數字信號調制動態演示系統，包含AM,PM,FM等多種演示，運行界面操作簡單。
上傳時間： 2017-06-24
上傳用戶：tianjinfan
實驗在Keil 3平臺上調試通過，IO實驗工程文件，定時器查詢方式實驗工程文件，中斷實驗工程文件，AD實驗工程文件，串口實驗工程文件， 電源及時鐘實驗工程文件。 7.dog 看門狗實驗工程文件 8.oled 液晶顯示實驗工程文件
上傳時間： 2017-07-08
上傳用戶：66666
對氣體檢測儀進行設置，驅動oled顯示漢字及數字
標簽： 氣體檢測儀
上傳時間： 2014-01-19
上傳用戶：水中浮云
遺傳算法的PID調節 題目：已知 ，利用GA 尋優PID參數，其中K=1，T=2， ，二進制/實數編碼，位數不限，M，Pc，Pm自選，性能指標 ，Q=100為仿真計算步長。
上傳時間： 2014-09-06
上傳用戶：wmwai1314
關于模擬調制解調的源代碼，am,ssb,dsb,pm,fm
上傳時間： 2014-01-22
上傳用戶：silenthink
Parallel robotic manipulators can be considered a well-established option for many different applications of manipulation, machining, guiding, testing, control, tracking, haptic force feed-back, etc. A typical parallel robotic manipulator (PM) consists of a mobile platform connected to the base (fixed platform) by at least two kinematic chains called limbs. The mobile platform can achieve between one and three independent translations (T) and one to three independent rotations (R).
標簽： well-established manipulators considered different
上傳時間： 2017-09-03
上傳用戶：moerwang
基于matlab，針對調幅AM、調頻FM和調相PM信號，分析在不同的噪聲環境，包括高斯白噪聲、色噪聲、非高斯噪聲及正弦干擾中，各種信號的二階循環譜。可根據需要改變程序中信號或噪聲環境，分析結果。
標簽： matlab
上傳時間： 2017-09-08
上傳用戶：13517191407
NEcK0系列單片機的一個例程，用來調試單片機。可以用PM+開發環境來實現編譯，反匯編和調試
上傳時間： 2017-09-09
上傳用戶：gdgzhym
遺傳算法為群體優化算法，也就是從多個初始解開始進行優化，每個解稱為一個染色體，各染色體之間通過競爭、合作、單獨變異，不斷進化。 優化時先要將實際問題轉換到遺傳空間，就是把實際問題的解用染色體表示，稱為編碼，反過程為解碼，因為優化后要進行評價，所以要返回問題空間，故要進行解碼。SGA采用二進制編碼，染色體就是二進制位串，每一位可稱為一個基因；解碼時應注意將染色體解碼到問題可行域內。 遺傳算法模擬“適者生存，優勝劣汰”的進化機制，染色體適應生存環境的能力用適應度函數衡量。對于優化問題，適應度函數由目標函數變換而來。一般遺傳算法求解最大值問題，如果是最小值問題，則通過取倒數或者加負號處理。SGA要求適應度函數>0，對于<0的問題，要通過加一個足夠大的正數來解決。這樣，適應度函數值大的染色體生存能力強。 遺傳算法有三個進化算子：選擇（復制）、交叉和變異。 SGA中，選擇采用輪盤賭方法，也就是將染色體分布在一個圓盤上，每個染色體占據一定的扇形區域，扇形區域的面積大小和染色體的適應度大小成正比。如果輪盤中心裝一個可以轉動的指針的話，旋轉指針，指針停下來時會指向某一個區域，則該區域對應的染色體被選中。顯然適應度高的染色體由于所占的扇形區域大，因此被選中的幾率高，可能被選中多次，而適應度低的可能一次也選不中，從而被淘汰。算法實現時采用隨機數方法，先將每個染色體的適應度除以所有染色體適應度的和，再累加，使他們根據適應度的大小分布于0-1之間，適應度大的占的區域大，然后隨機生成一個0-1之間的隨機數，隨機數落到哪個區域，對應的染色體就被選中。重復操作，選出群體規模規定數目的染色體。這個操作就是“優勝劣汰，適者生存”，但沒有產生新個體。 交叉模擬有性繁殖，由兩個染色體共同作用產生后代，SGA采用單點交叉。由于SGA為二進制編碼，所以染色體為二進制位串，隨機生成一個小于位串長度的隨機整數，交換兩個染色體該點后的那部分位串。參與交叉的染色體是輪盤賭選出來的個體，并且還要根據選擇概率來確定是否進行交叉（生成0-1之間隨機數，看隨機數是否小于規定的交叉概率），否則直接進入變異操作。這個操作是產生新個體的主要方法，不過基因都來自父輩個體。 變異采用位點變異，對于二進制位串，0變為1，1變為0就是變異。采用概率確定變異位，對每一位生成一個0-1之間的隨機數，看是否小于規定的變異概率，小于的變異，否則保持原狀。這個操作能夠使個體不同于父輩而具有自己獨立的特征基因，主要用于跳出局部極值。 遺傳算法認為生物由低級到高級進化，后代比前一代強，但實際操作中可能有退化現象，所以采用最佳個體保留法，也就是曾經出現的最好個體，一定要保證生存下來，使后代至少不差于前一代。大致有兩種類型，一種是把出現的最優個體單獨保存，最后輸出，不影響原來的進化過程；一種是將最優個體保存入子群，也進行選擇、交叉、變異，這樣能充分利用模式，但也可能導致過早收斂。 由于是基本遺傳算法，所以優化能力一般，解決簡單問題尚可，高維、復雜問題就需要進行改進了。 下面為代碼。函數最大值為3905.9262，此時兩個參數均為-2.0480，有時會出現局部極值，此時一個參數為-2.0480，一個為2.0480。算法中變異概率pm=0.05，交叉概率pc=0.8。如果不采用最優模式保留，結果會更豐富些，也就是算法最后不一定收斂于極值點，當然局部收斂現象也會有所減少，但最終尋得的解不一定是本次執行中曾找到過的最好解。
標簽： 遺傳算法
上傳時間： 2015-06-04
上傳用戶：芃溱溱123
OLED屏3驅動原理圖.12,屏為悠景3.12寸藍色
標簽： OLED屏3驅動原理圖.12
上傳時間： 2015-12-03
上傳用戶：lyceenne
