摘要：近年來我國單片機通訊電路及通訊方法的研究工作取得了前所未有成績，但是仍存在許多的問題亟需人們?nèi)ソ鉀Q。本文主要對單片機的通訊電路及通訊方法的相關(guān)性問題進(jìn)行-f4g~t與研究，以便更好的為我國單片機通訊事業(yè)做出應(yīng)有的貢獻(xiàn)。
上傳時間： 2013-10-19
上傳用戶：as275944189
并行計算方法的詳細(xì)介紹，深入淺出的介紹了并行計算方法的實現(xiàn)和應(yīng)用，是研究并行計算方法的同志們必看的書。
上傳時間： 2014-01-02
上傳用戶：D&L37
chaos相關(guān)的論文合集，非常的經(jīng)典，強烈推薦
上傳時間： 2015-08-28
上傳用戶：hwl453472107
有關(guān)GCC的資料合集，中文的、英文的，GCC使用，makefile編寫方法，是GCC開發(fā)的好助手。
標(biāo)簽： GCC
上傳時間： 2016-12-07
上傳用戶：sardinescn
本文件中包含了很多在通信基本原理中常用的源程序，像各種調(diào)制方式，交織方式，編碼方式都有很詳盡的源程序。非常經(jīng)典！
上傳時間： 2014-01-03
上傳用戶：二驅(qū)蚊器
在圖像模板匹配問題中,基于像素灰度值的相關(guān)算法盡管已經(jīng)十分普遍,并得到廣泛的應(yīng)用,但目前此類算法都還存在有時間復(fù)雜度高、對圖像亮度與尺寸變化敏感等缺點.為了克服這些缺點,提出一種新的基于圖像灰度值的編碼表示方法.這種方法將圖像分割為一定大小的方塊(稱為R-塊),計算每個R-塊圖像的總灰度值,并根據(jù)它與相鄰R-塊灰度值的排序關(guān)系進(jìn)行編碼.然后通過各個R-塊編碼值的比較,實現(xiàn)圖像與模板的匹配.新算法中各個R-塊編碼的計算十分簡單 匹配過程只要對編碼值進(jìn)行相等比較,而且可以采用快速的比較算法.新算法對像素灰度的變化與噪聲具有魯棒性,其時間復(fù)雜度是O(M2log(N)).實驗結(jié)果表明,新算法比現(xiàn)有的灰度相關(guān)算法的計算時間快了兩個數(shù)量級.
上傳時間： 2013-12-21
上傳用戶：a673761058
運動控制技術(shù)是機電一體化的核心部分，提高運動控制技術(shù)水平對于提高我國的機電一體化技術(shù)具有至關(guān)重要的作用。運動控制技術(shù)的發(fā)展是制造自動化前進(jìn)的旋律，是推動新的產(chǎn)業(yè)革命的關(guān)鍵技術(shù)。對于數(shù)控系統(tǒng)來說，最重要的是控制各個電機軸的運動，這是運動控制器接收并依照數(shù)控裝置的指令來控制各個電機軸運動從而實現(xiàn)數(shù)控加工的，數(shù)據(jù)加工中的定位控制精度、速度調(diào)節(jié)的性能等重要指標(biāo)都與運動控制器直接相關(guān)。目前對數(shù)控系統(tǒng)的研究都集中在插入PC的NC控制器的研究上，而其核心部分就是對步進(jìn)、伺服電機進(jìn)行控制的運動控制卡的研究。對PC-NC來說，運動控制卡的性能很大程度上決定了整個數(shù)控系統(tǒng)的性能，而微電子和數(shù)字信號處理技術(shù)的發(fā)展及其應(yīng)用，使運動控制卡的性能得到了不斷改進(jìn)，集成度和可靠性大大提高。 本課題通過對運動控制技術(shù)的深入研究，并針對國內(nèi)運動控制技術(shù)的研究起步較晚的現(xiàn)狀，結(jié)合當(dāng)前運動控制領(lǐng)域的具體需要，緊跟當(dāng)前運動控制技術(shù)研究的發(fā)展趨勢，吸收了數(shù)控技術(shù)和相關(guān)運動控制技術(shù)的最新成果，提出了基于PCI和FPGA的方案，研制了一款比較新穎的、功能強大的、具有很大柔性的四軸多功能運動控制卡。 