#include "iostream" using namespace std; class Matrix { private: double** A; //矩陣A double *b; //向量b public: int size; Matrix(int ); ~Matrix(); friend double* Dooli(Matrix& ); void Input(); void Disp(); }; Matrix::Matrix(int x) { size=x; //為向量b分配空間并初始化為0 b=new double [x]; for(int j=0;j<x;j++) b[j]=0; //為向量A分配空間并初始化為0 A=new double* [x]; for(int i=0;i<x;i++) A[i]=new double [x]; for(int m=0;m<x;m++) for(int n=0;n<x;n++) A[m][n]=0; } Matrix::~Matrix() { cout<<"正在析構中~~~~"<<endl; delete b; for(int i=0;i<size;i++) delete A[i]; delete A; } void Matrix::Disp() { for(int i=0;i<size;i++) { for(int j=0;j<size;j++) cout<<A[i][j]<<" "; cout<<endl; } } void Matrix::Input() { cout<<"請輸入A:"<<endl; for(int i=0;i<size;i++) for(int j=0;j<size;j++){ cout<<"第"<<i+1<<"行"<<"第"<<j+1<<"列:"<<endl; cin>>A[i][j]; } cout<<"請輸入b:"<<endl; for(int j=0;j<size;j++){ cout<<"第"<<j+1<<"個:"<<endl; cin>>b[j]; } } double* Dooli(Matrix& A) { double *Xn=new double [A.size]; Matrix L(A.size),U(A.size); //分別求得U，L的第一行與第一列 for(int i=0;i<A.size;i++) U.A[0][i]=A.A[0][i]; for(int j=1;j<A.size;j++) L.A[j][0]=A.A[j][0]/U.A[0][0]; //分別求得U，L的第r行，第r列 double temp1=0,temp2=0; for(int r=1;r<A.size;r++){ //U for(int i=r;i<A.size;i++){ for(int k=0;k<r-1;k++) temp1=temp1+L.A[r][k]*U.A[k][i]; U.A[r][i]=A.A[r][i]-temp1; } //L for(int i=r+1;i<A.size;i++){ for(int k=0;k<r-1;k++) temp2=temp2+L.A[i][k]*U.A[k][r]; L.A[i][r]=(A.A[i][r]-temp2)/U.A[r][r]; } } cout<<"計算U得:"<<endl; U.Disp(); cout<<"計算L的:"<<endl; L.Disp(); double *Y=new double [A.size]; Y[0]=A.b[0]; for(int i=1;i<A.size;i++ ){ double temp3=0; for(int k=0;k<i-1;k++) temp3=temp3+L.A[i][k]*Y[k]; Y[i]=A.b[i]-temp3; } Xn[A.size-1]=Y[A.size-1]/U.A[A.size-1][A.size-1]; for(int i=A.size-1;i>=0;i--){ double temp4=0; for(int k=i+1;k<A.size;k++) temp4=temp4+U.A[i][k]*Xn[k]; Xn[i]=(Y[i]-temp4)/U.A[i][i]; } return Xn; } int main() { Matrix B(4); B.Input(); double *X; X=Dooli(B); cout<<"~~~~解得:"<<endl; for(int i=0;i<B.size;i++) cout<<"X["<<i<<"]:"<<X[i]<<" "; cout<<endl<<"呵呵呵呵呵"; return 0; }
標簽： 道理特分解法
上傳時間： 2018-05-20
