這個(gè)Matlab程序用于計(jì)算時(shí)域信號(hào)的阿倫Allan方差。
標(biāo)簽： Matlab Allan 程序 時(shí)域
上傳時(shí)間： 2014-01-27
上傳用戶：lgnf
針對(duì)幀差分法易產(chǎn)生空洞以及背景減法不能檢測(cè)出與背景灰度接近的目標(biāo)的問題，提出了一種將背景減和幀差法相結(jié)合的運(yùn)動(dòng)目標(biāo)檢測(cè)算法。首先利用連續(xù)兩幀圖像進(jìn)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(jìn)行或運(yùn)算，最后利用圖像形態(tài)學(xué)濾波得到準(zhǔn)確的運(yùn)動(dòng)目標(biāo)。實(shí)驗(yàn)結(jié)果表明，該算法簡(jiǎn)單、易實(shí)現(xiàn)、實(shí)時(shí)性強(qiáng)
上傳時(shí)間： 2013-10-08
上傳用戶：yqs138168
在WinAVR下的ST7565圖形點(diǎn)陣的驅(qū)動(dòng)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。
標(biāo)簽： WinAVR 7565 ST 驅(qū)動(dòng)
上傳時(shí)間： 2013-12-26
上傳用戶：LIKE
第1章 緒論 1 1.1 程序設(shè)計(jì)語言概述 1 1.1.1 機(jī)器語言 1 1.1.2 匯編語言 2 1.1.3 高級(jí)語言 2 1.1.4 C語言 3 1.2 C語言的優(yōu)點(diǎn)和缺點(diǎn) 4 1.2.1 C語言的優(yōu)點(diǎn) 4 1.2.2 C語言的缺點(diǎn) 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(zhǔn)確性 10 1.3.4 算法的穩(wěn)定性 14 第2章 復(fù)數(shù)運(yùn)算 18 2.1 復(fù)數(shù)的四則運(yùn)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(shí)例5】 復(fù)數(shù)的四則運(yùn)算 22 2.2 復(fù)數(shù)的常用函數(shù)運(yùn)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(duì)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(shí)例6】 復(fù)數(shù)的函數(shù)運(yùn)算 34 第3章 多項(xiàng)式計(jì)算 37 3.1 多項(xiàng)式的表示方法 37 3.1.1 系數(shù)表示法 37 3.1.2 點(diǎn)表示法 38 3.1.3 [算法9] 系數(shù)表示轉(zhuǎn)化為點(diǎn)表示 38 3.1.4 [算法10] 點(diǎn)表示轉(zhuǎn)化為系數(shù)表示 42 3.1.5 【實(shí)例7】 系數(shù)表示法與點(diǎn)表示法的轉(zhuǎn)化 46 3.2 多項(xiàng)式運(yùn)算 47 3.2.1 [算法11] 復(fù)系數(shù)多項(xiàng)式相乘 47 3.2.2 [算法12] 實(shí)系數(shù)多項(xiàng)式相乘 50 3.2.3 [算法13] 復(fù)系數(shù)多項(xiàng)式相除 52 3.2.4 [算法14] 實(shí)系數(shù)多項(xiàng)式相除 54 3.2.5 【實(shí)例8】 復(fù)系數(shù)多項(xiàng)式的乘除法 56 3.2.6 【實(shí)例9】 實(shí)系數(shù)多項(xiàng)式的乘除法 57 3.3 多項(xiàng)式的求值 59 3.3.1 [算法15] 一元多項(xiàng)式求值 59 3.3.2 [算法16] 一元多項(xiàng)式多組求值 60 3.3.3 [算法17] 二元多項(xiàng)式求值 63 3.3.4 【實(shí)例10】 一元多項(xiàng)式求值 65 3.3.5 【實(shí)例11】 二元多項(xiàng)式求值 66 第4章 矩陣計(jì)算 68 4.1 矩陣相乘 68 4.1.1 [算法18] 實(shí)矩陣相乘 68 4.1.2 [算法19] 復(fù)矩陣相乘 70 4.1.3 【實(shí)例12】 實(shí)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(duì)稱正定矩陣的行列式值 80 4.2.4 【實(shí)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(duì)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(shí)例14】 驗(yàn)證矩陣求逆算法 97 4.3.5 【實(shí)例15】 驗(yàn)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(shí)對(duì)稱矩陣的LDL分解 102 4.4.2 [算法27] 對(duì)稱正定實(shí)矩陣的Cholesky分解 104 4.4.3 [算法28] 一般實(shí)矩陣的全選主元LU分解 107 4.4.4 [算法29] 一般實(shí)矩陣的QR分解 112 4.4.5 [算法30] 對(duì)稱實(shí)矩陣相似變換為對(duì)稱三對(duì)角陣 116 4.4.6 [算法31] 一般實(shí)矩陣相似變換為上Hessen-Burg矩陣 121 4.4.7 【實(shí)例16】 對(duì)一般實(shí)矩陣進(jìn)行QR分解 