這個Matlab程序用于計算時域信號的阿倫Allan方差。
上傳時間： 2014-01-27
上傳用戶：lgnf
針對幀差分法易產(chǎn)生空洞以及背景減法不能檢測出與背景灰度接近的目標的問題，提出了一種將背景減和幀差法相結(jié)合的運動目標檢測算法。首先利用連續(xù)兩幀圖像進行背景減法得到兩種差分圖像，并用最大類間與類內(nèi)方差比法得到合適的閾值將這兩種差分圖像二值化，然后將得到的兩種二值化圖像進行或運算，最后利用圖像形態(tài)學濾波得到準確的運動目標。實驗結(jié)果表明，該算法簡單、易實現(xiàn)、實時性強
上傳時間： 2013-10-08
上傳用戶：yqs138168
在WinAVR下的ST7565圖形點陣的驅(qū)動程序，可以顯示5*7 & 8*16的ASCII和自定義的漢字，並且有3*4矩陣按鍵的掃描解碼程序。
上傳時間： 2013-12-26
上傳用戶：LIKE
第1章 緒論 1 1.1 程序設(shè)計語言概述 1 1.1.1 機器語言 1 1.1.2 匯編語言 2 1.1.3 高級語言 2 1.1.4 C語言 3 1.2 C語言的優(yōu)點和缺點 4 1.2.1 C語言的優(yōu)點 4 1.2.2 C語言的缺點 6 1.3 算法概述 7 1.3.1 算法的基本特征 7 1.3.2 算法的復(fù)雜度 8 1.3.3 算法的準確性 10 1.3.4 算法的穩(wěn)定性 14 第2章 復(fù)數(shù)運算 18 2.1 復(fù)數(shù)的四則運算 18 2.1.1 [算法1] 復(fù)數(shù)乘法 18 2.1.2 [算法2] 復(fù)數(shù)除法 20 2.1.3 【實例5】 復(fù)數(shù)的四則運算 22 2.2 復(fù)數(shù)的常用函數(shù)運算 23 2.2.1 [算法3] 復(fù)數(shù)的乘冪 23 2.2.2 [算法4] 復(fù)數(shù)的n次方根 25 2.2.3 [算法5] 復(fù)數(shù)指數(shù) 27 2.2.4 [算法6] 復(fù)數(shù)對數(shù) 29 2.2.5 [算法7] 復(fù)數(shù)正弦 30 2.2.6 [算法8] 復(fù)數(shù)余弦 32 2.2.7 【實例6】 復(fù)數(shù)的函數(shù)運算 34 第3章 多項式計算 37 3.1 多項式的表示方法 37 3.1.1 系數(shù)表示法 37 3.1.2 點表示法 38 3.1.3 [算法9] 系數(shù)表示轉(zhuǎn)化為點表示 38 3.1.4 [算法10] 點表示轉(zhuǎn)化為系數(shù)表示 42 3.1.5 【實例7】 系數(shù)表示法與點表示法的轉(zhuǎn)化 46 3.2 多項式運算 47 3.2.1 [算法11] 復(fù)系數(shù)多項式相乘 47 3.2.2 [算法12] 實系數(shù)多項式相乘 50 3.2.3 [算法13] 復(fù)系數(shù)多項式相除 52 3.2.4 [算法14] 實系數(shù)多項式相除 54 3.2.5 【實例8】 復(fù)系數(shù)多項式的乘除法 56 3.2.6 【實例9】 實系數(shù)多項式的乘除法 57 3.3 多項式的求值 59 3.3.1 [算法15] 一元多項式求值 59 3.3.2 [算法16] 一元多項式多組求值 60 3.3.3 [算法17] 二元多項式求值 63 3.3.4 【實例10】 一元多項式求值 65 3.3.5 【實例11】 二元多項式求值 66 第4章 矩陣計算 68 4.1 矩陣相乘 68 4.1.1 [算法18] 實矩陣相乘 68 4.1.2 [算法19] 復(fù)矩陣相乘 70 4.1.3 【實例12】 實矩陣與復(fù)矩陣的乘法 72 4.2 矩陣的秩與行列式值 73 4.2.1 [算法20] 求矩陣的秩 73 4.2.2 [算法21] 求一般矩陣的行列式值 76 4.2.3 [算法22] 求對稱正定矩陣的行列式值 80 4.2.4 【實例13】 求矩陣的秩和行列式值 82 4.3 矩陣求逆 84 4.3.1 [算法23] 求一般復(fù)矩陣的逆 84 4.3.2 [算法24] 求對稱正定矩陣的逆 90 4.3.3 [算法25] 求托伯利茲矩陣逆的Trench方法 92 4.3.4 【實例14】 驗證矩陣求逆算法 97 4.3.5 【實例15】 驗證T矩陣求逆算法 99 