kHz ~ 40MHz

显示模式:常规、平均和最大保持

IF 解调带宽:12 个滤波器:1.5/2.4/6/9/15/30/50/120/150/200/300/500kHz/1/2/5/10/20/40MHz

解调模式: AM、FM

三、信号处理

扫描速率:25kHz RBWa20GHz/s

快速傅里叶变换:IF 频谱a2048 点(布莱克曼窗)

 数据类型

I/Q 数据:带宽最高至 40MHz(16bit 精度)

频谱数据:IF 频谱和扫频频谱

场强电平:信道带宽最小至 1.5kHz

数据存储深度:非实时存储:512MB 存储空间

四、扫描模式

频率扫描:起始/终止频率:用户可选择

扫描步进:125/250/500/625Hz/1.25/2.5/3.125/6.25/12.5/25/50/100/200/400kHz

存储扫描:存储位置:1024 个信道,用户可编程

五、测量精度和显示模式

频率分辨率:3Hz

频率精度:工作温度范围内a±0.5ppm

老化率: ±1ppm/年

显示误差: ±1.5dB

六、接口数据

天线输入:SMA, 50 Ω

中频输出(模拟): 145MHz, SMA, 50 Ω

音频输出,模拟:300 Hz 到 12.5 kHz

显控接口:VGA*1、HDMI*1、USB*4、LAN*1、音频输出入*1、DC电源*1

七、基本数据

工作温度范围:典型范围:0ºC 至 +50 ºC

最大范围a-10ºC 至 +50 ºC(无冷凝)

尺寸:长 ×宽 ×高:约388mm × 308mm × 98.3mm

配置方案

序号产品名称型号备注序号产品名称型号备注
1便携式监测接收机见技术规格表支持定制5定向天线(选配)CHMA-90029K-200MHz
2海华数字接收机软件V1.0/6定向天线(选配)CHMA-9080200MHz-8Ghz
3全向天线(选配)CHA-90302MHz-3GHz7
4全向天线(选配)CHA-908020MHz-8GHz8

 无线电监测机 主要是应用于无线电监测 和频谱配合使用效果更佳

这篇关于TFN CH900系列便携式监测接收机的优势和特点的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/849482

相关文章

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

便携式气象仪器的主要特点

TH-BQX9】便携式气象仪器,也称为便携式气象仪或便携式自动气象站,是一款高度集成、低功耗、可快速安装、便于野外监测使用的高精度自动气象观测设备。以下是关于便携式气象仪器的详细介绍:   主要特点   高精度与多功能:便携式气象仪器能够采集多种气象参数,包括但不限于风速、风向、温度、湿度、气压等,部分高级型号还能监测雨量和辐射等。数据采集与存储:配备微电脑气象数据采集仪,具有实时时钟、数据存

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

电力系统中的A类在线监测装置—APView400

随着电力系统的日益复杂和人们对电能质量要求的提高,电能质量在线监测装置在电力系统中得到广泛应用。目前,市场上的在线监测装置主要分为A类和B类两种类型,A类和B类在线监测装置主要区别在于应用场景、技术参数、通讯协议和扩展性。选择时应根据实际需求和应用场景综合考虑,并定期维护和校准。电能质量在线监测装置是用于实时监测电力系统中的电能质量参数的设备。 APView400电能质量A类在线监测装置以其多核

科研绘图系列:R语言扩展物种堆积图(Extended Stacked Barplot)

介绍 R语言的扩展物种堆积图是一种数据可视化工具,它不仅展示了物种的堆积结果,还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异,为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

flume系列之:查看flume系统日志、查看统计flume日志类型、查看flume日志

遍历指定目录下多个文件查找指定内容 服务器系统日志会记录flume相关日志 cat /var/log/messages |grep -i oom 查找系统日志中关于flume的指定日志 import osdef search_string_in_files(directory, search_string):count = 0

Git 的特点—— Git 学习笔记 02

文章目录 Git 简史Git 的特点直接记录快照,而非差异比较近乎所有操作都是本地执行保证完整性一般只添加数据 参考资料 Git 简史 众所周知,Linux 内核开源项目有着为数众多的参与者。这么多人在世界各地为 Linux 编写代码,那Linux 的代码是如何管理的呢?事实是在 2002 年以前,世界各地的开发者把源代码通过 diff 的方式发给 Linus,然后由 Linus

GPT系列之:GPT-1,GPT-2,GPT-3详细解读

一、GPT1 论文:Improving Language Understanding by Generative Pre-Training 链接:https://cdn.openai.com/research-covers/languageunsupervised/language_understanding_paper.pdf 启发点:生成loss和微调loss同时作用,让下游任务来适应预训