C Sourcr cdoe 採用AD7714 電能表數(shù)據(jù)和計量脈沖輸出，進行測量、計量，滿足電網(wǎng)配變監(jiān)測計量的需要
上傳時間： 2013-12-19
上傳用戶：330402686
TMS320F2812各種TI自帶函數(shù)，如初始化函數(shù)以及外設函數(shù)說明
上傳時間： 2014-12-06
上傳用戶：小眼睛LSL
利用互信息對圖像進行配準，使用的是matlab自帶的優(yōu)化工具箱
標簽： 圖像
上傳時間： 2017-04-17
上傳用戶：caiiicc
本論文主要介紹圖像處理系統(tǒng)軟件的算法分析、代碼實現(xiàn)。以及實現(xiàn)軟件開發(fā)的程序開發(fā)工具Delphi的簡單介紹。軟件開發(fā)的目的是實現(xiàn)對圖像的銳化、扭曲、波浪平滑處理等效果。文章的主要內(nèi)容為該軟件的算法分析過程、代碼編寫、界面設計和系統(tǒng)實現(xiàn)過程。本論文特別對圖象的銳化、圖象的扭曲和圖象的平滑處理算法進行了系統(tǒng)的分析和比較，如銳化功能的差分法與邊緣提取算法的分析、比較，平滑功能的平滑濾波法、中值濾波法、自適應濾波法等算法的分析、比較。然后對確定的這幾個功能算法的實現(xiàn)編寫了Delphi的算法代碼，其中心代碼在文中將詳細介紹。論文最后介紹了本軟件的界面設計過程和界面設計結果，并對其中幾個主要按鈕的代碼實現(xiàn)做了介紹。是介紹整個軟件開發(fā)過程的文章。
上傳時間： 2017-05-21
上傳用戶：qw12
異步FIFO是用來適配不同時鐘域之間的相位差和頻率飄移的重要模塊。本文設計的異步FIFO采用了格雷（GRAY）變換技術和雙端口RAM實現(xiàn)了不同時鐘域之間的數(shù)據(jù)無損傳輸。該結構利用了GRAY變換的特點，使得整個系統(tǒng)可靠性高和抗干擾能力強，系統(tǒng)可以工作在讀寫時鐘頻率漂移達到正負300PPM的惡劣環(huán)境。并且由于采用了模塊化結構，使得系統(tǒng)具有良好的可擴充性。
上傳時間： 2017-05-27
上傳用戶：xinzhch
使用MSP430與CS8900開發(fā)網(wǎng)頁伺服器，可以動態(tài)顯示MCU溫度.
上傳時間： 2017-06-03
上傳用戶：
VC的可視化編程環(huán)境為我們提供了方便的界面編程操作，然而對于不規(guī)則窗體的實現(xiàn)，還需要通過語言編程來實現(xiàn)。本文檔教你如何編寫自定制不規(guī)則窗體！
上傳時間： 2014-01-15
上傳用戶：lz4v4
Visual C++（簡稱VC）是Microsoft公司推出的目前使用極為廣泛的基于Windows平臺的C++可視化開發(fā)環(huán)境。Visual C++6.0提供的控制臺應用程序?qū)W習和掌握標準C++內(nèi)容非常有利。“可視”的資源編輯器與MFC類以及應用程序向?qū)В瑸榭焖俑咝У亻_發(fā)出功能強大的Windows應用程序提供了極大的方便。利用Visual C++6.0進行Internet、數(shù)據(jù)庫及多媒體等多方面的程序開發(fā)也很容易。在我國，Visual C++6.0已相當流行，為了適應形式發(fā)展的需要和廣泛的社會需求，我信息工程學院各專業(yè)自2003年開始，都陸續(xù)開設了C++和Visual C++應用程序設計課程。為了方便教學和學生們的學習，我們開設了網(wǎng)上教學一欄，將教師教案供學生網(wǎng)上閱讀，并在其中設立學生提問，教師答疑等。希望同學們能真正學好這門課程。
標簽： Visual Microsoft Windows 6.0
上傳時間： 2014-12-21
上傳用戶：sdq_123
P0301：數(shù)字圖像矩陣數(shù)據(jù)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(shù)medfilt2對受椒鹽噪聲干擾的圖像濾波 P0307：采用MATLAB中的函數(shù)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： 2017-07-12
上傳用戶：ikemada
語音識別中的說話人自適應研究.nh 1.MAP和MLLR算法比較 文章在討論由說話人引起的聲學差異基礎上，研究兩種基于模型 的自適應算法:最大似然線性回歸(州壓LR)和最大后驗概率(MAp)。 實驗結果表明，不論采用哪種自適應都能使識別率有一定的提升。兩 種算法之間的差異性在于MAP具有良好的漸進性，但收斂性較差， 而MLLR在很大程度上改善了收斂特性，但其漸進特性卻不如MAP。 文章討論了在側汰P自適應中，初始模型參數(shù)的先驗知識對自適 應效果的影響，以及在MLLR中，回歸類對自適應效果的影響。文 章還進一步研究了采用兩種算法的累加自適應效果，從結果看MAP 和MLLR結合的方法比單獨使用M[AP和MLLR的效果要好。文章 還對包括基于特征層的歸一化算法和用于基于聲學模型的MLLR算 法等效性進行討論，并給出了統(tǒng)一的算法框架。
上傳時間： 2014-01-09
上傳用戶：bakdesec
<center id="ssu24"></center>