4.4 矩陣分解與相似變換 102 4.4.1 [算法26] 實對稱矩陣的LDL分解 102 4.4.2 [算法27] 對稱正定實矩陣的Cholesky分解 104 4.4.3 [算法28] 一般實矩陣的全選主元LU分解 107 4.4.4 [算法29] 一般實矩陣的QR分解 112 4.4.5 [算法30] 對稱實矩陣相似變換為對稱三對角陣 116 4.4.6 [算法31] 一般實矩陣相似變換為上Hessen-Burg矩陣 121 4.4.7 【實例16】 對一般實矩陣進行QR分解 126 4.4.8 【實例17】 對稱矩陣的相似變換 127 4.4.9 【實例18】 一般實矩陣相似變換 129 4.5 矩陣特征值的計算 130 4.5.1 [算法32] 求上Hessen-Burg矩陣全部特征值的QR方法 130 4.5.2 [算法33] 求對稱三對角陣的全部特征值 137 4.5.3 [算法34] 求對稱矩陣特征值的雅可比法 143 4.5.4 [算法35] 求對稱矩陣特征值的雅可比過關(guān)法 147 4.5.5 【實例19】 求上Hessen-Burg矩陣特征值 151 4.5.6 【實例20】 分別用兩種雅克比法求對稱矩陣特征值 152 第5章 線性代數(shù)方程組的求解 154 5.1 高斯消去法 154 5.1.1 [算法36] 求解復(fù)系數(shù)方程組的全選主元高斯消去法 155 5.1.2 [算法37] 求解實系數(shù)方程組的全選主元高斯消去法 160 5.1.3 [算法38] 求解復(fù)系數(shù)方程組的全選主元高斯-約當消去法 163 5.1.4 [算法39] 求解實系數(shù)方程組的全選主元高斯-約當消去法 168 5.1.5 [算法40] 求解大型稀疏系數(shù)矩陣方程組的高斯-約當消去法 171 5.1.6 [算法41] 求解三對角線方程組的追趕法 174 5.1.7 [算法42] 求解帶型方程組的方法 176 5.1.8 【實例21】 解線性實系數(shù)方程組 179 5.1.9 【實例22】 解線性復(fù)系數(shù)方程組 180 5.1.10 【實例23】 解三對角線方程組 182 5.2 矩陣分解法 184 5.2.1 [算法43] 求解對稱方程組的LDL分解法 184 5.2.2 [算法44] 求解對稱正定方程組的Cholesky分解法 186 5.2.3 [算法45] 求解線性最小二乘問題的QR分解法 188 5.2.4 【實例24】 求解對稱正定方程組 191 5.2.5 【實例25】 求解線性最小二乘問題 192 5.3 迭代方法 193 5.3.1 [算法46] 病態(tài)方程組的求解 193 5.3.2 [算法47] 雅克比迭代法 197 5.3.3 [算法48] 高斯-塞德爾迭代法 200 5.3.4 [算法49] 超松弛方法 203 5.3.5 [算法50] 求解對稱正定方程組的共軛梯度方法 205 5.3.6 [算法51] 求解托伯利茲方程組的列文遜方法 209 5.3.7 【實例26】 解病態(tài)方程組 214 5.3.8 【實例27】 用迭代法解方程組 215 5.3.9 【實例28】 求解托伯利茲方程組 217 第6章 非線性方程與方程組的求解 219 6.1 非線性方程求根的基本過程 219 6.1.1 確定非線性方程實根的初始近似值或根的所在區(qū)間 219 6.1.2 求非線性方程根的精確解 221 6.2 求非線性方程一個實根的方法 221 6.2.1 [算法52] 對分法 221 6.2.2 [算法53] 牛頓法 223 6.2.3 [算法54] 插值法 226 6.2.4 [算法55] 埃特金迭代法 229 6.2.5 【實例29】 用對分法求非線性方程組的實根 232 6.2.6 【實例30】 用牛頓法求非線性方程組的實根 233 6.2.7 【實例31】 用插值法求非線性方程組的實根 235 6.2.8 【實例32】 用埃特金迭代法求非線性方程組的實根 237 6.3 求實系數(shù)多項式方程全部根的方法 238 6.3.1 [算法56] QR方法 238 6.3.2 【實例33】 用QR方法求解多項式的全部根 240 6.4 求非線性方程組一組實根的方法 241 6.4.1 [算法57] 梯度法 241 6.4.2 [算法58] 擬牛頓法 244 6.4.3 【實例34】 用梯度法計算非線性方程組的一組實根 250 6.4.4 