諸如電信設備、存儲模塊、光學繫統、網絡設備、服務器和基站等許多復雜繫統都采用了 FPGA 和其他需要多個電壓軌的數字 IC，這些電壓軌必須以一個特定的順序進行啟動和停機操作，否則 IC 就會遭到損壞。
上傳時間： 2014-12-24
上傳用戶：packlj
電路板裝配、PCB 布局和數字 IC 集成的進步造就了新一代的高密度安裝、高性能繫統。
上傳時間： 2013-10-17
上傳用戶：RQB123
LTC3524 的 2.5V 至 6V 輸入電源範圍非常適合於那些從鋰離子電池或者多節堿性或鎳電池供電的便攜式設備。LCD 和 LED 驅動器的工作頻率均為 1.5MHz，因而允許使用纖巧、低成本的電感器和電容器。
上傳時間： 2013-11-22
上傳用戶：zzbbqq99n
高可用性繫統常常采用雙路饋送功率分配，旨在實現冗餘並增強系統的可靠性。“或”二極管把兩路電源一起連接在負載點上，最常用的是肖特基二極管，目的在於實現低損耗
上傳時間： 2013-10-19
上傳用戶：BOBOniu
CMOS 邏輯系統的功耗主要與時脈頻率、系統內各閘極輸入電容及電源電壓有關，裝置尺寸縮小後，電源電壓也隨之降低，使得閘極大幅降低功耗。這種低電壓裝置擁有更低的功耗和更高的運作速度，因此系統時脈頻率可升高至 Ghz 範圍。
上傳時間： 2013-10-14
上傳用戶：immanuel2006
T-60W開關電源技術參數
上傳時間： 2013-10-28
上傳用戶：change0329
用七個led小燈模擬骰子
上傳時間： 2013-11-16
上傳用戶：lty6899826
摘要：本文詳細的介紹了基于施耐德Modicon Premium T PCX 57 PLC在郵政自動化分揀系統中控制系統的應用，系統的網絡拓撲結構，工藝流程和信息采集等。關鍵詞：T PCX57 PLC FIPIO總線 OPC Momentum I/O模塊 分揀系統
上傳時間： 2013-11-10
上傳用戶：kristycreasy
arm指令集(1) ARM跳轉指令可以從當前指令向前或向后的32MB地址空間跳轉。這類跳轉指令有以下4種。 （1）B 跳4專指令 B〔條件） （地址） B指令屬于ARM指令集，是最簡單的分支指令。一旦遇到一個B指令，ARM處理器將立即跳轉到給定的地址，從那里繼續執行。注意：存儲在分支指令中的實際值是相對當前R15的值的一個偏移量，而不是一個絕對地址。它的值由匯編器來計算，是24位有符號數，左移兩位后有符號擴展為32位，表示的有效偏移位為26位（＋／－ 32 MB）。 （2）BL 帶返回的跳轉指令 BI，〔條件） （地址） BL指令也屬于ARM指令集，是另一個分支指令。就在分支之前，在寄存器R14中裝載上R15的內容，因此可以重新裝載R14到R15中來返回到這個分支之后的那個指令處執行，它是子例程的一個基本但強力的實現。 （3）BLX 帶返回和狀態切換的跳轉指令 BLX ＜地址＞ BLX指令有兩種格式，第1種格式的BLX指令記作BLX（1）。BLX（1）從ARM指令集跳轉到指令中指定的目標地址，并將程序狀態切換到Thumb狀態，該指令同時將PC寄存器的內容復制到LR寄存器中。 BLX（1）指令屬于無條件執行的指令。 第2種格式的BLX指令記作BLX（2）。BLX（2）指令從ARM指令集跳轉到指令中指定的目標地址，目標地址的指令可以是ARM指令，也可以是Thumb指令。目標地址放在指令中的寄存器＜dest＞中，該地址的bit［0］值為0，目標地址處的指令類型由CPSR中的T位決定。該指令同時將PC寄存器的內容復制到LR寄存器中。 （4）BX 帶狀態切換的跳轉指令 BX（條件） （dest） BX指令跳轉到指令中指定的目標地址，目標地址處的指令可以是ARM指令，也可以是Thumb指令。目標地址值為指令的值和0xFl·FFFFFF做“與”操作的結果，目標地址處的指令類型由寄存器決定。
上傳時間： 2014-12-27
上傳用戶：laomv123
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的情況得到改善，提高了ALSM對相似樣本的區分能力。討論中以性能函數代替經驗函數來確定拒識規則的參數，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
