一.設(shè)計(jì)要求 1.道路有A.B兩路,一般情況A.B均有車(chē)時(shí),兩路各放行10S. 2.紅綠燈轉(zhuǎn)換必須經(jīng)過(guò)4秒黃燈閃爍. 3.若兩路均無(wú)車(chē)則保持原狀. 4.若一路通行無(wú)阻10秒后,另一路無(wú)車(chē),則繼續(xù)放行此路,直到另一路有車(chē). 5.若有緊急車(chē)輛通過(guò)兩路均無(wú)紅燈4秒,阻止一般車(chē)輛通過(guò),讓緊急車(chē)輛通過(guò)6.在數(shù)碼管顯示各路通行的標(biāo)志和剩余時(shí)間.
上傳時(shí)間： 2015-12-25
上傳用戶：siguazgb
1） A道和B道上均有車(chē)輛要求通過(guò)時(shí)，A、B道輪流放行。A道放行5分鐘（調(diào)試時(shí)改為5秒鐘），B道放行4分鐘（調(diào)試時(shí)改為4秒鐘）。 2） 一道有車(chē)而另一道無(wú)車(chē)（實(shí)驗(yàn)時(shí)用開(kāi)關(guān)K0和K1控制），交通燈控制系統(tǒng)能立即讓有車(chē)道放行。 3） 有緊急車(chē)輛要求通過(guò)時(shí)，系統(tǒng)要能禁止普通車(chē)輛通行，A、B道均為紅燈，緊急車(chē)由K2開(kāi)關(guān)模擬。 4） 綠燈轉(zhuǎn)換為紅燈時(shí)黃燈亮1秒鐘。
標(biāo)簽：
上傳時(shí)間： 2013-12-19
上傳用戶：daguda
如果四位數(shù)各位上的數(shù)字均是0或2或4或6或8, 則統(tǒng)計(jì)出滿足此條件的個(gè)數(shù)cnt, 并把這些四位數(shù)按從大到小的順序存入數(shù)組b中
上傳時(shí)間： 2016-06-23
上傳用戶：gtf1207
5.22④ 假設(shè)系數(shù)矩陣A和B均以三元組表作為存儲(chǔ)結(jié)構(gòu)。 試寫(xiě)出滿足以下條件的矩陣相加的算法：假設(shè)三元組表A 的空間足夠大，將矩陣B加到矩陣A上，不增加A、B之外 的附加空間，你的算法能否達(dá)到O(m+n)的時(shí)間復(fù)雜度?其 中m和n分別為A、B矩陣中非零元的數(shù)目。
上傳時(shí)間： 2013-12-13
上傳用戶：coeus
非均勻有理B樣條的matlab程序，其中用到了C的混合編程。對(duì)于學(xué)習(xí)數(shù)據(jù)融合技術(shù)的人很有幫助！
上傳時(shí)間： 2016-11-23
上傳用戶：huyiming139
fm1808中文資料 描述 FM1808是用先進(jìn)的鐵電技術(shù)制造的 256K位的非易失性的記憶體 鐵電隨機(jī) 存儲(chǔ)器 FRAM 是一種具有非易失 性 并且可以象RAM一樣快速讀寫(xiě) 但 它沒(méi)有BBSRAM模組系統(tǒng)的設(shè)計(jì)復(fù)雜 性 缺點(diǎn)和相關(guān)的可靠性問(wèn)題 數(shù)據(jù)在 掉電可以保存10年 高速寫(xiě)以及高擦寫(xiě) 次數(shù)使得它比EEPROM或其他非易失性 存儲(chǔ)器可靠性更高 系統(tǒng)更簡(jiǎn)單
上傳時(shí)間： 2014-01-11
上傳用戶：zhangjinzj
TLC5620 DAC轉(zhuǎn)換實(shí)驗(yàn)程序 該實(shí)驗(yàn)程序使用TLC5620中A、B、C、D四個(gè)通道中的前兩個(gè)通道分別輸出周期相等、幅度均為3.3V的三角波和方波，5620的輸出經(jīng)過(guò)LM358雙運(yùn)方的反相跟隨后增強(qiáng)了帶負(fù)載能力 并且使得輸出的信號(hào)電壓位于-3.3V～0V之間，起到了模擬反相的作用。在程序中，RNG位的置位使得輸出幅度增加一倍。
上傳時(shí)間： 2017-08-03
上傳用戶：lindor
編寫(xiě)擬合非均勻有理B樣條曲線的程序，可以進(jìn)行數(shù)據(jù)擬合
上傳時(shí)間： 2017-08-21
上傳用戶：leixinzhuo
該文檔為基于場(chǎng)景的光學(xué)遙感影像非均勻性校正講解文檔，是一份很不錯(cuò)的參考資料，具有較高參考價(jià)值，感興趣的可以下載看看………………
標(biāo)簽： 光學(xué)遙感影像 非均勻性校正
上傳時(shí)間： 2021-11-21
上傳用戶：
心音信號(hào)是人體最重要的生理信號(hào)之一，包含心臟各個(gè)部分如心房、心室、大血管、心血管及各個(gè)瓣膜功能狀態(tài)的大量生理病理信息。心音信號(hào)分析與識(shí)別是了解心臟和血管狀態(tài)的一種不可缺少的手段。本文針對(duì)目前該研究領(lǐng)域中存在的分析方法問(wèn)題和分類(lèi)識(shí)別技術(shù)難點(diǎn)展開(kāi)了深入的研究，內(nèi)容涉及心音構(gòu)成的分析、心音信號(hào)特征向量的提取、正常心音信號(hào)（NM）和房顫（AF）、主動(dòng)脈回流（AR）、主動(dòng)脈狹窄（AS）、二尖瓣回流（MR）4種心臟雜音信號(hào)的分類(lèi)識(shí)別。本文的工作內(nèi)容包括以下5個(gè)方面： a）心音信號(hào)采集與預(yù)處理。本文采用自行研制的帶有錄音機(jī)功能的聽(tīng)診器實(shí)現(xiàn)對(duì)心音信號(hào)的采集。