126 4.4.8 【實(shí)例17】 對(duì)稱矩陣的相似變換 127 4.4.9 【實(shí)例18】 一般實(shí)矩陣相似變換 129 4.5 矩陣特征值的計(jì)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(duì)稱三對(duì)角陣的全部特征值 137 4.5.3 [算法34] 求對(duì)稱矩陣特征值的雅可比法 143 4.5.4 [算法35] 求對(duì)稱矩陣特征值的雅可比過關(guān)法 147 4.5.5 【實(shí)例19】 求上Hessen-Burg矩陣特征值 151 4.5.6 【實(shí)例20】 分別用兩種雅克比法求對(duì)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(shí)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(dāng)消去法 163 5.1.4 [算法39] 求解實(shí)系數(shù)方程組的全選主元高斯-約當(dāng)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(dāng)消去法 171 5.1.6 [算法41] 求解三對(duì)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(shí)例21】 解線性實(shí)系數(shù)方程組 179 5.1.9 【實(shí)例22】 解線性復(fù)系數(shù)方程組 180 5.1.10 【實(shí)例23】 解三對(duì)角線方程組 182 5.2 矩陣分解法 184 5.2.1 [算法43] 求解對(duì)稱方程組的LDL分解法 184 5.2.2 [算法44] 求解對(duì)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(shí)例24】 求解對(duì)稱正定方程組 191 5.2.5 【實(shí)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(duì)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(shí)例26】 解病態(tài)方程組 214 5.3.8 【實(shí)例27】 用迭代法解方程組 215 5.3.9 【實(shí)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(shí)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(gè)實(shí)根的方法 221 6.2.1 [算法52] 對(duì)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(shí)例29】 用對(duì)分法求非線性方程組的實(shí)根 232 6.2.6 【實(shí)例30】 用牛頓法求非線性方程組的實(shí)根 233 6.2.7 【實(shí)例31】 用插值法求非線性方程組的實(shí)根 235 6.2.8 【實(shí)例32】 用埃特金迭代法求非線性方程組的實(shí)根 237 6.3 求實(shí)系數(shù)多項(xiàng)式方程全部根的方法 238 6.3.1 [算法56] QR方法 238 6.3.2 【實(shí)例33】 用QR方法求解多項(xiàng)式的全部根 240 6.4 求非線性方程組一組實(shí)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(shí)例34】 用梯度法計(jì)算非線性方程組的一組實(shí)根 250 6.4.4 【實(shí)例35】 用擬牛頓法計(jì)算非線性方程組的一組實(shí)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(shí)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(shí)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(shí)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(shí)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(shí)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(shí)例41】 驗(yàn)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(zhǎng)求積法 310 8.1.1 [算法72] 變步長(zhǎng)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(zhǎng)辛卜生求積法 316 8.1.4 [算法75] 變步長(zhǎng)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(shí)例42】 變步長(zhǎng)積分法進(jìn)行一重積分 325 8.1.7 【實(shí)例43】 變步長(zhǎng)辛卜生積分法進(jìn)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(shí)例44】 有限區(qū)間高斯求積法 342 8.2.7 【實(shí)例45】 半無限區(qū)間內(nèi)高斯求積法 343 8.2.8 【實(shí)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(jì)算一重積分的連分式方法 