【實例35】 用擬牛頓法計算非線性方程組的一組實根 252 第7章 代數(shù)插值法 254 7.1 拉格朗日插值法 254 7.1.1 [算法59] 線性插值 255 7.1.2 [算法60] 二次拋物線插值 256 7.1.3 [算法61] 全區(qū)間插值 259 7.1.4 【實例36】 拉格朗日插值 262 7.2 埃爾米特插值 263 7.2.1 [算法62] 埃爾米特不等距插值 263 7.2.2 [算法63] 埃爾米特等距插值 267 7.2.3 【實例37】 埃爾米特插值法 270 7.3 埃特金逐步插值 271 7.3.1 [算法64] 埃特金不等距插值 272 7.3.2 [算法65] 埃特金等距插值 275 7.3.3 【實例38】 埃特金插值 278 7.4 光滑插值 279 7.4.1 [算法66] 光滑不等距插值 279 7.4.2 [算法67] 光滑等距插值 283 7.4.3 【實例39】 光滑插值 286 7.5 三次樣條插值 287 7.5.1 [算法68] 第一類邊界條件的三次樣條函數(shù)插值 287 7.5.2 [算法69] 第二類邊界條件的三次樣條函數(shù)插值 292 7.5.3 [算法70] 第三類邊界條件的三次樣條函數(shù)插值 296 7.5.4 【實例40】 樣條插值法 301 7.6 連分式插值 303 7.6.1 [算法71] 連分式插值 304 7.6.2 【實例41】 驗證連分式插值的函數(shù) 308 第8章 數(shù)值積分法 309 8.1 變步長求積法 310 8.1.1 [算法72] 變步長梯形求積法 310 8.1.2 [算法73] 自適應(yīng)梯形求積法 313 8.1.3 [算法74] 變步長辛卜生求積法 316 8.1.4 [算法75] 變步長辛卜生二重積分方法 318 8.1.5 [算法76] 龍貝格積分 322 8.1.6 【實例42】 變步長積分法進行一重積分 325 8.1.7 【實例43】 變步長辛卜生積分法進行二重積分 326 8.2 高斯求積法 328 8.2.1 [算法77] 勒讓德-高斯求積法 328 8.2.2 [算法78] 切比雪夫求積法 331 8.2.3 [算法79] 拉蓋爾-高斯求積法 334 8.2.4 [算法80] 埃爾米特-高斯求積法 336 8.2.5 [算法81] 自適應(yīng)高斯求積方法 337 8.2.6 【實例44】 有限區(qū)間高斯求積法 342 8.2.7 【實例45】 半無限區(qū)間內(nèi)高斯求積法 343 8.2.8 【實例46】 無限區(qū)間內(nèi)高斯求積法 345 8.3 連分式法 346 8.3.1 [算法82] 計算一重積分的連分式方法 346 8.3.2 [算法83] 計算二重積分的連分式方法 350 8.3.3 【實例47】 連分式法進行一重積分 354 8.3.4 【實例48】 連分式法進行二重積分 355 8.4 蒙特卡洛法 356 8.4.1 [算法84] 蒙特卡洛法進行一重積分 356 8.4.2 [算法85] 蒙特卡洛法進行二重積分 358 8.4.3 【實例49】 一重積分的蒙特卡洛法 360 8.4.4 【實例50】 二重積分的蒙特卡洛法 361 第9章 常微分方程(組)初值問題的求解 363 9.1 歐拉方法 364 9.1.1 [算法86] 定步長歐拉方法 364 9.1.2 [算法87] 變步長歐拉方法 366 9.1.3 [算法88] 改進的歐拉方法 370 9.1.4 【實例51】 歐拉方法求常微分方程數(shù)值解 372 9.2 龍格-庫塔方法 376 9.2.1 [算法89] 定步長龍格-庫塔方法 376 9.2.2 [算法90] 變步長龍格-庫塔方法 379 9.2.3 [算法91] 變步長基爾方法 383 9.2.4 【實例52】 龍格-庫塔方法求常微分方程的初值問題 386 9.3 線性多步法 390 9.3.1 [算法92] 阿當姆斯預(yù)報校正法 390 9.3.2 [算法93] 哈明方法 394 9.3.3 [算法94] 全區(qū)間積分的雙邊法 399 9.3.4 【實例53】 線性多步法求常微分方程組初值問題 401 第10章 擬合與逼近 405 10.1 一元多項式擬合 405 10.1.1 [算法95] 最小二乘擬合 405 10.1.2 [算法96] 最佳一致逼近的里米茲方法 412 10.1.3 