通過(guò)對(duì)心音信號(hào)噪聲分析，選用小波降噪作為心音信號(hào)的濾波方法。根據(jù)實(shí)驗(yàn)分析，選擇Donoho閾值函數(shù)結(jié)合多級(jí)閾值的方法作為心音信號(hào)預(yù)處理方案。 b）心音信號(hào)時(shí)頻分析方法。文中采用5種時(shí)頻分析方法分別對(duì)心音信號(hào)進(jìn)行了時(shí)頻譜特性分析，結(jié)果表明：不同的時(shí)頻分析方法與待分析心音信號(hào)的特性有密切關(guān)系，即需要在小的交叉項(xiàng)干擾與高的時(shí)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(yīng)錐形核時(shí)頻（ATF）分析方法，通過(guò)實(shí)驗(yàn)驗(yàn)證該分布能較好地反映心音信號(hào)的時(shí)頻結(jié)構(gòu)，其性能優(yōu)于一般錐形核分布（CKD）以及Choi-Williams分布（CWD）、譜圖（SPEC）等固定核時(shí)頻分析方法，從而選擇自應(yīng)錐形核時(shí)頻分析方法進(jìn)行心音信號(hào)分析。 c）心音信號(hào)特征向量提取。根據(jù)對(duì)3M Littmann（） Stethoscopes[31]數(shù)據(jù)庫(kù)中標(biāo)準(zhǔn)心音信號(hào)的時(shí)頻分析結(jié)果，提取8組特征數(shù)據(jù)，通過(guò)Fihser降維處理方法提取出了實(shí)現(xiàn)分類(lèi)可視化，且最易于分類(lèi)的心音信號(hào)的2維特征向量，作為心音信號(hào)分類(lèi)的特征向量。 d）心音信號(hào)分類(lèi)方法。根據(jù)心音信號(hào)特征向量組成的散點(diǎn)圖，研究了支持向量機(jī)核函數(shù)、多分類(lèi)支持向量機(jī)的選取方法，同時(shí)，基于分類(lèi)的目的 性和可信性，本文提出以分類(lèi)精度最大為判斷準(zhǔn)則的核函數(shù)參數(shù)與松弛變量的優(yōu)化方法，建立了心音信號(hào)分類(lèi)的支持向量機(jī)模型，選取標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)中NM、AF、AR、AS、MR每類(lèi)心音信號(hào)的80組2維特征向量中每類(lèi)60組數(shù)據(jù)作為支持向量機(jī)的學(xué)習(xí)樣本，對(duì)余下的每類(lèi)20組數(shù)據(jù)進(jìn)行測(cè)試，得到每類(lèi)的分類(lèi)精度（Ar）均為100％，同時(shí)對(duì)臨床上采集的與上述4種同類(lèi)心臟雜音信號(hào)和正常心音信號(hào)中每類(lèi)24個(gè)心動(dòng)周期進(jìn)行分類(lèi)實(shí)測(cè)，分類(lèi)精度分別為：NM、AF、MR的分類(lèi)精度均為100％，而AR、AS均為95．83％，驗(yàn)證了該方法的分類(lèi)有效性。 e）心音信號(hào)分析與識(shí)別的軟件系統(tǒng)。本文以MATLAB語(yǔ)言的可視化功能實(shí)現(xiàn)了心音信號(hào)分析與識(shí)別的軟件運(yùn)行平臺(tái)構(gòu)建，可完成對(duì)心音信號(hào)的讀取、預(yù)處理，繪制時(shí)-頻、能量特性的三維圖及兩維等高線圖；同時(shí)，利用MATLAB與EXCEL的動(dòng)態(tài)鏈接，實(shí)現(xiàn)對(duì)心音信號(hào)分析數(shù)據(jù)的存儲(chǔ)以及統(tǒng)計(jì)功能；最后，通過(guò)對(duì)心音信號(hào)2維特征向量的分析，實(shí)現(xiàn)心音信號(hào)的自動(dòng)識(shí)別功能。 本文的研究特色主要體現(xiàn)在心音信號(hào)特征向量提取的方法以及多分類(lèi)支持向量機(jī)模型的建立兩方面。 綜上所述，本文從理論與實(shí)踐兩方面對(duì)心音信號(hào)進(jìn)行了深入的研究，主要是采用自適應(yīng)錐形核時(shí)頻分析方法提取心音信號(hào)特征向量，根據(jù)心音信號(hào)特征向量組成的散點(diǎn)圖，建立心音信號(hào)分類(lèi)的支持向量機(jī)模型，并對(duì)正常心音信號(hào)和4種心臟雜音信號(hào)進(jìn)行了分類(lèi)研究，取得了較為滿意的分類(lèi)結(jié)果，但由于用于分類(lèi)的心臟雜音信號(hào)種類(lèi)及數(shù)據(jù)量尚不足，因此，今后的工作重點(diǎn)是采集更多種類(lèi)的心臟雜音信號(hào)，進(jìn)一步提高心音信號(hào)分類(lèi)精度，使本文研究成果能最終應(yīng)用于臨床心臟量化聽(tīng)診。 關(guān)鍵詞：心音信號(hào)，小波降噪，非平穩(wěn)信號(hào)，心臟雜音，信號(hào)處理，時(shí)頻分析，自適應(yīng)，支持向量機(jī)
上傳時(shí)間： 2013-04-24
上傳用戶：weixiao99
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
<center id="e2eiw"></center>