346 8.3.2 [算法83] 計(jì)算二重積分的連分式方法 350 8.3.3 【實(shí)例47】 連分式法進(jìn)行一重積分 354 8.3.4 【實(shí)例48】 連分式法進(jìn)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(jìn)行一重積分 356 8.4.2 [算法85] 蒙特卡洛法進(jìn)行二重積分 358 8.4.3 【實(shí)例49】 一重積分的蒙特卡洛法 360 8.4.4 【實(shí)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(zhǎng)歐拉方法 364 9.1.2 [算法87] 變步長(zhǎng)歐拉方法 366 9.1.3 [算法88] 改進(jìn)的歐拉方法 370 9.1.4 【實(shí)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(zhǎng)龍格-庫塔方法 376 9.2.2 [算法90] 變步長(zhǎng)龍格-庫塔方法 379 9.2.3 [算法91] 變步長(zhǎng)基爾方法 383 9.2.4 【實(shí)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(dāng)姆斯預(yù)報(bào)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(shí)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(xiàng)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(shí)例54】 一元多項(xiàng)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(shí)例55】 二元多項(xiàng)式擬合 428 第11章 特殊函數(shù) 430 11.1 連分式級(jí)數(shù)和指數(shù)積分 430 11.1.1 [算法98] 連分式級(jí)數(shù)求值 430 11.1.2 [算法99] 指數(shù)積分 433 11.1.3 【實(shí)例56】 連分式級(jí)數(shù)求值 436 11.1.4 【實(shí)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(shí)例58】 伽馬函數(shù)和貝塔函數(shù)求值 443 11.2.5 【實(shí)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(shí)例60】 不完全伽馬函數(shù)求值 451 11.3.5 【實(shí)例61】 誤差函數(shù)求值 452 11.3.6 【實(shí)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(xué)生分布函數(shù) 457 11.4.3 [算法108] 累積二項(xiàng)式分布函數(shù) 458 11.4.4 【實(shí)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(shí)例64】 貝塞爾函數(shù)求值 476 11.5.6 【實(shí)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(shí)例66】 第一類勒讓德橢圓函數(shù)積分求值 490 11.6.6 【實(shí)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(diǎn)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(shí)例68】 使用黃金分割搜索法求極值 511 12.1.6 【實(shí)例69】 使用Brent法求極值 513 12.1.7 【實(shí)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(zhǔn)牛頓法 531 12.2.6 【實(shí)例71】 驗(yàn)證不使用導(dǎo)數(shù)的一維搜索 536 12.2.7 【實(shí)例72】 用Powell算法求極值 537 12.2.8 【實(shí)例73】 用共軛梯度法求極值 539 12.2.9 【實(shí)例74】 用準(zhǔn)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(shí)例75】 用單純形法求無約束條件下N維的極值 568 12.3.5 【實(shí)例76】 用單純形法求有約束條件下N維的極值 569 12.3.6 【實(shí)例77】 求解線性規(guī)劃問題 571 第13章 隨機(jī)數(shù)產(chǎn)生與統(tǒng)計(jì)描述 574 13.1 均勻分布隨機(jī)序列 574 13.1.1 [算法129] 產(chǎn)生0到1之間均勻分布的一個(gè)隨機(jī)數(shù) 574 13.1.2 [算法130] 產(chǎn)生0到1之間均勻分布的隨機(jī)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(gè)隨機(jī)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(jī)整數(shù)序列 578 13.1.5 【實(shí)例78】 產(chǎn)生0到1之間均勻分布的隨機(jī)數(shù)序列 580 13.1.6 【實(shí)例79】 