μCLinux 以其出色的性能在嵌入式系統中得到了廣泛的應用。針對μCLinux 的特性,μCLinux 與標準 Linux 的區別,討論了μCLinux 作為嵌入式平臺的優缺點。并結合自己的移植μCLinux 到ARMulator 體會,總結了 一個μCLinux 移植到各種嵌入式硬件平臺的一般開發過程。
上傳時間： 2014-08-27
上傳用戶：TF2015
ofdm信道特性 Channel transmission simulator Channel transmission simulator ％ ％ inputs: ％ sig2 - noise variance ％ Mt - number of Tx antennas ％ Mr - number of Rx antennas ％ x - vector of complex input symbols (for MIMO, this is a matrix, where each column ％ is the value of the antenna outputs at a single time instance) ％ H - frequency selective channel - represented in block-Toeplitz form for MIMO transmission ％ N - number of symbols transmitted in OFDM frame ％ ％ outputs: ％ y - vector of channel outputs (matrix for MIMO again, just like x matrix) ％ create noise vector sequence (each row is a different antenna, each column is a ％ different time index) note: noise is spatially and temporally white
標簽： transmission simulator Channel inputs
上傳時間： 2016-07-22
上傳用戶：kelimu
基于VxWorks的EICAS系統軟件研究.pdf ：本文介紹了發動機指示和機組警告系統(EICAS)和嵌入式實施操作系統VxWorks的主要特性，探討了在VxWorks下EICAS的軟件開發過程。
上傳時間： 2013-12-24
上傳用戶：wkchong
CCD器件的特性評價及其驅動和數據采集電路設計，這是一篇碩士論文，希望對大家有用。
上傳時間： 2014-01-19
上傳用戶：李夢晗
靜態存儲器的工作特性及使用方法。半導體隨機存儲器如何存儲和讀取數據。
上傳時間： 2016-07-27
上傳用戶：李彥東
第一節 引言 一、傳輸線的基本概念 二、分布參數電路 第二節 傳輸線方程及其解答 一、傳輸線的分布參數及其等效電路 二、均勻傳輸線方程及其解 三、傳輸線上行波的傳播特性參數
上傳時間： 2016-07-29
上傳用戶：chenlong
幾種圖像處理源碼 程序代碼說明 P0301：數字圖像矩陣數據的顯示及其傅立葉變換 P0302：二維離散余弦變換的圖像壓縮 P0303：采用灰度變換的方法增強圖像的對比度 P0304：直方圖均勻化 P0305：模擬圖像受高斯白噪聲和椒鹽噪聲的影響 P0306：采用二維中值濾波函數medfilt2對受椒鹽噪聲干擾的圖像濾波 P0307：采用MATLAB中的函數filter2對受噪聲干擾的圖像進行均值濾波 P0308：圖像的自適應魏納濾波 P0309：運用5種不同的梯度增強法進行圖像銳化 P0310：圖像的高通濾波和掩模處理 P0311：利用巴特沃斯（Butterworth）低通濾波器對受噪聲干擾的圖像進行平滑處理 P0312：利用巴特沃斯（Butterworth）高通濾波器對圖像進行銳化處理
上傳時間： 2013-11-25
上傳用戶：jkhjkh1982
《新編Win32API》本書首先對Win32 API函數做完整的概述；然后收錄五大類函數：窗口管理、圖形設備接口、系統服務、國際特性以及網絡服務；在附錄部分，講解如何在Visual Basic和Delphi中對其調用。
上傳時間： 2016-07-30
上傳用戶：caixiaoxu26
在充分研究了原有的二值圖像加密算法的基礎上，結合混沌序列的特性提出了一種基于位擴展的灰度圖像加密算法,并作了對比試驗
上傳時間： 2014-01-11
上傳用戶：gtzj
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個數據對象劃分為 k個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個“中心對象”（引力中心）來進行計算的。 k-means 算法的工作過程說明如下：首先從n個數據對象任意選擇 k 個對象作為初始聚類中心；而對于所剩下其它對象，則根據它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計算每個所獲新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復這一過程直到標準測度函數開始收斂為止。一般都采用均方差作為標準測度函數. k個聚類具有以下特點：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
上傳時間： 2016-07-31
上傳用戶：youlongjian0
