放墨香商業版本， 巨陵-蠻牛掉元寶,願意打的就是高手 開放包袱商人會帶備稀而物品給各位大俠購買 本服轉身請登入官網轉身 本服遊戲幣個人上限是40億 如果帶多了 轉圖重登都會變回40億 全球最強防外掛系統,打造2016年最公平的墨湘 本服承諾,絕無任何嚴重bug,保證遊戲穩定運行 本服禁止空白名,定期自動清理帶空名的玩家
標簽： 墨香
上傳時間： 2016-04-11
上傳用戶：西子灣灣
PDF文檔，主動降噪技術，用共振阻止噪聲
上傳時間： 2016-07-12
上傳用戶：pnrp
針對高壓共軌 4 缸柴油機進行了怠速噪聲測試 、 噪聲源識別、降噪以及聲品質優化研究工作。通過改變轉速 、 預噴油量 、 預噴間隔角、軌壓和主噴正時 ,研究了這些參數對怠速噪聲的影響,并確定最佳值。通過燃燒噪聲分析和噪聲源識別 ,采取怠速噪聲降噪措施 。對怠速噪聲優化前后的結果進行聲品質比較 ,采取的電控標定優化和屏蔽措施能有效改善怠速聲品質 。研究結果表明: 該 4 缸柴油機經過電控優化標定后的主要怠速噪聲源為機械噪聲 ,通過對齒輪室罩蓋 、 氣缸蓋罩蓋等薄壁件采取屏蔽措施,能有效降低怠速噪聲 ,改善聲品質
標簽： 柴油機
上傳時間： 2017-04-20
上傳用戶：0987654321
此論文針對車內噪聲會對人體健康造成不良影響的問題。文中采用線性橫向結構濾波器和 FXLMS 算法構建系統模型，在 Matlab 平臺上引入次級通路理念，搭建加入次級通路傳函的有源前饋噪聲控制系統，解決了有源噪聲控制系統中的非線性通路問題。
上傳時間： 2017-12-02
上傳用戶：flybelieve
介紹了基于 0# 公司提供的 1)’ 芯片 0")/-.2$34.- 的自適應有源噪聲控制（56789: ;<8=: 6<;7><?，,@$）系統，給出了系統的工作原理及其硬件結構，并詳細說明了基于平均的 *+,*, （*8?7:>:A B C ,A5D789: *8?7:>8;E F87G ,9:>5E8;E）算法，給出了程序流程圖和實驗結果。通過實驗證 明，該系統有較好的降噪效果
上傳時間： 2017-12-05
上傳用戶：xiaoding
自編利用Labview進行信號分析，實現連續信號降噪、截取分析
上傳時間： 2019-05-08
上傳用戶：小東北lhp
ephraim1995 子空間降噪經典算法
標簽： Enhancement Approach Subspace Signal Speech for
上傳時間： 2020-04-29
上傳用戶：LacrimosaMozart
在互補式金氧半(CMOS)積體電路中，隨著量產製程的演進，元件的尺寸已縮減到深次微 米(deep-submicron)階段，以增進積體電路(IC)的性能及運算速度，以及降低每顆晶片的製造 成本。但隨著元件尺寸的縮減，卻出現一些可靠度的問題。 在次微米技術中，為了克服所謂熱載子(Hot-Carrier)問題而發展出 LDD(Lightly-Doped Drain) 製程與結構; 為了降低 CMOS 元件汲極(drain)與源極(source)的寄生電阻(sheet resistance) Rs 與 Rd，而發展出 Silicide 製程; 為了降低 CMOS 元件閘級的寄生電阻 Rg，而發展出 Polycide 製 程 ; 在更進步的製程中把 Silicide 與 Polycide 一起製造，而發展出所謂 Salicide 製程
標簽： Protection CMOS ESD ICs in
上傳時間： 2020-06-05
上傳用戶：shancjb
設計高速電路必須考慮高速訊 號所引發的電磁干擾、阻抗匹配及串音等效應，所以訊號完整性 (signal integrity)將是考量設計電路優劣的一項重要指標，電路日異複雜必須仰賴可 靠的軟體來幫忙分析這些複雜的效應，才比較可能獲得高品質且可靠的設計， 因此熟悉軟體的使用也將是重要的研究項目之一。另外了解高速訊號所引發之 各種效應(反射、振鈴、干擾、地彈及串音等)及其克服方法也是研究高速電路 設計的重點之一。目前高速示波器的功能越來越多，使用上很複雜，必須事先 進修學習，否則無法全盤了解儀器之功能，因而無法有效發揮儀器的量測功能。 其次就是高速訊號量測與介面的一些測試規範也必須熟悉，像眼圖分析，探針 效應，抖動(jitter)測量規範及高速串列介面量測規範等實務技術，必須充分 了解研究學習，進而才可設計出優良之教學教材及教具。
標簽： 高速電路
上傳時間： 2021-11-02
上傳用戶：jiabin
在工業應用中常用一組傳感器對問一個被測量目標在一個過程的不同位置進行測量，然而由于每個傳感器位于過程的不同位置，它們將不問程度的受到嗓聲的干擾，為了從被嗓聲干擾的多傳感器測量值中獲得更準確的測量結果，霱要進“步研究多傳感器的融合理論多傳感器數據融合系統的關鍵在于如何充分利用各個傳感器的信息，得到對被測參數的最優估計，本文主要研究了以加權的方式進行多傳感器數據融合的方法，即研究如何對每個傳感器進行加權，從而得到對被測參數最優佑計的方法為此本文在介紹了多傳感器數據融合技術的基礎上，首先研究了基于奇異值分解的數據融合算法，通過對傳感器測量值構成的矩陣進行奇異值分解，利用每個傳感器測量值所對應的奇異值，可以估計出對每個傳感器權值的最優估計，從而在不要任何先驗知識的條件下，可僅由多傳感器的測量值，利用提出的算法得到在最小均方誤差意義下的被測參數的最優估計，此外，在許多工業過程中，人們利用多傳感器測量同一過程參數以控制該參數在過程中的不同位置能根據需要進行合理分布，此時人們希望利用多傳感器融合的測量結果，對每一個傳感器的測量數據進行重建，以獲得對每一個傳感器的測量結果進行更為準確的估計。為此，本文進一步研究了基于小波降噪和數據融合的傳感器數據重建算法，仿真和實驗結果都說明提出算法是有效的，最后，研究了非線性動態系統的狀態融合問題，研究了加權無氣味卡爾曼濾波（UKF）方法，研究表明無氣味卡爾曼波波能克服了擴展卡爾曼濾波（EKF）在狀態融合估計中的不足，可以得到了更準確的狀態融合估計結關鍵詞多傳感器系統，數據融合，奇異值分解，UKF
上傳時間： 2022-03-16
上傳用戶：aben