產(chǎn)生任意區(qū)間內(nèi)均勻分布的隨機(jī)整數(shù)序列 581 13.2 正態(tài)分布隨機(jī)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(gè)隨機(jī)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(jī)數(shù)序列 585 13.2.3 【實(shí)例80】 產(chǎn)生任意均值與方差的正態(tài)分布的一個(gè)隨機(jī)數(shù) 587 13.2.4 【實(shí)例81】 產(chǎn)生任意均值與方差的正態(tài)分布的隨機(jī)數(shù)序列 588 13.3 統(tǒng)計(jì)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(shí)的t分布檢驗(yàn) 591 13.3.3 [算法137] 方差不同時(shí)的t分布檢驗(yàn) 594 13.3.4 [算法138] 方差的F檢驗(yàn) 596 13.3.5 [算法139] 卡方檢驗(yàn) 599 13.3.6 【實(shí)例82】 計(jì)算隨機(jī)樣本的矩 601 13.3.7 【實(shí)例83】 t分布檢驗(yàn) 602 13.3.8 【實(shí)例84】 F分布檢驗(yàn) 605 13.3.9 【實(shí)例85】 檢驗(yàn)卡方檢驗(yàn)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(shí)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(shí)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(shí)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(shí)例88】 構(gòu)造哈希表并進(jìn)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(shí)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(shí)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(shí)例91】 選擇排序 650 15.4 線性時(shí)間排序 651 15.4.1 [算法156] 計(jì)數(shù)排序 651 15.4.2 [算法157] 基數(shù)排序 653 15.4.3 【實(shí)例92】 線性時(shí)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(shí)例93】 二路歸并排序 660 第16章 數(shù)學(xué)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(shí)數(shù)據(jù)快速傅里葉變換 669 16.1.4 【實(shí)例94】 驗(yàn)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(dá)瑪變換 678 16.2.3 [算法164] 快速余弦變換 682 16.2.4 【實(shí)例95】 驗(yàn)證沃爾什變換和哈達(dá)瑪?shù)暮瘮?shù) 684 16.2.5 【實(shí)例96】 驗(yàn)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(diǎn)三次平滑 689 16.3.2 [算法166] α-β-γ濾波 690 16.3.3 【實(shí)例97】 驗(yàn)證五點(diǎn)三次平滑 692 16.3.4 【實(shí)例98】 驗(yàn)證α-β-γ濾波算法 693
標(biāo)簽： C 算法 附件 源代碼
上傳時(shí)間： 2015-06-29
上傳用戶：cbsdukaf
可以實(shí)現(xiàn)正態(tài)總體方差檢驗(yàn)，有助于剛接觸的同學(xué)進(jìn)行學(xué)習(xí)
標(biāo)簽： matlab
上傳時(shí)間： 2016-04-09
上傳用戶：jyy12581
時(shí)間序列是按時(shí)間順序排列的、隨時(shí)間變化且相互關(guān)聯(lián)的數(shù)據(jù)序列。分析時(shí)間序列的方法構(gòu)成數(shù)據(jù)分析的一個(gè)重要領(lǐng)域，即時(shí)間序列分析。時(shí)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(duì)象的多少分，有一元時(shí)間序列和多元時(shí)間序列。2.按時(shí)間的連續(xù)性可將時(shí)間序列分為離散時(shí)間序列和連續(xù)時(shí)間序列兩種。3.按序列的統(tǒng)計(jì)特性分，有平穩(wěn)時(shí)間序列和非平穩(wěn)時(shí)間序列。如果一個(gè)時(shí)間序列的概率分布與時(shí)間t無關(guān)，則稱該序列為嚴(yán)格的（狹義的）平穩(wěn)時(shí)間序列。如果序列的一、二階矩存在，而且對(duì)任意時(shí)刻t滿足：（1）均值為常數(shù)（2）協(xié)方差為時(shí)間間隔r的函數(shù)。則稱該序列為寬平穩(wěn)時(shí)間序列，也叫廣義平穩(wěn)時(shí)間序列。我們以后所研究的時(shí)間序列主要是寬平穩(wěn)時(shí)間序列。4.按時(shí)間序列的分布規(guī)律來分，有高斯型時(shí)間序列和非高斯型時(shí)間序列。
標(biāo)簽： matlab 時(shí)間序列建模預(yù)測(cè)
