function [alpha,N,U]=youxianchafen2(r1,r2,up,under,num,deta) %[alpha,N,U]=youxianchafen2(a,r1,r2,up,under,num,deta) %該函數用有限差分法求解有兩種介質的正方形區域的二維拉普拉斯方程的數值解 %函數返回迭代因子、迭代次數以及迭代完成后所求區域內網格節點處的值 %a為正方形求解區域的邊長 %r1,r2分別表示兩種介質的電導率 %up,under分別為上下邊界值 %num表示將區域每邊的網格剖分個數 %deta為迭代過程中所允許的相對誤差限 n=num+1; %每邊節點數 U(n,n)=0; %節點處數值矩陣 N=0; %迭代次數初值 alpha=2/(1+sin(pi/num));%超松弛迭代因子 k=r1/r2; %兩介質電導率之比 U(1,1:n)=up; %求解區域上邊界第一類邊界條件 U(n,1:n)=under; %求解區域下邊界第一類邊界條件 U(2:num,1)=0;U(2:num,n)=0; for i=2:num U(i,2:num)=up-(up-under)/num*(i-1);%采用線性賦值對上下邊界之間的節點賦迭代初值 end G=1; while G>0 %迭代條件：不滿足相對誤差限要求的節點數目G不為零 Un=U; %完成第n次迭代后所有節點處的值 G=0; %每完成一次迭代將不滿足相對誤差限要求的節點數目歸零 for j=1:n for i=2:num U1=U(i,j); %第n次迭代時網格節點處的值 if j==1 %第n+1次迭代左邊界第二類邊界條件 U(i,j)=1/4*(2*U(i,j+1)+U(i-1,j)+U(i+1,j)); end if (j>1)&&(j U2=1/4*(U(i,j+1)+ U(i-1,j)+ U(i,j-1)+ U(i+1,j)); U(i,j)=U1+alpha*(U2-U1); %引入超松弛迭代因子后的網格節點處的值 end if i==n+1-j %第n+1次迭代兩介質分界面（與網格對角線重合）第二類邊界條件 U(i,j)=1/4*(2/(1+k)*(U(i,j+1)+U(i+1,j))+2*k/(1+k)*(U(i-1,j)+U(i,j-1))); end if j==n %第n+1次迭代右邊界第二類邊界條件 U(i,n)=1/4*(2*U(i,j-1)+U(i-1,j)+U(i+1,j)); end end end N=N+1 %顯示迭代次數 Un1=U; %完成第n+1次迭代后所有節點處的值 err=abs((Un1-Un)./Un1);%第n+1次迭代與第n次迭代所有節點值的相對誤差 err(1,1:n)=0; %上邊界節點相對誤差置零 err(n,1:n)=0; %下邊界節點相對誤差置零 G=sum(sum(err>deta))%顯示每次迭代后不滿足相對誤差限要求的節點數目G end
標簽： 有限差分
上傳時間： 2018-07-13
上傳用戶：Kemin
function y=lagr(x0,y0,x) %x0,y0為節點 %x是插值點 n=length(x0); m=length(x); for i=1:m z=x(i); s=0.0; for k=1:n p=1.0; for j=1:n if j~=k p=p*(z-x0(j))/(x0(k)-x0(j)); end end s=p*y0(k)+s; end y(i)=s; end
標簽： lagr
上傳時間： 2020-06-09
上傳用戶：shiyc2020
硬件工程師 電子工程師必備知識手冊關鍵字： 電阻 基礎知識 線繞電阻器 薄膜電阻器 實心電阻器 電阻 導電體對電流的阻礙作用稱著電阻，用符號 R 表示，單位為歐姆、千歐、兆歐， 分別用Ω、kΩ、MΩ 表示。 一、電阻的型號命名方法： 國產電阻器的型號由四部分組成（不適用敏感電阻） 第一部分：主稱 ，用字母表示，表示產品的名字。如 R 表示電阻，W 表示電位 器。 第二部分：材料 ，用字母表示，表示電阻體用什么材料組成，T-碳膜、H-合成 碳膜、S-有機實心、N-無機實心、J-金屬膜、Y-氮化膜、C-沉積膜、I-玻璃釉膜、 X-線繞。 第三部分：分類，一般用數字表示，個別類型用字母表示，表示產品屬于什么類 型。1-普通、2-普通、3-超高頻 、4-高阻、5-高溫、6- 精密、7-精密、8-高壓、 9-特殊、G-高功率、T-可調。 第四部分：序號，用數字表示，表示同類產品中不同品種，以
上傳時間： 2022-02-17
上傳用戶：
觸發器是時序邏輯電路的基本構成單元，按功能不同可分為 RS 觸發器、 JK 觸發器、 D 觸發器及 T 觸發器四種，其功能的描述可以使用功能真值表、激勵表、狀態圖及特性方程。只要增加門電路便可以實現不同功能觸發器的相互轉換，例如要將 D 觸發器轉換為 JK 觸發器，轉換的關鍵是推導出 D 觸發器的輸入端 D 與 JK 觸發器的輸入端J 、 K 及狀態輸出端 Qn 的邏輯表達式，然后用門電路去實現該邏輯表達式。具體的設計方法有公式法和圖表法兩種。
