从输入文件中读取数据,构造最优二叉树,输入文件格式如下: 节点的值 出现概率 例如: A 0.001 B 0.25
上传时间： 2016-07-10
上传用户：baiom
实现51单片机的温度控制系统！传感器采用DS18B20!实现精度可达0.001摄氏度！
上传时间： 2014-01-15
上传用户：refent
绘出DSB解调器的输出并给出功率为其0.001，0.01，0.05，0.1和0.3倍的白高斯噪声存在的情况下解调器的输出
上传时间： 2016-08-21
上传用户：fxf126@126.com
基于msp430单片机的测脉宽 误差在0.001
上传时间： 2014-12-19
上传用户：叶山豪
P3.20. Consider an analog signal xa (t) = sin (2πt), 0 ≤t≤ 1. It is sampled at Ts = 0.01, 0.05, and 0.1 sec intervals to obtain x(n). b) Reconstruct the analog signal ya (t) from the samples x(n) using the sinc interpolation (use ∆ t = 0.001) and determine the frequency in ya (t) from your plot. (Ignore the end effects.) C) Reconstruct the analog signal ya (t) from the samples x (n) using the cubic spline interpolation and determine the frequency in ya (t) from your plot. (Ignore the end effects.)
标签： Consider sampled analog signal
上传时间： 2017-07-12
上传用户：咔乐坞
NEO-6M-0-001模块。NEO-6M-V1.0 GPS模块， 原理图、PCB，可以直接打样使用，可以提供stm32源码
上传时间： 2022-07-01
上传用户：zinuoyu
摘要：对特殊的环境温度进行测量.不仅要求测量的实时性.而且要求测量的精确度.使测量的温度达到既定的标准。因此作者介绍了一种应用铂电阻进行高精度的温度测量系统.系统中以PT100铂电阻作为测温传感器.采用最小二乘法来消除测温系统的非线性.并应用24位高性能模数转换器AD7714对所输入的模拟信号进行模/数转换。AD转换器AD7714的应用保证了0.001摄氏度的测量分辨率.最小二乘法的非线性优化使系统的测量误差小于0.01%。关键词：温度测量 AD7714 AT89C51 单片机 非线性优化 最小二乘法 铂电阻
上传时间： 2013-11-19
上传用户：dongbaobao
摘要：超低频信号发生器是科研、教学、制造业中一种最常用的通用仪器，输出波形一般固定为正弦波、三角波、锯齿波和方波，不能实现有时在实验和工程应用中需要的特殊信号或自定义信号。而要实现这一要求，不是做成硬件式的专用信号发生器，就是用计算机系统来完成，前者仍然不灵活，后者费用太高。然而应用单片机技术，通过软件与硬件的有机结合由硬件电路搭成一个环境平台，再由软件程序把要求的“任意函数信号”数据表嵌入在单片机程序存储器内，通过软件程序更改输出波形数据表，即可方便实现输出任意函数信号，而无需变动硬件电路。本原理样机使用单片机AT89C51，对其进行一次固化，可以安排四种任意波形，频率范围为0.001～800Hz，幅值范围为0～±10V。本文中对原理样机的软硬件系统的性能和误差进行了定量分析，并设计了一套使用Intel公司的新一代16位单片机80296SA对该样机进行了性能提升的新型样机方案，然后对新型样机方案进行了原理分析和性能分析，并给出了误差的定量计算，表明此方案不但可使样机的原理频率范围提高至1500Hz，输出幅值不变，输出分辨率提高至212，使波形质量大为改善。希望这种性价比较高的函数信号发生器对科研、教学、制造业有所帮助。关键词：单片机应用 MCS51 MCS296 超低频信号发生器
上传时间： 2013-11-20
上传用户：7891
一个很好的学习粒子群算法的例子。（刘康C++版本） 程序介绍： 模拟一群鸟捕食的情景，从而达到优化目标函数的目的，这就是粒子群算法！起初在可行的空间中随机的产生一群粒子，然后让每个粒子开始在虚拟的空间中向四面八方飞翔，并且每个粒子都记下他们飞过的适应值（也就是目标优化函数）最高的点，而且整个粒子群有一个最高适应值个体，这样，粒子在飞翔的时候尽量朝向自己曾飞过的最好的点和集体的最好的点。最后达到收敛到近似最优点的目的。 备注：目标优化函数程序中已经内定了，f6 ={0.5-[sin(sqrt(x2+y2)2-0.5]}/(1+0.001*(x2+y2))2 用户可以通过编辑pso.cpp文件自定义优化函数。另外屏幕输出的是最后所求得的最优值和相应的最优点。
上传时间： 2014-11-21
上传用户：天涯
% 生成训练样本集 clear all; clc; P=[110 0.807 240 0.2 15 1 18 2 1.5; 110 2.865 240 0.1 15 2 12 1 2; 110 2.59 240 0.1 12 4 24 1 1.5; 220 0.6 240 0.3 12 3 18 2 1; 220 3 240 0.3 25 3 21 1 1.5; 110 1.562 240 0.3 15 3 18 1 1.5; 110 0.547 240 0.3 15 1 9 2 1.5]; 0 1.318 300 0.1 15 2 18 1 2]; T=[54248 162787 168380 314797; 28614 63958 69637 82898; 86002 402710 644415 328084; 230802 445102 362823 335913; 60257 127892 76753 73541; 34615 93532 80762 110049; 56783 172907 164548 144040]; @907 117437 120368 130179]; m=max(max(P)); n=max(max(T)); P=P'/m; T=T'/n; %-------------------------------------------------------------------------% pr(1:9,1)=0; %输入矢量的取值范围矩阵 pr(1:9,2)=1; bpnet=newff(pr,[12 4],{'logsig', 'logsig'}, 'traingdx', 'learngdm'); %建立BP神经网络， 12个隐层神经元，4个输出神经元 %tranferFcn属性 'logsig' 隐层采用Sigmoid传输函数 %tranferFcn属性 'logsig' 输出层采用Sigmoid传输函数 %trainFcn属性 'traingdx' 自适应调整学习速率附加动量因子梯度下降反向传播算法训练函数 %learn属性 'learngdm' 附加动量因子的梯度下降学习函数 net.trainParam.epochs=1000;%允许最大训练步数2000步 net.trainParam.goal=0.001; %训练目标最小误差0.001 net.trainParam.show=10; %每间隔100步显示一次训练结果 net.trainParam.lr=0.05; %学习速率0.05 bpnet=train(bpnet,P,T); %------------------------------------------------------------------------- p=[110 1.318 300 0.1 15 2 18 1 2]; p=p'/m; r=sim(bpnet,p); R=r'*n; display(R);
上传时间： 2016-05-28
上传用户：shanqiu