上傳時(shí)間： 2022-06-24
上傳用戶：
永磁同步電機(jī)是同步電機(jī)的一個(gè)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(jī)相比，體積和重量大為減小，而且結(jié)構(gòu)簡(jiǎn)單，運(yùn)行可靠，維護(hù)更方便。現(xiàn)代電氣傳動(dòng)控制的發(fā)展趨勢(shì)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(biāo)量控制中，轉(zhuǎn)速與位置的閉環(huán)控制都需要在電機(jī)軸上安裝一個(gè)速度傳感器，但是由于速度傳感器的引進(jìn)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(jī)研究的熱點(diǎn)。 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(jī)無速度傳感器狀態(tài)觀測(cè)中。由于永磁同步電機(jī)是一個(gè)強(qiáng)耦合的多階非線性系統(tǒng)，本文采用了工程實(shí)際中普遍采用的泰勒展開式截?cái)嗟姆椒ǎ瑢?duì)電機(jī)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(jī)系統(tǒng)模型誤差和環(huán)境干擾的系統(tǒng)噪聲和測(cè)量噪聲模型，形成擴(kuò)展卡爾曼濾波算法。擴(kuò)展卡爾曼濾波器將電機(jī)轉(zhuǎn)子位置與轉(zhuǎn)速作為系統(tǒng)狀態(tài)變量進(jìn)行實(shí)時(shí)估算，并將所得信息反饋到永磁同步電機(jī)控制系統(tǒng)中。通過仿真，與電機(jī)實(shí)際運(yùn)行狀態(tài)進(jìn)行比較，證明了擴(kuò)展卡爾曼濾波具有良好的動(dòng)態(tài)跟蹤能力和抗噪聲能力。 針對(duì)擴(kuò)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(shí)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(kuò)展卡爾曼濾波算法相比，新的算法更加簡(jiǎn)單，減輕了繁重的參數(shù)調(diào)節(jié)任務(wù)，易于數(shù)字化實(shí)現(xiàn)，不僅具備擴(kuò)展卡爾曼濾波算法的優(yōu)勢(shì)，而且在某些性能方面超越了擴(kuò)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(cè)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(jī)為對(duì)象，以數(shù)字信號(hào)處理器（DSP）為核心，設(shè)計(jì)了電機(jī)狀態(tài)觀測(cè)系統(tǒng)的設(shè)計(jì)方案。整個(gè)方案在不增加成本的基礎(chǔ)上，充分利用數(shù)字信號(hào)處理器（DSP）豐富的資源和強(qiáng)大的運(yùn)算能力，通過檢測(cè)電機(jī)相電流，實(shí)時(shí)估算出電機(jī)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(jī)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(shí)踐，應(yīng)用于實(shí)際工程中，對(duì)卡爾曼濾波算法在永磁同步電機(jī)無速度傳感器控制方面的性能進(jìn)行進(jìn)一步研究。關(guān)鍵詞：永磁同步電機(jī)；無速度傳感器；卡爾曼濾波
標(biāo)簽： 卡爾曼 濾波算法 永磁同步電機(jī)
上傳時(shí)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(jiǎn)單易行和濾波效果良好為研究目的，展開本文信號(hào)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(diǎn)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(gè)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(jìn)行含噪信號(hào)的分解，這樣不僅彌補(bǔ)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(yàn)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(shí)現(xiàn)了噪聲的有效去除，而且信號(hào)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(duì)波形畸變不敏感等良好特性，所以QPLL的引入達(dá)到了信號(hào)鎖定和優(yōu)化濾波的目的，使優(yōu)化濾波方法的設(shè)計(jì)更具新意，而且取得了更好的濾波效果。 為了驗(yàn)證優(yōu)化濾波方法，本文搭建了實(shí)驗(yàn)平臺(tái)，它是由FPGA信號(hào)采集部分和LabVIEW軟件濾波處理兩個(gè)部分構(gòu)成。通過傳感器采集信號(hào)，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(jìn)行波形數(shù)據(jù)緩存，在接收到LabVIEW的命令后，將存儲(chǔ)的數(shù)據(jù)送給串口。在LabVIEW中，從串口檢測(cè)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(jìn)行濾波處理，最后在前面板中把實(shí)驗(yàn)結(jié)果顯示出來。 實(shí)驗(yàn)結(jié)果表明，該優(yōu)化濾波方法不僅能實(shí)現(xiàn)優(yōu)良的濾波功能，而且簡(jiǎn)單易行，是一種有效的濾波方法。