上傳時間： 2014-12-23
上傳用戶：lbbyxmoran
線性卷積和線性相關的FFT算法：一 實驗目的 1：掌握FFT基2時間（或基2頻率）抽選法，理解其提高減少乘法運算次數提高運算速度的原理。 2：掌握FFT圓周卷積實現線性卷積的原理 二 實驗內容及要求 1.對N=2048或4096點的離散時間信號x(n)，試用Matlab語言編程分別以DFT和FFT計算N個頻率樣值X(k), 比較兩者所用時間的大小。 2.對N/2點長的x(n)和N/2點長的h(n)，試用Matlab語言編程實現以圓周卷積代替線性卷積，并比較圓周卷積法和直接計算線性卷積兩者的運算速度。 三預做實驗 1.FFT與DFT計算時間的比較 （1）FFT提高運算速度的原理 （2）實驗數據與結論 2.圓周卷積代替線性卷積的有效性實驗 （1）圓周卷積代替線性卷積的原理 （2）實驗數據和結論 FFT提高運算速度的原理 FFT算法將長序列的DFT分解為短序列的DFT。N點的DFT先分解為2個N/2點的DFT，每個N/2點的DFT又分解為N/4點的DFT，等等。最小變換的點數即所謂的“基數”。因此，基數為2的FFT算法的最小變換（或稱蝶型）是2點的DFT。一般地，對N點FFT，對應于N個輸入樣值，有N個頻域樣值與之對應。
上傳時間： 2013-10-26
上傳用戶：erkuizhang
K-MEANS算法 輸入：聚類個數k，以及包含 n個數據對象的數據庫。 輸出：滿足方差最小標準的k個聚類。 處理流程： （1） 從 n個數據對象任意選擇 k 個對象作為初始聚類中心； （2） 循環（3）到（4）直到每個聚類不再發生變化為止 （3） 根據每個聚類對象的均值（中心對象），計算每個對象與這些中心對象的距離；并根據最小距離重新對相應對象進行劃分； （4） 重新計算每個（有變化）聚類的均值（中心對象）
上傳時間： 2013-12-20
上傳用戶：chenjjer
遙控解碼通過電腦串口顯示 /* 晶振：11.0569MHz */ #include <REGX52.h> #define uchar unsigned char uchar data IRcode[4] //定義一個4字節的數組用來存儲代碼 uchar CodeTemp //編碼字節緩存變量 uchar i,j,k //延時用的循環變量 sbit IRsignal=P3^2 //HS0038接收頭OUT端直接連P3.2(INT0) /**************************延時0.9ms子程序**********************/ void Delay0_9ms(void) {uchar j,k for(j=18 j>0 j--) for(k=20 k>0 k--) } /***************************延時1ms子程序**********************/ void Delay1ms(void) {uchar i,j for(i=2 i>0 i--) for(j=230 j>0 j--) }
標簽： uchar unsigned 11.0569 include
上傳時間： 2013-12-12
上傳用戶：Breathe0125
function [R,k,b] = msc(A) % 多元散射校正 % 輸入待處理矩陣，通過多元散射校正，求得校正后的矩陣 %% 獲得矩陣行列數 [m,n] = size(A); %% 求平均光譜 M = mean(A,2); %% 利用最小二乘法求每一列的斜率k和截距b for i = 1:n a = polyfit(M,A(:,i),1); if i == 1 k = a(1); b = a(2); else k = [k,a(1)]; b = [b,a(2)]; end end %% 求得結果 for i = 1:n Ai = (A(:,i)-b(i))/k(i); if i == 1 R = Ai; else R = [R,Ai]; end end
上傳時間： 2020-03-12
上傳用戶：15275387185
最小平方近似法 (least-squares approximation) 是用來求出一組離散 (discrete) 數據點的近似函數 (approximating function)，作實驗所得的數據亦常使用最小平方近似法來達成曲線密合 (curve fitting)。以下所介紹的最小平方近似法是使用多項式作為近似函數，除了多項式之外，指數、對數方程式亦可作為近似函數。關於最小平方近似法的計算原理，請參閱市面上的數值分析書籍
標簽： least-squares approximation approximating discrete
上傳時間： 2015-06-21
上傳用戶：SimonQQ
歐基理德輾轉相除法(之二) m與n相差太大時，可用(m％n)來取代(m-n)，這樣的處理效率較高。以下便以此方法求出最大公因數。
標簽： 除法
上傳時間： 2014-01-14
上傳用戶：llandlu
