停車誘導系統中車位預測模型的研究 摘 要 研究城市停車誘導系統的停車車位占有率預測問題。首先提出墓于B P神經網絡的車位占有預測模型， 同時將自適應 學習速率調整法和加入動量項方法用于改善基本B P神經網絡， 優化了學習速率， 減少了訓練過程的震蕩趨勢， 改善了網絡的收效 隆。以此為基礎實現了停車位的智能預測 0最后， 進行了多種方法比對實驗
上傳時間： 2013-12-17
上傳用戶：GavinNeko
數學實驗中的最速落徑問題 A,B是不在一條鉛垂線上的兩點，在鏈接A,B兩點的所有光滑曲線中，找出一條曲線，使得初速度為零的質點，在重力的作用下，自A點下滑到B點所需的時間最短
標簽： 實驗
上傳時間： 2013-12-18
上傳用戶：bruce
5V USB扁口接口TP4055鋰離子電池充電接口板ALTIUM設計硬件原理圖+PCB文件，2層B板手設計，大小為33*18mm,，可以做為你的學習設計參考。TP4055 是一款完整的單節鋰離子電池充電器，帶電池正負極反接保護，采用恒定 電流/恒定電壓線性控制。其 SOT 封裝與較少的外部元件數目使得 TP4055 成為便攜式應 用的理想選擇。TP4055 可以適合 USB 電源和適配器電源工作。 由于采用了內部 PMOSFET 架構，加上防倒充電路，所以不需要外部檢測電阻器和 隔離二極管。熱反饋可對充電電流進行自動調節，以便在大功率操作或高環境溫度條件 下對芯片溫度加以限制。充滿電壓固定于 4.2V，而充電電流可通過一個電阻器進行外部 設置。當電池達到 4.2V 之后，充電電流降至設定值 1/10，TP4055 將自動終止充電。 當輸入電壓（交流適配器或 USB 電源）被拿掉時，TP4055 自動進入一個低電流狀 態，電池漏電流在 2uA 以下。TP4055 的其他特點包括充電電流監控器、欠壓閉鎖、自 動再充電和一個用于指示充電結束和輸入電壓接入的狀態引腳。
上傳時間： 2021-11-22
上傳用戶：trh505
21世紀大學新型參考教材系列 集成電路B 荒井
上傳時間： 2013-04-15
上傳用戶：eeworm
家電維修(最基礎的教程B)1-20.Torrent
上傳時間： 2013-06-10
上傳用戶：eeworm
jk-b交通信號控制機原理圖
上傳時間： 2013-07-13
上傳用戶：eeworm
專輯類-實用電子技術專輯-385冊-3.609G jk-b交通信號控制機原理圖-1.3M.zip
上傳時間： 2013-08-02
上傳用戶：zhf1234
專輯類-電子基礎類專輯-153冊-2.20G 21世紀大學新型參考教材系列-集成電路B-荒井-159頁-2.8M.pdf
上傳時間： 2013-05-16
上傳用戶：pkkkkp
三次B樣條曲線源代碼,C語言編寫的三次B樣條曲線源代碼，希望大家喜歡。
標簽：
上傳時間： 2013-07-13
上傳用戶：chengli008
心音信號是人體最重要的生理信號之一，包含心臟各個部分如心房、心室、大血管、心血管及各個瓣膜功能狀態的大量生理病理信息。心音信號分析與識別是了解心臟和血管狀態的一種不可缺少的手段。本文針對目前該研究領域中存在的分析方法問題和分類識別技術難點展開了深入的研究，內容涉及心音構成的分析、心音信號特征向量的提取、正常心音信號（NM）和房顫（AF）、主動脈回流（AR）、主動脈狹窄（AS）、二尖瓣回流（MR）4種心臟雜音信號的分類識別。本文的工作內容包括以下5個方面： a）心音信號采集與預處理。本文采用自行研制的帶有錄音機功能的聽診器實現對心音信號的采集。通過對心音信號噪聲分析，選用小波降噪作為心音信號的濾波方法。根據實驗分析，選擇Donoho閾值函數結合多級閾值的方法作為心音信號預處理方案。 b）心音信號時頻分析方法。文中采用5種時頻分析方法分別對心音信號進行了時頻譜特性分析，結果表明：不同的時頻分析方法與待分析心音信號的特性有密切關系，即需要在小的交叉項干擾與高的時頻分辨率之間作綜合的考慮。鑒于此，本文提出了一種自適應錐形核時頻（ATF）分析方法，通過實驗驗證該分布能較好地反映心音信號的時頻結構，其性能優于一般錐形核分布（CKD）以及Choi-Williams分布（CWD）、譜圖（SPEC）等固定核時頻分析方法，從而選擇自應錐形核時頻分析方法進行心音信號分析。 c）心音信號特征向量提取。根據對3M Littmann（） Stethoscopes[31]數據庫中標準心音信號的時頻分析結果，提取8組特征數據，通過Fihser降維處理方法提取出了實現分類可視化，且最易于分類的心音信號的2維特征向量，作為心音信號分類的特征向量。 d）心音信號分類方法。根據心音信號特征向量組成的散點圖，研究了支持向量機核函數、多分類支持向量機的選取方法，同時，基于分類的目的 性和可信性，本文提出以分類精度最大為判斷準則的核函數參數與松弛變量的優化方法，建立了心音信號分類的支持向量機模型，選取標準數據庫中NM、AF、AR、AS、MR每類心音信號的80組2維特征向量中每類60組數據作為支持向量機的學習樣本，對余下的每類20組數據進行測試，得到每類的分類精度（Ar）均為100％，同時對臨床上采集的與上述4種同類心臟雜音信號和正常心音信號中每類24個心動周期進行分類實測，分類精度分別為：NM、AF、MR的分類精度均為100％，而AR、AS均為95．83％，驗證了該方法的分類有效性。 e）心音信號分析與識別的軟件系統。本文以MATLAB語言的可視化功能實現了心音信號分析與識別的軟件運行平臺構建，可完成對心音信號的讀取、預處理，繪制時-頻、能量特性的三維圖及兩維等高線圖；同時，利用MATLAB與EXCEL的動態鏈接，實現對心音信號分析數據的存儲以及統計功能；最后，通過對心音信號2維特征向量的分析，實現心音信號的自動識別功能。 本文的研究特色主要體現在心音信號特征向量提取的方法以及多分類支持向量機模型的建立兩方面。 綜上所述，本文從理論與實踐兩方面對心音信號進行了深入的研究，主要是采用自適應錐形核時頻分析方法提取心音信號特征向量，根據心音信號特征向量組成的散點圖，建立心音信號分類的支持向量機模型，并對正常心音信號和4種心臟雜音信號進行了分類研究，取得了較為滿意的分類結果，但由于用于分類的心臟雜音信號種類及數據量尚不足，因此，今后的工作重點是采集更多種類的心臟雜音信號，進一步提高心音信號分類精度，使本文研究成果能最終應用于臨床心臟量化聽診。 關鍵詞：心音信號，小波降噪，非平穩信號，心臟雜音，信號處理，時頻分析，自適應，支持向量機
上傳時間： 2013-04-24
上傳用戶：weixiao99