上傳時(shí)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(shí)別技術(shù)的不斷成熟，基于人體生理特征的身份識(shí)別系統(tǒng)逐漸被人們開始采用，目前，從實(shí)用的角度看，指紋識(shí)別技術(shù)要比其它生物識(shí)別技術(shù)更安全和方便，這是因?yàn)槿说闹讣y具有唯一性、不變性以及貼身性的特點(diǎn)。傳統(tǒng)的門禁控制器常采用單片機(jī)開發(fā)，利用串行通信接口向遠(yuǎn)程上位機(jī)傳送數(shù)據(jù)，多個(gè)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(shí)現(xiàn)網(wǎng)絡(luò)控制和遠(yuǎn)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(shí)現(xiàn)遠(yuǎn)程控制和分布式管理。 文中設(shè)計(jì)了基于指紋識(shí)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(shí)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(shí)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(gè)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(tái)，移植了相關(guān)模塊的驅(qū)動(dòng)程序。論文研究了指紋識(shí)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(diǎn)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(gè)合適的局部閾值對(duì)指紋進(jìn)行分割。然后，闡述了門禁控制系統(tǒng)軟件的總體設(shè)計(jì)，并重點(diǎn)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(yùn)用TCP/IP實(shí)現(xiàn)系統(tǒng)門禁控制器和上位機(jī)PC之間的網(wǎng)絡(luò)通信。 系統(tǒng)測(cè)試部分介紹了測(cè)試環(huán)境、測(cè)試方法以及測(cè)試內(nèi)容。測(cè)試結(jié)果表明，本課題設(shè)計(jì)的指紋識(shí)別網(wǎng)絡(luò)型門禁系統(tǒng)在穩(wěn)定性、可靠性以及實(shí)時(shí)性方面達(dá)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(duì)近幾年來的一些新的研究趨勢(shì)做了簡(jiǎn)單的總結(jié)與展望，指出了指紋識(shí)別網(wǎng)絡(luò)型門禁系統(tǒng)未來的研究方向。
標(biāo)簽： ARM 指紋識(shí)別 門禁系統(tǒng)
上傳時(shí)間： 2013-07-23
上傳用戶：pwcsoft
超聲波流量計(jì)以非接觸、精度高、使用方便等優(yōu)點(diǎn)，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(jì)作為一種測(cè)量?jī)x表也得到了長(zhǎng)足進(jìn)步。本課題將ARM微控制器用于流量測(cè)量?jī)x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(xì)介紹了超聲波時(shí)差法流量測(cè)量原理及基于LPC2214的超聲波流量計(jì)系統(tǒng)設(shè)計(jì)方案和軟硬件實(shí)現(xiàn)方法，并對(duì)測(cè)時(shí)算法進(jìn)行了詳細(xì)討論。通過分析和借鑒國外超聲波流量測(cè)量的先進(jìn)技術(shù)和方法，得出了改進(jìn)的時(shí)差法測(cè)量方案。系統(tǒng)硬件設(shè)計(jì)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(hào)，并對(duì)ARM系統(tǒng)電路中的電源電路，存儲(chǔ)器電路，通信接口電路等進(jìn)行了詳細(xì)介紹。系統(tǒng)軟件詳細(xì)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(tái)的步驟，并基于此平臺(tái)，完成了系統(tǒng)軟件設(shè)計(jì)。測(cè)時(shí)算法運(yùn)用數(shù)字濾波技術(shù)提高信號(hào)信噪比，采用方差比檢驗(yàn)方法和插值算法，提高測(cè)時(shí)定位精度。 系統(tǒng)設(shè)計(jì)良好的人機(jī)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(jì)系統(tǒng)功能的同時(shí)，盡量簡(jiǎn)化硬件電路設(shè)計(jì)，降低研制成本，使設(shè)計(jì)更具合理性。
標(biāo)簽： ARM 時(shí)差法 超聲波流量計(jì)
上傳時(shí)間： 2013-04-24
上傳用戶：mosliu
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
