內含12864，1302等液晶LCD資料
上傳時間： 2013-11-16
上傳用戶：wweqas
基于C8051F020，通過12864進行顯示的等精度頻率測量，測量范圍為1HZ~1MHZ。 C8051F020與MCU-51的也沒多大的區(qū)別，個人感覺最大的區(qū)別主要還是管腳配置和晶振，像C8051F020增加的一些AD,DA，一般都不怎么用的。只是個人感覺，作為初學者，我也只能有這么個感受了，呵呵。程序經過調試，原理圖也正確。
上傳時間： 2013-11-21
上傳用戶：米卡
89c51的等精度頻率計lcd1602顯示
上傳時間： 2013-10-30
上傳用戶：lanjisu111
單片機編程實例_led等
上傳時間： 2013-11-25
上傳用戶：luke5347
摘要:隨著電子產品向智能化和微型化的不斷發(fā)展,單片機已成為電子產品研制和開發(fā)中首選的控制器。介紹了一種應用AT89C2051單片機設計的防盜自動報警電子密碼鎖系統(tǒng)。經實驗驗證該系統(tǒng)具有軟硬件設計簡單,易于開發(fā)，成本較低，安全可靠，操作方便等特點，可作為產品進行開發(fā)，應用于住宅、辦公室的保險箱及檔案柜等需要防盜的場所，有比較強的實用性。
上傳時間： 2013-10-16
上傳用戶：wab1981
采用Infineon XC2000系列單片機實現CAN網關模塊，利用MFC編寫PC端網關配置軟件。該系列單片機MultiCAN模塊可實現不同速率的獨立CAN網絡之間的數據接收、存儲、轉發(fā)；能夠過濾不需要的CAN消息，降低子網的負荷。該網關模塊可以實現改變CAN網絡拓撲結構、延長網絡通信距離、增加節(jié)點數目等功能。
上傳時間： 2014-12-27
上傳用戶：風為裳的風
CANopen協(xié)議講座(5)之CANopen從站模塊（XGate-COP10） CANopen協(xié)議是在20世紀90年代末，由CiA組織（CAN-in-Automation）在CAL（CAN Application Layer）的基礎上發(fā)展而來，一經推出便在歐洲得到了廣泛的認可與應用。經過對CANopen協(xié)議規(guī)范文本的多次修改，使得CANopen協(xié)議的穩(wěn)定性、實時性、抗干擾性都得到了進一步的提高。并且CiA在各個行業(yè)不斷推出設備子協(xié)議，使CANopen協(xié)議在各個行業(yè)得到更快的發(fā)展與推廣。目前CANopen協(xié)議已經在運動控制、車輛工業(yè)、電機驅動、工程機械、船舶海運等行業(yè)得到廣泛的應用。
上傳時間： 2013-11-14
上傳用戶：yare
本文檔著重介紹如何使用Philips 半導體的收發(fā)器PCA82C250[1]和PCA82C251[2]實現物理媒體連接子層物理信令子層和數據鏈路層之間的連接是通過集成的協(xié)議控制器實現的這些產品有像Philips 的PCx82C200 SJA1000 等而媒體相關接口負責連接傳輸媒體譬如將總線節(jié)點連接到總線的連接器像Philips 的TJA1050[3]或PCA82C250[4]等收發(fā)器
上傳時間： 2013-10-19
上傳用戶：31633073
CANopen 協(xié)議是在20 世紀90 年代末，由CiA 組織（CAN-in-Automation）在CAL（CANApplication Layer）的基礎上發(fā)展而來，一經推出便在歐洲得到了廣泛的認可與應用。經過對CANopen 協(xié)議規(guī)范文本的多次修改，使得CANopen 協(xié)議的穩(wěn)定性、實時性、抗干擾性都得到了進一步的提高。并且CiA 在各個行業(yè)不斷推出設備子協(xié)議，使CANopen 協(xié)議在各個行業(yè)得到更快的發(fā)展與推廣。目前CANopen 協(xié)議已經在運動控制、車輛工業(yè)電機驅動、工程機械、船舶海運等行業(yè)得到廣泛的應用。
上傳時間： 2014-12-08
上傳用戶：851197153
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(lián)的情況得到改善，提高了ALSM對相似樣本的區(qū)分能力。討論中以性能函數代替經驗函數來確定拒識規(guī)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(guī)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(guī)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
