基于高重频超宽带脉冲，研究了高重频超宽带脉冲对自适应调零天线和PIN限幅器的抗干扰性能的影响。基于Matlab和ADS仿真软件搭建模型，并通过实验平台对ADS的仿真结果进行验证。实验结果表明：对于导航接收机中的自适应调零天线，超宽带干扰脉冲会使其射频链路产生饱和效应，从而使功率倒置算法失效，进而无法在干扰方向形成零陷；对于PIN限幅器，超宽带干扰脉冲可以使其产生明显的尖峰泄露效应。相较于ns量级的窄谱高功率微波脉冲，超宽带脉冲对限幅器的干扰能力更强。

利用Sentaurus搭建了碳化硅漂移阶跃恢复二极管（DSRD）与雪崩整形二极管（DAS）全电路仿真模型，研究了碳化硅等离子体器件在脉冲锐化方面的能力，并且通过器件内部等离子浓度分布解释了这两种器件实现脉冲锐化的机制。借助碳化硅DSRD可以将峰值超过千伏的电压脉冲的前沿缩短到300 ps；碳化硅DSRD与DAS的组合可以输出脉冲前沿在35 ps、峰值超过2 kV的电压脉冲。仿真与实验发现当触发脉冲与碳化硅DAS匹配时，可以实现快速开启后快速关断，得益于碳化硅DAS这种神奇现象，可以将峰值在两千伏以上脉冲的半高宽缩小到百皮秒量级；通过频谱分析发现脉冲经过DAS整形后，其最高幅值−30 dB对应的频谱带宽扩大了37倍，达到7.4 GHz。

随着智能技术和设备的不断发展，精确定位技术在**领域的应用越来越广泛，其应用场景涵盖室外和室内环境。全球卫星导航系统定位技术在室外环境中定位精度高，提供信息丰富，应用十分普遍。然而，由于墙壁、树木、玻璃等障碍物的遮挡，其在室内环境中的定位精度明显下降。超宽带技术以其定位精度高、时空分辨率强、传输速率快、成本低而显示出明显的优势。在室内环境中，各种障碍物使超宽带系统的基站和标签之间的传播通道被阻挡，由于超宽带信号的非视距传播现象，超宽带系统的定位精度明显下降。文中基于深度学习技术，提出了一种深度神经网络用于超宽带非视距传播影响抑制，该深度神经网络兼具ResNet网络和Non-local模块的优点，既可防止网络层数增加时网络性能不升反降的问题，也可捕获输入数据的全局特征，建立超宽带系统原始信道脉冲响应和测距误差之间的映射关系。相关实验结果显示，该方法可将超宽带系统在非视距传播条件下的测距平均绝对误差从0.1242 m降低至0.0681 m。与传统方法相比，该方法可消除人工统计超宽带信号波形特征耗费大量时间的缺点，可进一步提高超宽带系统在非视距传播条件下的定位精度，具有鲁棒性强、应用范围广的优点，可为**领域室内高精度定位提供技术支撑。