合作是通訊的過程模擬仿真，有三種中繼的模式 可提供大家一個方向，謝謝
上傳時間： 2017-06-10
上傳用戶：xz85592677
用堆棧實現迷宮求解問題 基本思想: 若當前位置可以通過,則壓入棧中,否則探求下一位置,若走不通,則回朔,迷宮大小:M*N.迷宮設置自定義。 求解迷宮問題的簡單方法是：從入口出發，沿某一方向進行探索，若能走通，則繼續向前走；否則沿原路返回，換一方向再進行探索，直到所有可能的通路都探索到為止。 為避免走回到已經進入的點（包括已在當前路徑上的點和曾經在當前路徑上的點），凡是進入過的點都應做上記號。
上傳時間： 2017-06-17
上傳用戶：colinal
verilogHDL編寫的低通濾波器模塊，在ISE軟件中仿真過
標簽： verilogHDL 編寫 低通濾波器 模塊
上傳時間： 2017-07-19
上傳用戶：牛津鞋
基于matlab的通斷鍵控調制模塊，跟通信原理書上的2ask調制原理類似，在調用時，需要在主函數中加入調制信號，和進制數，一般是2
上傳時間： 2017-07-25
上傳用戶：xwd2010
BCD=Boot Configuration Data (啟動設置數據) ,BCD是操作系統中的啟動設置數據， 在有vista或windows7的多重操作系統中，系統通bootmgr程序導入BCD文件完成啟動菜單的引導。 可用bcdedit.exe程序來編輯BCD文件，來調整開機默認操作系統和等待時間。
標簽： Configuration BCD Boot Data
上傳時間： 2013-12-18
上傳用戶：wangzhen1990
使用通配符編寫的makefile，將源碼放在根目錄下，使用此makefile可自動生成與目錄名相同的可執行文件。同時附多級目錄的makefile的demo，可將不同模塊放到不同目錄中，便于管理。附多個文檔，為本人搜集編譯后，供初學者使用入門。
上傳時間： 2017-09-16
上傳用戶：jkhjkh1982
基于matlab中simulink的頻率合成器的設計，主要結構包括鑒相器，低通濾波器，壓控振蕩器
上傳時間： 2017-09-17
上傳用戶：trepb001
單片機系統中應用的幾種數字濾波方式,有低通，平均算法，基本上是單片機用到最多的幾種簡單算法
上傳時間： 2017-02-08
上傳用戶：qvfeng
一．產品描述 提供10個觸摸感應按鍵及兩線式串列界面，並有中斷輸出INT腳與MCU聯繫。特性上對於防水和抗干擾方面有很優異的表現! 二。產品特色 1. 工作電壓範圍：3.1V – 5.5V 2. 工作電流：3mA@5V 3. 10 個觸摸感應按鍵 4. 提供串列界面 SCK、SDA、INT 作為與 MCU 溝通方式。 5. 可以經由調整 CAP 腳的外接電容，調整靈敏度，電容越大靈敏度越高 6.具有防水及水漫成片水珠覆蓋在觸摸按鍵面板，按鍵仍可有效判別 7. 內建 LDO 增加電源的抗干擾能力 三。產品應用 各種大小家電，娛樂產品 四．功能描述 1.VK3610IM 於手指按壓觸摸盤，在 60ms 內輸出對應按鍵的狀態。 2.單鍵優先判斷輸出方式處理, 如果 K1 已經承認了, 需要等 K1 放開後, 其他按鍵才能再被承認，同時間只有一個按鍵狀態會被輸出。 3.具有防呆措施, 若是按鍵有效輸出連續超過 10 秒, 就會做復位。 4.環境調適功能，可隨環境的溫濕度變化調整參考值，確保按鍵判斷工作正常。 5.可分辨水與手指的差異，對水漫與水珠覆蓋按鍵觸摸盤，仍可正確判斷按鍵動作。但水不可於按鍵觸摸盤上形成“水柱”，若如此則如同手按鍵一般，會有按鍵承認輸出。 6.內建 LDO 及抗電源雜訊的處理程序，對電源漣波的干擾有很好的耐受能力。 7.不使用的按鍵請接地，避免太過靈敏而產生誤動。