【實例54】 一元多項式擬合 417 10.2 矩形區(qū)域曲面擬合 419 10.2.1 [算法97] 矩形區(qū)域最小二乘曲面擬合 419 10.2.2 【實例55】 二元多項式擬合 428 第11章 特殊函數(shù) 430 11.1 連分式級數(shù)和指數(shù)積分 430 11.1.1 [算法98] 連分式級數(shù)求值 430 11.1.2 [算法99] 指數(shù)積分 433 11.1.3 【實例56】 連分式級數(shù)求值 436 11.1.4 【實例57】 指數(shù)積分求值 438 11.2 伽馬函數(shù) 439 11.2.1 [算法100] 伽馬函數(shù) 439 11.2.2 [算法101] 貝塔函數(shù) 441 11.2.3 [算法102] 階乘 442 11.2.4 【實例58】 伽馬函數(shù)和貝塔函數(shù)求值 443 11.2.5 【實例59】 階乘求值 444 11.3 不完全伽馬函數(shù) 445 11.3.1 [算法103] 不完全伽馬函數(shù) 445 11.3.2 [算法104] 誤差函數(shù) 448 11.3.3 [算法105] 卡方分布函數(shù) 450 11.3.4 【實例60】 不完全伽馬函數(shù)求值 451 11.3.5 【實例61】 誤差函數(shù)求值 452 11.3.6 【實例62】 卡方分布函數(shù)求值 453 11.4 不完全貝塔函數(shù) 454 11.4.1 [算法106] 不完全貝塔函數(shù) 454 11.4.2 [算法107] 學生分布函數(shù) 457 11.4.3 [算法108] 累積二項式分布函數(shù) 458 11.4.4 【實例63】 不完全貝塔函數(shù)求值 459 11.5 貝塞爾函數(shù) 461 11.5.1 [算法109] 第一類整數(shù)階貝塞爾函數(shù) 461 11.5.2 [算法110] 第二類整數(shù)階貝塞爾函數(shù) 466 11.5.3 [算法111] 變型第一類整數(shù)階貝塞爾函數(shù) 469 11.5.4 [算法112] 變型第二類整數(shù)階貝塞爾函數(shù) 473 11.5.5 【實例64】 貝塞爾函數(shù)求值 476 11.5.6 【實例65】 變型貝塞爾函數(shù)求值 477 11.6 Carlson橢圓積分 479 11.6.1 [算法113] 第一類橢圓積分 479 11.6.2 [算法114] 第一類橢圓積分的退化形式 481 11.6.3 [算法115] 第二類橢圓積分 483 11.6.4 [算法116] 第三類橢圓積分 486 11.6.5 【實例66】 第一類勒讓德橢圓函數(shù)積分求值 490 11.6.6 【實例67】 第二類勒讓德橢圓函數(shù)積分求值 492 第12章 極值問題 494 12.1 一維極值求解方法 494 12.1.1 [算法117] 確定極小值點所在的區(qū)間 494 12.1.2 [算法118] 一維黃金分割搜索 499 12.1.3 [算法119] 一維Brent方法 502 12.1.4 [算法120] 使用一階導(dǎo)數(shù)的Brent方法 506 12.1.5 【實例68】 使用黃金分割搜索法求極值 511 12.1.6 【實例69】 使用Brent法求極值 513 12.1.7 【實例70】 使用帶導(dǎo)數(shù)的Brent法求極值 515 12.2 多元函數(shù)求極值 517 12.2.1 [算法121] 不需要導(dǎo)數(shù)的一維搜索 517 12.2.2 [算法122] 需要導(dǎo)數(shù)的一維搜索 519 12.2.3 [算法123] Powell方法 522 12.2.4 [算法124] 共軛梯度法 525 12.2.5 [算法125] 準牛頓法 531 12.2.6 【實例71】 驗證不使用導(dǎo)數(shù)的一維搜索 536 12.2.7 【實例72】 用Powell算法求極值 537 12.2.8 【實例73】 用共軛梯度法求極值 539 12.2.9 【實例74】 用準牛頓法求極值 540 12.3 單純形法 542 12.3.1 [算法126] 求無約束條件下n維極值的單純形法 542 12.3.2 [算法127] 求有約束條件下n維極值的單純形法 548 