DAC0832方波鋸齒波和三角波,C51下的Proteus仿真及C源程序，非常適合初學(xué)單片機(jī)的新手們學(xué)習(xí)
上傳時(shí)間： 2013-09-24
上傳用戶：止絮那夏
DAC0832產(chǎn)生正弦波，C51下的Proteus仿真及C源程序，非常適合初學(xué)單片機(jī)的新手們學(xué)習(xí)
上傳時(shí)間： 2013-09-25
上傳用戶：marten
隨著遙感影像數(shù)據(jù)量不斷增長(zhǎng)，為了更加高效地組織與管理海量的遙感影像，研究并提出了改進(jìn)的基于小波分解的影像金字塔構(gòu)建方法。利用多分辨率分析和圖像的小波分解與重構(gòu)算法，參考影像金字塔構(gòu)建的一般方法，將圖像小波分解的不同級(jí)系數(shù)量化、編碼后，分別存儲(chǔ)于金字塔的不同層中。該構(gòu)建方法可以有效地降低金字塔各層之間的數(shù)據(jù)冗余，減少總數(shù)據(jù)量和瀏覽時(shí)的數(shù)據(jù)流量，并能更好地支持嵌入式碼流和漸進(jìn)式傳輸。
上傳時(shí)間： 2013-10-20
上傳用戶：1477849018@qq.com
波導(dǎo)傳輸檢波裝置用以發(fā)射機(jī)的檢波式功率監(jiān)測(cè)，是雷達(dá)導(dǎo)引頭發(fā)射機(jī)的一個(gè)重要組成部分。發(fā)射機(jī)產(chǎn)生的大功率射頻信號(hào)經(jīng)過(guò)波導(dǎo)傳輸檢波裝置最終傳輸給天線，在大功率傳輸過(guò)程中，波導(dǎo)傳輸檢波裝置從大功率射頻信號(hào)中耦合出一定量進(jìn)行射頻信號(hào)包絡(luò)檢波，檢波信號(hào)通過(guò)外圍電路處理可以反映發(fā)射機(jī)工作狀態(tài)，并可反饋優(yōu)化發(fā)射機(jī)工作狀態(tài)。文中介紹了波導(dǎo)傳輸檢波裝置的設(shè)計(jì)原理，并對(duì)設(shè)計(jì)中的一些重要環(huán)節(jié)進(jìn)行了仿真，其中包括了溫度對(duì)設(shè)計(jì)的影響。
標(biāo)簽： 波導(dǎo)傳輸檢波裝置
上傳時(shí)間： 2013-11-23
上傳用戶：哇哇哇哇哇
對(duì)三角波振蕩器的一些介紹
上傳時(shí)間： 2013-10-29
上傳用戶：417313137
數(shù)字水印是數(shù)字信息安全領(lǐng)域研究的一個(gè)熱點(diǎn)。小波變換算法以其多分辨率分析的特性在應(yīng)用數(shù)學(xué)方面取得了一定的發(fā)展。文中結(jié)合小波算法，在數(shù)字圖像的低頻域中采用分塊方法來(lái)嵌入數(shù)字水印，改進(jìn)了小波多尺度分解算法，通過(guò)實(shí)驗(yàn)說(shuō)明，該數(shù)字水印算法對(duì)數(shù)字水印的穩(wěn)定性效果明顯
上傳時(shí)間： 2013-11-08
上傳用戶：199311
在魚(yú)雷技術(shù)發(fā)展中，低截獲概率技術(shù)（LPI）的采用大大提高魚(yú)雷的作戰(zhàn)能力，同時(shí)也對(duì)截獲信號(hào)提出了更高的要求。本文將基于小波分析的檢測(cè)方法，具體對(duì)有效的低截獲特征信號(hào)信號(hào)進(jìn)行檢測(cè)，相比于短時(shí)傅里葉變換的基礎(chǔ)上，采用Daubechies5小波對(duì)信號(hào)進(jìn)行分解變換，證明小波分析方法的有效性及優(yōu)越性。
標(biāo)簽： 小波分析 信號(hào)檢測(cè) 方法研究
上傳時(shí)間： 2013-10-22
上傳用戶：lht618
對(duì)脈搏波信號(hào)進(jìn)行分析之前，對(duì)信號(hào)的去噪非常重要，本論文利用Mallat算法對(duì)脈搏波信號(hào)進(jìn)行多分辨分析和去噪，分別對(duì)閾值法、平移不變量法、模極大值法的降噪原理進(jìn)行分析，通過(guò)大量實(shí)驗(yàn)對(duì)比，比較了它們?cè)谔幚砻}搏波信號(hào)方面的優(yōu)缺點(diǎn)。通過(guò)對(duì)一段含噪脈搏波信號(hào)降噪，得到了滿意的去噪效果。
上傳時(shí)間： 2013-10-20
上傳用戶：lmq0059
這是一階二階電路在方波下形成的波形解析
標(biāo)簽： 動(dòng)態(tài)電路 方波 波形
上傳時(shí)間： 2013-11-24
上傳用戶：uuuuuuu
由于模擬電路的多樣性、非線性和離散性等特點(diǎn)，模擬電路的故障診斷呈現(xiàn)復(fù)雜、難以辨識(shí)等問(wèn)題。針對(duì)已有方法的數(shù)據(jù)不平衡，提出了一種支持向量機(jī)集成的故障診斷方法。使用小波變換方法提取特征向量，在多類(lèi)別支持向量機(jī)的基礎(chǔ)上，設(shè)計(jì)了模擬電路的最小二乘支持向量機(jī)預(yù)測(cè)模型，實(shí)現(xiàn)了對(duì)模擬電路的狀態(tài)的故障預(yù)測(cè)。將該方法應(yīng)用于Sallen-Key帶通電路進(jìn)行故障預(yù)測(cè)試驗(yàn)，結(jié)果表明，該方法比單一支持向量機(jī)、徑向基神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)和APSVM有更好的分類(lèi)和泛化性能，故障診斷準(zhǔn)確率更高。
標(biāo)簽： LS-SVM 集成 模擬電路 故障檢測(cè)
上傳時(shí)間： 2013-10-31
上傳用戶：417313137
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