本課題的具體研究主要有以下幾方面： 首先，通過對運動控制卡及運動控制系統(tǒng)等行業(yè)現(xiàn)狀的全面調(diào)研，和對運動控制技術(shù)的深入學(xué)習(xí)，在比較了幾種常用的運動控制方案的基礎(chǔ)上，提出了基于FPGA的運動控制設(shè)計方案，并規(guī)劃了板卡的總體設(shè)計。 其次，根據(jù)總體設(shè)計，規(guī)劃了板卡的結(jié)構(gòu)，詳細(xì)劃分并實現(xiàn)了FPGA各部分的功能；利用光電隔離原理設(shè)計了數(shù)字輸入/輸出電路。 再次，利用FPGA的資源實現(xiàn)了PCI從設(shè)備接口，達(dá)到跟控制卡通信的目的，針對運動控制中的一些具體問題，如運動平穩(wěn)性、實時控制以及多軸聯(lián)動等，在FPGA上設(shè)計了四軸運動控制電路，定義了各個寄存器的具體功能，設(shè)計了功能齊全的加／減速控制電路、變頻分配電路、倍頻分頻電路和三個功能各異的計數(shù)器電路等，自動降速點運動、A／B相編碼器倍頻計數(shù)電路等特殊功能。最后，進(jìn)行了本運動控制卡的測試，從測試和應(yīng)用結(jié)果來看，該卡達(dá)到預(yù)期的要求。
上傳時間： 2013-07-27
上傳用戶：zgu489
fpga學(xué)習(xí)中常用的縮略語
上傳時間： 2013-09-07
上傳用戶：英雄
摘要： 利用多層感知器神經(jīng)網(wǎng)絡(luò)和自組織映射神經(jīng)網(wǎng)絡(luò)對球墨鑄鐵、可鍛鑄鐵和灰鑄鐵的金相圖像進(jìn)行了分割提取。通過對比以上兩種方法分割后的圖像質(zhì)量和定量分析樣本圖像中的石墨結(jié)構(gòu)、珍珠巖/鐵氧體結(jié)構(gòu)所占的百分含量后發(fā)現(xiàn)，多層感知器網(wǎng)絡(luò)分割提取的結(jié)果與樣本實際的結(jié)果更加接近，而自組織映射神經(jīng)網(wǎng)絡(luò)分割提取的結(jié)果則不夠理想。據(jù)此，可以推斷多層感知器網(wǎng)絡(luò)是實現(xiàn)金屬圖像分割自動化提取和精確性分析的有效工具。
標(biāo)簽： 人工神經(jīng)網(wǎng)絡(luò) 中的應(yīng)用 圖像分割
上傳時間： 2014-12-29
上傳用戶：icarus
文中在研究現(xiàn)有先驗知識與支持向量機融合的基礎(chǔ)上，針對置信度函數(shù)憑經(jīng)驗給出的不足，提出了一種確定置信度函數(shù)方法，更好地進(jìn)行分類。該方法是建立在模糊系統(tǒng)理論的基礎(chǔ)上：將樣本的緊密度信息作為先驗知識應(yīng)用于支持向量機的構(gòu)造中，在確定樣本的置信度時，不僅考慮了樣本到所在類中心之間的距離，還考慮樣本與類中其它樣本之間的關(guān)系，通過模糊連接度將支持向量與含噪聲樣本進(jìn)行區(qū)分。文中將基于先驗知識的支持向量機應(yīng)用于醫(yī)學(xué)圖像分割，以加拿大麥吉爾大學(xué)的brainWeb模擬腦部數(shù)據(jù)庫提供的不同噪聲的圖像進(jìn)行實驗，實驗結(jié)果表明采用基于先驗知識的支持向量機比傳統(tǒng)支持向量機具有更好的抗噪性能及分類能力。
標(biāo)簽： 支持向量機 圖像分割 中的應(yīng)用
上傳時間： 2013-10-12
上傳用戶：cmc_68289287
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