上傳用戶：Aa123456789
自編利用Labview進行信號分析，實現連續信號降噪、截取分析
上傳時間： 2019-05-08
上傳用戶：小東北lhp
【摘要】首先，文中指出一般對于“微弱信號”的理解有兩個方面的含義以及微弱信號檢測技術的應用，提到了微弱信號檢測技術的首要任務是提高信噪比。文章介紹了一些傳統微弱量的檢測方法，詳細介紹了基于Duffing振子的混沌弱信號檢測方法。利用統計信號檢測的理論對混沌檢測系統的虛警概率、檢測概率和檢測信噪比進行分析，進而利用上述特性研究了混沌弱信號幅度的估計方法；本文還講述了Lyapunov指數的統計特性與弱信號檢測和估計之間的關系。【關鍵字】微弱信號 非線性 Duffing振子 信號檢測與估計1.1引言這些天在網上搜集了一些關于用非線性系統進行微弱信號檢測的一些資料，讀了幾遍之后也若有所思。最初看的是基于非線性系統的微弱通信信號檢測關鍵技術研究的項目計劃申報書，老實說，讀第一遍時很多都是云里霧里，由于每天讀幾頁斷斷續續加上以前本科沒有接觸過這方面的內容導致第一遍讀下來在腦海中并沒有形成整體的輪廓，但強烈的求知欲和好奇心讓我又讀了第二遍，接著看了混沌振子檢測引論，這才對非線性系統進行微弱信號的檢測有了初步的認識。
標簽： 微弱信號檢測
上傳時間： 2022-06-19
上傳用戶：xsr1983
AR0231AT7C00XUEA0-DRBR（RGB濾光）安森美半導體推出采用突破性減少LED閃爍 (LFM)技術的新的230萬像素CMOS圖像傳感器樣品AR0231AT，為汽車先進駕駛輔助系統(ADAS)應用確立了一個新基準。新器件能捕獲1080p高動態范圍(HDR)視頻，還具備支持汽車安全完整性等級B(ASIL B)的特性。LFM技術(專利申請中)消除交通信號燈和汽車LED照明的高頻LED閃爍，令交通信號閱讀算法能于所有光照條件下工作。AR0231AT具有1/2.7英寸(6.82 mm)光學格式和1928(水平) x 1208(垂直)有源像素陣列。它采用最新的3.0微米背照式(BSI)像素及安森美半導體的DR-Pix?技術，提供雙轉換增益以在所有光照條件下提升性能。它以線性、HDR或LFM模式捕獲圖像，并提供模式間的幀到幀情境切換。 AR0231AT提供達4重曝光的HDR，以出色的噪聲性能捕獲超過120dB的動態范圍。AR0231AT能同步支持多個攝相機，以易于在汽車應用中實現多個傳感器節點，和通過一個簡單的雙線串行接口實現用戶可編程性。它還有多個數據接口，包括MIPI(移動產業處理器接口)、并行和HiSPi(高速串行像素接口)。其它關鍵特性還包括可選自動化或用戶控制的黑電平控制，支持擴頻時鐘輸入和提供多色濾波陣列選擇。封裝和現狀：AR0231AT采用11 mm x 10 mm iBGA-121封裝，現提供工程樣品。工作溫度范圍為-40℃至105℃(環境溫度)，將完全通過AEC-Q100認證。
標簽： 圖像傳感器
上傳時間： 2022-06-27
上傳用戶：XuVshu
本系統采用A. 系統需求分析報告(設計方法/數據流圖/數據字典) B. 數據庫的信息要求報告（E—R圖及關系數據模型） C. 數據庫的操作和應用要求報告（模塊結構圖<概念結構設計及邏輯結構設計>） D. 調試中出現的問題及解決方法（物理設計,調試及運行，維護） E. 訪問數據庫的方式(ODBC,
上傳時間： 2013-12-27
上傳用戶：日光微瀾
一般文獻對A—B效應的分析不夠明了，作者就此問題進行了探究，力求尋求一種既省時又省力簡單明了的方法，試著用費曼的的路徑積分理論定量地分析由矢勢A和標∞勢所致的A_B效應及超導量子干涉效應、介觀體系中的A_B效應等這些前沿領域的課題。
上傳時間： 2014-01-27
上傳用戶：372825274
企業物資管理系統 為了使物資管理部門的責、權、利得到落實, 以提高總體的經濟效益,采用J2EE 技術體系, 設計與實現了B/S 模式下的企業物資管理系統, 依據開發實例,分析了企業物資管理系統的業務需求和設計目標, 詳細討論了系統的實現技術、實現方案及安全設計
上傳時間： 2015-10-22
上傳用戶：liglechongchong
文法如下: (1)S->aAcBe (2)A->b (3)A->Ab (4)B->d 關於lr0的語法分析
上傳時間： 2015-11-22
上傳用戶：thinode
B樣條（三次）曲線和曲面逼近分析技術文檔
上傳時間： 2013-12-23
上傳用戶：BIBI
電網月度（年度）檢修計劃圖示化智能分析 技術報告。系統設計了通過B/S模型IE瀏覽器登陸系統網站上報檢修計劃，二級單位主任直接通過網頁審批檢修計劃，實現了上報計劃流程的網絡化。
上傳時間： 2014-10-31
上傳用戶：zaizaibang