12.3.3 [算法128] 解線性規(guī)劃問題的單純形法 556 12.3.4 【實例75】 用單純形法求無約束條件下N維的極值 568 12.3.5 【實例76】 用單純形法求有約束條件下N維的極值 569 12.3.6 【實例77】 求解線性規(guī)劃問題 571 第13章 隨機數(shù)產(chǎn)生與統(tǒng)計描述 574 13.1 均勻分布隨機序列 574 13.1.1 [算法129] 產(chǎn)生0到1之間均勻分布的一個隨機數(shù) 574 13.1.2 [算法130] 產(chǎn)生0到1之間均勻分布的隨機數(shù)序列 576 13.1.3 [算法131] 產(chǎn)生任意區(qū)間內(nèi)均勻分布的一個隨機整數(shù) 577 13.1.4 [算法132] 產(chǎn)生任意區(qū)間內(nèi)均勻分布的隨機整數(shù)序列 578 13.1.5 【實例78】 產(chǎn)生0到1之間均勻分布的隨機數(shù)序列 580 13.1.6 【實例79】 產(chǎn)生任意區(qū)間內(nèi)均勻分布的隨機整數(shù)序列 581 13.2 正態(tài)分布隨機序列 582 13.2.1 [算法133] 產(chǎn)生任意均值與方差的正態(tài)分布的一個隨機數(shù) 582 13.2.2 [算法134] 產(chǎn)生任意均值與方差的正態(tài)分布的隨機數(shù)序列 585 13.2.3 【實例80】 產(chǎn)生任意均值與方差的正態(tài)分布的一個隨機數(shù) 587 13.2.4 【實例81】 產(chǎn)生任意均值與方差的正態(tài)分布的隨機數(shù)序列 588 13.3 統(tǒng)計描述 589 13.3.1 [算法135] 分布的矩 589 13.3.2 [算法136] 方差相同時的t分布檢驗 591 13.3.3 [算法137] 方差不同時的t分布檢驗 594 13.3.4 [算法138] 方差的F檢驗 596 13.3.5 [算法139] 卡方檢驗 599 13.3.6 【實例82】 計算隨機樣本的矩 601 13.3.7 【實例83】 t分布檢驗 602 13.3.8 【實例84】 F分布檢驗 605 13.3.9 【實例85】 檢驗卡方檢驗的算法 607 第14章 查找 609 14.1 基本查找 609 14.1.1 [算法140] 有序數(shù)組的二分查找 609 14.1.2 [算法141] 無序數(shù)組同時查找最大和最小的元素 611 14.1.3 [算法142] 無序數(shù)組查找第M小的元素 613 14.1.4 【實例86】 基本查找 615 14.2 結(jié)構(gòu)體和磁盤文件的查找 617 14.2.1 [算法143] 無序結(jié)構(gòu)體數(shù)組的順序查找 617 14.2.2 [算法144] 磁盤文件中記錄的順序查找 618 14.2.3 【實例87】 結(jié)構(gòu)體數(shù)組和文件中的查找 619 14.3 哈希查找 622 14.3.1 [算法145] 字符串哈希函數(shù) 622 14.3.2 [算法146] 哈希函數(shù) 626 14.3.3 [算法147] 向哈希表中插入元素 628 14.3.4 [算法148] 在哈希表中查找元素 629 14.3.5 [算法149] 在哈希表中刪除元素 631 14.3.6 【實例88】 構(gòu)造哈希表并進行查找 632 第15章 排序 636 15.1 插入排序 636 15.1.1 [算法150] 直接插入排序 636 15.1.2 [算法151] 希爾排序 637 15.1.3 【實例89】 插入排序 639 15.2 交換排序 641 15.2.1 [算法152] 氣泡排序 641 15.2.2 [算法153] 快速排序 642 15.2.3 【實例90】 交換排序 644 15.3 選擇排序 646 15.3.1 [算法154] 直接選擇排序 646 15.3.2 [算法155] 堆排序 647 15.3.3 【實例91】 選擇排序 650 15.4 線性時間排序 651 15.4.1 [算法156] 計數(shù)排序 651 15.4.2 [算法157] 基數(shù)排序 653 15.4.3 【實例92】 線性時間排序 656 15.5 歸并排序 657 15.5.1 [算法158] 二路歸并排序 658 15.5.2 【實例93】 二路歸并排序 660 第16章 數(shù)學變換與濾波 662 16.1 快速傅里葉變換 662 16.1.1 [算法159] 復(fù)數(shù)據(jù)快速傅里葉變換 662 16.1.2 [算法160] 復(fù)數(shù)據(jù)快速傅里葉逆變換 666 16.1.3 [算法161] 實數(shù)據(jù)快速傅里葉變換 669 16.1.4 【實例94】 驗證傅里葉變換的函數(shù) 671 16.2 其他常用變換 674 16.2.1 [算法162] 快速沃爾什變換 674 16.2.2 [算法163] 快速哈達瑪變換 678 16.2.3 [算法164] 快速余弦變換 682 16.2.4 【實例95】 驗證沃爾什變換和哈達瑪?shù)暮瘮?shù) 684 16.2.5 【實例96】 驗證離散余弦變換的函數(shù) 687 16.3 平滑和濾波 688 16.3.1 [算法165] 五點三次平滑 689 16.3.2 [算法166] α-β-γ濾波 690 16.3.3 【實例97】 驗證五點三次平滑 692 16.3.4 【實例98】 驗證α-β-γ濾波算法 693
標簽： C 算法 附件 源代碼
上傳時間： 2015-06-29
上傳用戶：cbsdukaf
可以實現(xiàn)正態(tài)總體方差檢驗，有助于剛接觸的同學進行學習
標簽： matlab
上傳時間： 2016-04-09
上傳用戶：jyy12581
時間序列是按時間順序排列的、隨時間變化且相互關(guān)聯(lián)的數(shù)據(jù)序列。分析時間序列的方法構(gòu)成數(shù)據(jù)分析的一個重要領(lǐng)域，即時間序列分析。時間序列根據(jù)所研究的依據(jù)不同，可有不同的分類。1.按所研究的對象的多少分，有一元時間序列和多元時間序列。2.按時間的連續(xù)性可將時間序列分為離散時間序列和連續(xù)時間序列兩種。3.按序列的統(tǒng)計特性分，有平穩(wěn)時間序列和非平穩(wěn)時間序列。如果一個時間序列的概率分布與時間t無關(guān)，則稱該序列為嚴格的（狹義的）平穩(wěn)時間序列。如果序列的一、二階矩存在，而且對任意時刻t滿足：（1）均值為常數(shù)（2）協(xié)方差為時間間隔r的函數(shù)。則稱該序列為寬平穩(wěn)時間序列，也叫廣義平穩(wěn)時間序列。我們以后所研究的時間序列主要是寬平穩(wěn)時間序列。4.按時間序列的分布規(guī)律來分，有高斯型時間序列和非高斯型時間序列。
標簽： matlab 時間序列建模預(yù)測
上傳時間： 2022-06-24
上傳用戶：
永磁同步電機是同步電機的一個重要類型，其轉(zhuǎn)子一般采用稀土永磁材料做激磁磁極，與傳統(tǒng)同步電機相比，體積和重量大為減小，而且結(jié)構(gòu)簡單，運行可靠，維護更方便。現(xiàn)代電氣傳動控制的發(fā)展趨勢之一是開發(fā)新的交流調(diào)速與伺服系統(tǒng)。無論在矢量控制還是標量控制中，轉(zhuǎn)速與位置的閉環(huán)控制都需要在電機軸上安裝一個速度傳感器，但是由于速度傳感器的引進不僅增加了成本，降低了系統(tǒng)可靠性，還存在安裝問題，效果并不十分理想。因此高性能無速度傳感器控制成為近年來電機研究的熱點。 本文在系統(tǒng)介紹卡爾曼濾波器的基礎(chǔ)上，將其引入到永磁同步電機無速度傳感器狀態(tài)觀測中。由于永磁同步電機是一個強耦合的多階非線性系統(tǒng)，本文采用了工程實際中普遍采用的泰勒展開式截斷的方法，對電機方程線性化處理，將卡爾曼濾波算法推廣至非線性系統(tǒng)，并加入了反映電機系統(tǒng)模型誤差和環(huán)境干擾的系統(tǒng)噪聲和測量噪聲模型，形成擴展卡爾曼濾波算法。擴展卡爾曼濾波器將電機轉(zhuǎn)子位置與轉(zhuǎn)速作為系統(tǒng)狀態(tài)變量進行實時估算，并將所得信息反饋到永磁同步電機控制系統(tǒng)中。通過仿真，與電機實際運行狀態(tài)進行比較，證明了擴展卡爾曼濾波具有良好的動態(tài)跟蹤能力和抗噪聲能力。 針對擴展卡爾曼濾波算法在無速度傳感器控制中存在的不足，本文給出了降階線性卡爾曼濾波算法。降階線性卡爾曼濾波算法重新選擇了系統(tǒng)狀態(tài)變量，建立新的完全線性化的系統(tǒng)方程，并且卡爾曼濾波算法中的系統(tǒng)協(xié)方差矩陣成為時不變序列，因此可以直接應(yīng)用線性卡爾曼濾波算法。