LTC3524 的 2.5V 至 6V 輸入電源範圍非常適合於那些從鋰離子電池或者多節堿性或鎳電池供電的便攜式設備。LCD 和 LED 驅動器的工作頻率均為 1.5MHz，因而允許使用纖巧、低成本的電感器和電容器。
上傳時間： 2013-11-22
上傳用戶：zzbbqq99n
對於輸出電壓處於輸入電壓範圍之內 (這在鋰離子電池供電型應用中是一種很常見的情形) 的 DC/DC 轉換器設計，可供采用的傳統解決方案雖有不少，但迄今為止都不能令人非常滿意
上傳時間： 2013-11-19
上傳用戶：urgdil
PC電源測試系統chroma8000簡介
上傳時間： 2013-11-08
上傳用戶：xiehao13
瑞薩單片機程序，很好使
上傳時間： 2013-11-05
上傳用戶：com1com2
用七個led小燈模擬骰子
上傳時間： 2013-11-16
上傳用戶：lty6899826
瑞薩電子基于RX62T單片機的PMSM電機位置控制英文資料：RX62T基于RX CPU架構，集成了增強的定時器單元（MTU3、GPT）、12位AD轉換器（1μs轉換時間），每個AD轉換單元還集成可調增益運放和窗口比較器，適用于各種電機控制和變頻器應用。最近瑞薩電子推出先進電機控制算法，其關鍵技術包括高級脈沖幅值調制技術、先進的電動機驅動技術等。基于RX62T高性能32位CISC MCU，使用瑞薩先進電機控制算法實現空調壓縮機控制時，可以實現如下系統規格：適用空調器制冷量范圍《8000W，低頻振動最高振幅《300μm，壓縮機轉速范圍為1～150rps，功率因數額定工況》0.9，滿載高達100%，調制度《200%，電流檢測方式為單電阻檢測。它不但可以提供業界最精簡的BOM，還可以在不增加BOM成本的情況下實現更多的功能。
上傳時間： 2013-10-20
上傳用戶：ve3344
為了提高傳統溫度控制系統的性能，將PID控制理論與嵌入式系統相結合，采用瑞薩電子公司的H8S/2166作為核心處理器，AD公司的AD7705以及熱敏電阻溫度傳感器作為溫度檢測單元，利用4×6小鍵盤、LCD顯示器和S1D13305液晶控制器達到良好的人機交互，設計出了一個應用于化工領域的嵌入式實時溫度控制系統。相比于傳統溫度控制系統，該系統提供了更強的計算能力和可擴展能力，采用增量PID控制算法實現復雜控制。通過實驗，該系統能達到0.1 ℃的溫度控制精度以及小于120 s的溫度穩定時間。 Abstract: In order to improve the performance of conventional temperature control system， combining PID control theory with embedded systems， using the Renesas Electronics Corp. H8S/2166 micro-controller as a core processors， AD7705 and thermistor temperature sensor as a temperature detection unit and 4×6 small keyboard， LCD and S1D13305 LCD controller as a good human-computer interaction， this paper designed an embedded real-time temperature control system which is applied in chemical industry. Compared with conventional temperature control system， this system provides more computing power and extensibility， and adopts PID control algorithm for complex control. Through the experiment， the system can reach temperature control accuracy of 0.1 ℃ and temperature stabilization time of less than 120 seconds.
上傳時間： 2014-12-26
上傳用戶：003030
議程1.瑞薩汽車業務概述2.儀表盤MCU解決方案3.CAN/LIN（車身）MCU解決方案
上傳時間： 2013-10-20
上傳用戶：王成林。
瑞薩QzROM單片機應用于家電及消費類電子的解決方案
上傳時間： 2014-12-27
上傳用戶：luke5347
提出了一種改進的LSM-ALSM子空間模式識別方法，將LSM的旋轉策略引入ALSM，使子空間之間互不關聯的情況得到改善，提高了ALSM對相似樣本的區分能力。討論中以性能函數代替經驗函數來確定拒識規則的參數，實現了識別率、誤識率與拒識率之間的最佳平衡；通過對有限字符集的實驗結果表明，LSM-ALSM算法有效地改善了分類器的識別率和可靠性。關 鍵 詞 學習子空間; 性能函數; 散布矩陣; 最小描述長度在子空間模式識別方法中，一個線性子空間代表一個模式類別，該子空間由反映類別本質的一組特征矢量張成，分類器根據輸入樣本在各子空間上的投影長度將其歸為相應的類別。典型的子空間算法有以下三種[1, 2]：CLAFIC(Class-feature Information Compression)算法以相關矩陣的部分特征向量來構造子空間，實現了特征信息的壓縮，但對樣本的利用為一次性，不能根據分類結果進行調整和學習，對樣本信息的利用不充分；學習子空間方法(Leaning Subspace Method, LSM)通過旋轉子空間來拉大樣本所屬類別與最近鄰類別的距離，以此提高分類能力，但對樣本的訓練順序敏感，同一樣本訓練的順序不同對子空間構造的影響就不同；平均學習子空間算法(Averaged Learning Subspace Method, ALSM)是在迭代訓練過程中，用錯誤分類的樣本去調整散布矩陣，訓練結果與樣本輸入順序無關，所有樣本平均參與訓練，其不足之處是各模式的子空間之間相互獨立。針對以上問題，本文提出一種改進的子空間模式識別方法。子空間模式識別的基本原理1.1 子空間的分類規則子空間模式識別方法的每一類別由一個子空間表示，子空間分類器的基本分類規則是按矢量在各子空間上的投影長度大小，將樣本歸類到最大長度所對應的類別，在類x()iω的子空間上投影長度的平方為()211,2,,()argmax()jMTkkjpg===Σx (1)式中 函數稱為分類函數；為子空間基矢量。兩類的分類情況如圖1所示。
上傳時間： 2013-12-25
上傳用戶：熊少鋒