標簽： KEYS VK3610 SOP 10 16 IM VK 抗干擾
上傳時間： 2019-08-08
上傳用戶：szqxw1688
神經網絡在智能機器人導航系統中的應用研究1神經網絡在環境感知中的應 用 對環境 的感 知 ，環境模型 妁表示 是非常重要 的。未 知 環境中的障礙物的幾何形狀是不確定的，常用的表示方浩是 槽格法。如果用冊格法表示范圍較大的工作環境，在滿足 精度要求 的情況下，必定要占用大量的內存，并且采用柵 格法進行路徑規劃，其計算量是相當大的。Kohon~n自組織 神經瞬絡為機器人對未知環境的蒜知提供了一條途徑。 Kohone~沖經網絡是一十自組織神經網絡，其學習的結 果能體現出輸入樣本的分布情況，從而對輸入樣本實現數 據壓縮 。基于 網絡 的這些特 性，可采 用K0h0n曲 神經元 的 權向量來表示 自由空間，其方法是在 自由空間中隨機地選 取坐標點xltl【可由傳感器獲得】作為網絡輸入，神經嘲絡通 過對大量的輸八樣本的學習，其神經元就會體現出一定的 分布形 式 學習過程如下：開 始時網絡的權值隨機地賦值 ， 其后接下式進行學 習： ， 、 Jm(，)+叫f)f，)一珥ff)) ∈N，(f) (，) VfeN．(f1 其 中M(f1：神經元 1在t時刻對 應的權值 ；a(∽ 謂整系 數 ； (『l網絡的輸八矢量；Ⅳ()：學習的 I域。每個神經元能最 大限度 地表示一 定 的自由空間 。神經 元權 向量的最 小生成 樹可以表示出自由空問的基本框架。網絡學習的鄰域 (，) 可 以動 態地 定義 成矩形 、多邊 形 。神經 元數量 的選取取 決 于環境 的復雜度 ，如果神 經元 的數量 太少 ．它們就 不能 覆 蓋整十空間，結果會導致節點穿過障礙物區域 如果節點 妁數量太大 ．節點就會表示更多的區域，也就得不到距障 礙物的最大距離。在這種情況下，節點是對整個 自由空間 的學 習，而不是 學習最 小框架空 間 。節 點的數 量可 以動態 地定義，在每個學習階段的結柬．機器人會檢查所有的路 徑．如檢鍘刊路徑上有障礙物 ，就意味著沒有足夠的節點 來 覆蓋整 十 自由窯 間，需要增加 網絡節點來 重新學 習 所 138一 以為了收斂于最小框架表示 ，應該采用較少的網絡 節點升 始學習，逐步增加其數量。這種方法比較適臺對擁擠的'E{= 境的學習，自由空間教小，就可用線段表示；若自由空問 較大，就需要由二維結構表示 。 采用Kohonen~沖經阿絡表示環境是一個新的方法。由 于網絡的并行結構，可在較短的時間內進行大量的計算。并 且不需要了解障礙物的過細信息．如形狀、位置等 通過 學習可用樹結構表示自由空問的基本框架，起、終點問路 徑 可利用樹的遍 歷技術報容易地被找到 在機器人對環境的感知的過程中，可采用人】：神經嘲 絡技術對 多傳 感器的信息進 行融臺 。由于單個傳感器僅能 提 供部分不 完全 的環境信息 ，因此只有秉 甩 多種傳感器 才 能提高機器凡的感知能力。 2 神經 網絡在局部路徑規射中的應 用 局部路徑 規刪足稱動吝避碰 規劃 ，足以全局規荊為指 導 利用在線得到的局部環境信息，在盡可能短的時問內
上傳時間： 2022-02-12
上傳用戶：qingfengchizhu