仿真結(jié)果證明，與擴展卡爾曼濾波算法相比，新的算法更加簡單，減輕了繁重的參數(shù)調(diào)節(jié)任務(wù)，易于數(shù)字化實現(xiàn)，不僅具備擴展卡爾曼濾波算法的優(yōu)勢，而且在某些性能方面超越了擴展卡爾曼濾波算法。 通過分析得知，由于將系統(tǒng)模型不確定性與測量噪聲體現(xiàn)在系統(tǒng)方程中，因此卡爾曼濾波算法在狀態(tài)估算方面具有良好的性能。本文以降階線性卡爾曼濾波 算法為理論基礎(chǔ)，以永磁同步電機為對象，以數(shù)字信號處理器（DSP）為核心，設(shè)計了電機狀態(tài)觀測系統(tǒng)的設(shè)計方案。整個方案在不增加成本的基礎(chǔ)上，充分利用數(shù)字信號處理器（DSP）豐富的資源和強大的運算能力，通過檢測電機相電流，實時估算出電機轉(zhuǎn)子位置與轉(zhuǎn)速。本系統(tǒng)可以代替?zhèn)鹘y(tǒng)速度傳感器，為電機控制系統(tǒng)提供轉(zhuǎn)子位置和轉(zhuǎn)速反饋信息。本文的下一步主要工作便是將此系統(tǒng)付諸實踐，應(yīng)用于實際工程中，對卡爾曼濾波算法在永磁同步電機無速度傳感器控制方面的性能進行進一步研究。關(guān)鍵詞：永磁同步電機；無速度傳感器；卡爾曼濾波
上傳時間： 2013-04-24
上傳用戶：lifangyuan12
本文以濾波技術(shù)飛速發(fā)展，小波濾波優(yōu)越性的凸現(xiàn)，以及虛擬儀器的易操作等良好特性為背景，以簡單易行和濾波效果良好為研究目的，展開本文信號濾波處理的研究工作。 在深入研究三種小波濾波方法原理和優(yōu)缺點的基礎(chǔ)上，本文提出了一種新的優(yōu)化濾波方法，包括以下三個方面： 首先，將靜態(tài)小波變換(SWT)應(yīng)用于濾波處理。利用SWT的平移不變性和冗余性來進行含噪信號的分解，這樣不僅彌補了正交小波變換的不足，而且提高了濾波性能。 然后，提出了基于空域相關(guān)的優(yōu)化閾值函數(shù)濾波算法。該算法把小波系數(shù)間的相關(guān)性應(yīng)用于閾值濾波。它是在構(gòu)造出基于空域相關(guān)的顯著性函數(shù)和基于顯著性函數(shù)的閾值濾波過程的基礎(chǔ)上，提出了基于空域相關(guān)的優(yōu)化閾值函數(shù)，并且把極小化廣義交叉驗證(GCV)得到均方差(MSE)意義下的最優(yōu)閾值作用于該優(yōu)化閾值函數(shù)。該濾波算法不僅實現(xiàn)了噪聲的有效去除，而且信號的重要特征也保留完好； 最后，引入了新型鎖相環(huán)--正交鎖相環(huán)(QPLL)。鑒于QPLL不僅具有鎖定范圍寬、入鎖速度快、鎖定后精度高的性能，而且還具有良好的抑制諧波、噪聲的能力，以及對波形畸變不敏感等良好特性，所以QPLL的引入達到了信號鎖定和優(yōu)化濾波的目的，使優(yōu)化濾波方法的設(shè)計更具新意，而且取得了更好的濾波效果。 為了驗證優(yōu)化濾波方法，本文搭建了實驗平臺，它是由FPGA信號采集部分和LabVIEW軟件濾波處理兩個部分構(gòu)成。通過傳感器采集信號，經(jīng)過A/D轉(zhuǎn)換后送入FPGA。以FPGA為CPU控制A/D轉(zhuǎn)換，并進行波形數(shù)據(jù)緩存，在接收到LabVIEW的命令后，將存儲的數(shù)據(jù)送給串口。在LabVIEW中，從串口檢測所需的波形數(shù)據(jù)，然后通過優(yōu)化濾波方法將數(shù)據(jù)進行濾波處理，最后在前面板中把實驗結(jié)果顯示出來。 實驗結(jié)果表明，該優(yōu)化濾波方法不僅能實現(xiàn)優(yōu)良的濾波功能，而且簡單易行，是一種有效的濾波方法。
上傳時間： 2013-07-20
上傳用戶：gokk
