MB1504锁相环芯片的51单片机驱动程序,可以根据需要修改合适的分频值来完成频率合成配置.
上传时间： 2013-12-13
上传用户：skfreeman
nx=length(x(:)); if nargin<2 || isempty(win) win=nx; end if nargin<4 || isempty(m) m=''; end nwin=length(win); if nwin == 1 lw = win; w = ones(1,lw); else lw = nwin; w = win(:)'; end
标签： 能频值
上传时间： 2019-09-23
上传用户：minwenji
矩阵键盘的应用调试程序 4×4键盘扫瞄 每按一个键能通过数码管显示其位值， 稍加修改就能移值到别的程序进行使用
上传时间： 2013-11-29
上传用户：671145514
PIC单片机定时器初值计算器,通过选择分频值,定时时间,自动计算出定时器初值
上传时间： 2013-06-02
上传用户：mdrd3081
在正常操作期间，一次WDT 超时溢出将产生一次器件复位。如果器件处于休眠状态，一次WDT超时溢出将唤醒器件，使其继续正常操作（即称作WDT 唤醒）。对WDTE 设置位清零可以永久性地关闭WDT。后分频器分配完全是由软件控制，即它可在程序执行期间随时更改。在例26-1 中，如果需要的预分频值不是1:1，就不需要对OPTION_REG 寄存器做初始修改。如果需要的预分频值是1:1，那么先向OPTION_REG 设置一个非1:1 的临时预分频值，在完成其它操作后，在最后修改OPTION_REG 时再设置1:1 的预分频值。这样操作，主要是因为无法知道TMR0 预分频器的当前计数值，而且分频器更改后，该值将变为WDT 后分频器的当前计数值，所以必须遵循示例中的代码顺序。如果没有按照示例中的代码顺序改变OPTION_REG 寄存器，那么无法准确得知WDT 复位前的时间。
上传时间： 2013-11-02
上传用户：674635689
基于DE2实验板，Quartus6.0开发环境，驱动两行液晶，其中分频值可以设置的更小一些，调试成功，编译下载即可。
上传时间： 2016-06-12
上传用户：caozhizhi
利用达盛DSP试验箱设计键盘输入发生装置，要求： 1、 用键盘输入分频置，控制蜂鸣器发声。 2、 采用将DSP通用I/O引脚直接驱动的方式。 3、 用发光数码管显示分频值。
上传时间： 2014-01-13
上传用户：jing911003
数字式工频有效值多用表（摘自《第四届全国大学生电子设计竞赛获奖作品选编》）设计并制作一个能同时对一路工频交流电的电压有效值，电流有效值，有功功率，无功功率，功率因数进行测量的数字式多用表。
上传时间： 2013-11-09
上传用户：XLHrest
摘要:实战条件下如何评价短波跳频通信系统的抗干扰性能是构建短波跳频通信系统的重要环rr-}J。由于不 能得到精确的指标评价值，采川组合赋权法给出了系统抗干扰性能的评价算法已经不能适川。给出了一种模糊综 合评价方法，该方法有如下优点:为避兔专家赋指标权值的卞观随意性，将德尔菲(Delphi)法和层次分析法(AHP)相结合来确定指标权值 为了便于专家较准确地作出评判，给出了指标评价等级，并利川模糊评价法给出指标评价矩 阵，最后得到评价结果。评价实例表明了该方法的有效性。
上传时间： 2013-12-17
上传用户：yzy6007
心音信号是人体最重要的生理信号之一，包含心脏各个部分如心房、心室、大血管、心血管及各个瓣膜功能状态的大量生理病理信息。心音信号分析与识别是了解心脏和血管状态的一种不可缺少的手段。本文针对目前该研究领域中存在的分析方法问题和分类识别技术难点展开了深入的研究，内容涉及心音构成的分析、心音信号特征向量的提取、正常心音信号（NM）和房颤（AF）、主动脉回流（AR）、主动脉狭窄（AS）、二尖瓣回流（MR）4种心脏杂音信号的分类识别。本文的工作内容包括以下5个方面： a）心音信号采集与预处理。本文采用自行研制的带有录音机功能的听诊器实现对心音信号的采集。通过对心音信号噪声分析，选用小波降噪作为心音信号的滤波方法。根据实验分析，选择Donoho阈值函数结合多级阈值的方法作为心音信号预处理方案。 b）心音信号时频分析方法。文中采用5种时频分析方法分别对心音信号进行了时频谱特性分析，结果表明：不同的时频分析方法与待分析心音信号的特性有密切关系，即需要在小的交叉项干扰与高的时频分辨率之间作综合的考虑。鉴于此，本文提出了一种自适应锥形核时频（ATF）分析方法，通过实验验证该分布能较好地反映心音信号的时频结构，其性能优于一般锥形核分布（CKD）以及Choi-Williams分布（CWD）、谱图（SPEC）等固定核时频分析方法，从而选择自应锥形核时频分析方法进行心音信号分析。 c）心音信号特征向量提取。根据对3M Littmann（） Stethoscopes[31]数据库中标准心音信号的时频分析结果，提取8组特征数据，通过Fihser降维处理方法提取出了实现分类可视化，且最易于分类的心音信号的2维特征向量，作为心音信号分类的特征向量。 d）心音信号分类方法。根据心音信号特征向量组成的散点图，研究了支持向量机核函数、多分类支持向量机的选取方法，同时，基于分类的目的 性和可信性，本文提出以分类精度最大为判断准则的核函数参数与松弛变量的优化方法，建立了心音信号分类的支持向量机模型，选取标准数据库中NM、AF、AR、AS、MR每类心音信号的80组2维特征向量中每类60组数据作为支持向量机的学习样本，对余下的每类20组数据进行测试，得到每类的分类精度（Ar）均为100％，同时对临床上采集的与上述4种同类心脏杂音信号和正常心音信号中每类24个心动周期进行分类实测，分类精度分别为：NM、AF、MR的分类精度均为100％，而AR、AS均为95．83％，验证了该方法的分类有效性。 e）心音信号分析与识别的软件系统。本文以MATLAB语言的可视化功能实现了心音信号分析与识别的软件运行平台构建，可完成对心音信号的读取、预处理，绘制时-频、能量特性的三维图及两维等高线图；同时，利用MATLAB与EXCEL的动态链接，实现对心音信号分析数据的存储以及统计功能；最后，通过对心音信号2维特征向量的分析，实现心音信号的自动识别功能。 本文的研究特色主要体现在心音信号特征向量提取的方法以及多分类支持向量机模型的建立两方面。 综上所述，本文从理论与实践两方面对心音信号进行了深入的研究，主要是采用自适应锥形核时频分析方法提取心音信号特征向量，根据心音信号特征向量组成的散点图，建立心音信号分类的支持向量机模型，并对正常心音信号和4种心脏杂音信号进行了分类研究，取得了较为满意的分类结果，但由于用于分类的心脏杂音信号种类及数据量尚不足，因此，今后的工作重点是采集更多种类的心脏杂音信号，进一步提高心音信号分类精度，使本文研究成果能最终应用于临床心脏量化听诊。 关键词：心音信号，小波降噪，非平稳信号，心脏杂音，信号处理，时频分析，自适应，支持向量机
上传时间： 2013-04-24
上传用户：weixiao99