隨著數(shù)字化和網(wǎng)絡(luò)化的發(fā)展，傳統(tǒng)的門禁系統(tǒng)由于鑒別方式、速度和性能等方面的限制，很難滿足安全可靠和網(wǎng)絡(luò)化的控制需求。由于識別技術(shù)的不斷成熟，基于人體生理特征的身份識別系統(tǒng)逐漸被人們開始采用，目前，從實用的角度看，指紋識別技術(shù)要比其它生物識別技術(shù)更安全和方便，這是因為人的指紋具有唯一性、不變性以及貼身性的特點。傳統(tǒng)的門禁控制器常采用單片機開發(fā)，利用串行通信接口向遠程上位機傳送數(shù)據(jù)，多個門禁控制器一般組成RS485網(wǎng)絡(luò)，通信線路專用且不易于實現(xiàn)網(wǎng)絡(luò)控制和遠程控制，而基于TCP/IP網(wǎng)絡(luò)通信的門禁系統(tǒng)通過局域網(wǎng)傳遞數(shù)據(jù)，很容易實現(xiàn)遠程控制和分布式管理。 文中設(shè)計了基于指紋識別和以太網(wǎng)的智能網(wǎng)絡(luò)型門禁控制器。在ARM9和Linux操作系統(tǒng)上采用FPS200指紋傳感器采集指紋圖像和USB攝像頭采集視頻圖像，以及采用以太網(wǎng)控制器芯片AX88796，實現(xiàn)了基于TCP/IP協(xié)議的網(wǎng)絡(luò)門禁系統(tǒng)。 論文首先分析了門禁系統(tǒng)的研究背景、意義及國內(nèi)外的發(fā)展現(xiàn)狀，然后介紹了指紋識別網(wǎng)絡(luò)門禁系統(tǒng)的總體結(jié)構(gòu)，闡述了系統(tǒng)各個重要功能模塊的硬件資源。根據(jù)系統(tǒng)的硬件資源搭建了嵌入式Linux的軟件平臺，移植了相關(guān)模塊的驅(qū)動程序。論文研究了指紋識別算法，包括指紋圖像預(yù)處理和指紋圖像的特征提取和匹配，重點分析了指紋圖像分割法，利用灰度梯度和灰度方差的結(jié)合設(shè)置一個合適的局部閾值對指紋進行分割。然后，闡述了門禁控制系統(tǒng)軟件的總體設(shè)計，并重點介紹Video4Linux采集圖像、指紋圖像采集、GoAhead Web Server的應(yīng)用以及系統(tǒng)運用TCP/IP實現(xiàn)系統(tǒng)門禁控制器和上位機PC之間的網(wǎng)絡(luò)通信。 系統(tǒng)測試部分介紹了測試環(huán)境、測試方法以及測試內(nèi)容。測試結(jié)果表明，本課題設(shè)計的指紋識別網(wǎng)絡(luò)型門禁系統(tǒng)在穩(wěn)定性、可靠性以及實時性方面達到了較好的效果。文章最后提出了一些在工作中遇到的問題，并對近幾年來的一些新的研究趨勢做了簡單的總結(jié)與展望，指出了指紋識別網(wǎng)絡(luò)型門禁系統(tǒng)未來的研究方向。
標簽： ARM 指紋識別 門禁系統(tǒng)
上傳時間： 2013-07-23
上傳用戶：pwcsoft
超聲波流量計以非接觸、精度高、使用方便等優(yōu)點，在氣象、石油、化工、醫(yī)藥、水資源管理等領(lǐng)域獲得了廣泛的應(yīng)用。近年來，隨著數(shù)字處理技術(shù)和微處理器技術(shù)的發(fā)展，超聲波流量計作為一種測量儀表也得到了長足進步。本課題將ARM微控制器用于流量測量儀表的研制，拓展了儀表的開發(fā)空間，符合嵌入式技術(shù)的發(fā)展方向。 本文詳細介紹了超聲波時差法流量測量原理及基于LPC2214的超聲波流量計系統(tǒng)設(shè)計方案和軟硬件實現(xiàn)方法，并對測時算法進行了詳細討論。通過分析和借鑒國外超聲波流量測量的先進技術(shù)和方法，得出了改進的時差法測量方案。系統(tǒng)硬件設(shè)計了超聲波發(fā)射、接收及放大電路，采用高速模數(shù)轉(zhuǎn)換器數(shù)字化接收信號，并對ARM系統(tǒng)電路中的電源電路，存儲器電路，通信接口電路等進行了詳細介紹。系統(tǒng)軟件詳細分析了嵌入式操作系統(tǒng)uClinux的移植方法，給出構(gòu)建ARM-uClinux平臺的步驟，并基于此平臺，完成了系統(tǒng)軟件設(shè)計。測時算法運用數(shù)字濾波技術(shù)提高信號信噪比，采用方差比檢驗方法和插值算法，提高測時定位精度。 系統(tǒng)設(shè)計良好的人機交互界面和通信調(diào)試接口，提高了ARM系統(tǒng)的軟件開發(fā)調(diào)試效率；在保證流量計系統(tǒng)功能的同時，盡量簡化硬件電路設(shè)計，降低研制成本，使設(shè)計更具合理性。
上傳時間： 2013-04-24
上傳用戶：mosliu
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
