ASR M08-B设置软件 V3.2 arduino 2560+ASRM08-B测试程序 arduino UNO+ASRM08-B测试程序语音控制台灯电路图及C51源码(不带校验码) 继电器模块设置。 ASR M08-B是一款语音识别模块。首先对模块添加一些关键字，对着该模块说出关键字，串口会返回三位的数，如果是返回特定的三位数字，还会引起ASR M08-B的相关引脚电平的变化。【测试】①打开“ASR M08-B设置软件 V3.2.exe”。②选择“串口号”、“打开串口”、点选“十六进制显示”。③将USB转串口模块连接到语音识别模块上。接线方法如下：语音模块TXD --> USB模块RXD语音模块RXD --> USB模块TXD语音模块GND --> USB模块GND语音模块3V3 --> USB模块3V3（此端为3.3V电源供电端。）④将模块的开关拨到“A”端，最好再按一次上面的大按钮（按一次即可，为了确保模块工作在正确的模式）。⑤对着模块说“开灯”、“关灯”模块会返回“0B”、“0A”，表示正常(注意：0B对应返回值010，0B对应返回值010，返回是16进制显示的嘛，设置的时候是10进制设置的)。
标签： ASR M08-B
上传时间： 2022-07-06
上传用户：aben
微处理器及微型计算机的发展概况 第一代微处理器是以Intel公司1971年推出的4004，4040为代表的四位微处理机。 第二代微处理机（1973年~1977年），典型代表有：Intel 公司的8080、8085；Motorola公司的M6800以及Zlog公司的Z80。 第三代微处理机 第三代微机是以16位机为代表，基本上是在第二代微机的基础上发展起来的。其中Intel公司的8088。8086是在8085的基础发展起来的；M68000是Motorola公司在M6800 的基础发展起来的； 第四代微处理机 以Intel公司1984年10月推出的80386CPU和1989年4月推出的80486CPU为代表， 第五代微处理机的发展更加迅猛，1993年3月被命名为PENTIUM的微处理机面世，98年PENTIUM 2又被推向市场。 INTEL CPU 发展历史Intel第一块CPU 4004,4位主理器,主频108kHz,运算速度0.06MIPs(Million Instructions Per Second, 每秒百万条指令),集成晶体管2,300个,10微米制造工艺,最大寻址内存640 bytes,生产曰期1971年11月. 8085,8位主理器,主频5M,运算速度0.37MIPs,集成晶体管6,500个,3微米制造工艺,最大寻址内存64KB,生产曰期1976年 8086,16位主理器,主频4.77/8/10MHZ,运算速度0.75MIPs,集成晶体管29,000个,3微米制造工艺,最大寻址内存1MB,生产曰期1978年6月. 80486DX,DX2,DX4,32位主理器,主频25/33/50/66/75/100MHZ,总线频率33/50/66MHZ,运算速度20~60MIPs,集成晶体管1.2M个,1微米制造工艺,168针PGA,最大寻址内存4GB,缓存8/16/32/64KB,生产曰期1989年4月 Celeron一代, 主频266/300MHZ(266/300MHz w/o L2 cache, Covington芯心 (Klamath based),300A/333/366/400/433/466/500/533MHz w/128kB L2 cache, Mendocino核心 (Deschutes-based), 总线频率66MHz,0.25微米制造工艺,生产曰期1998年4月) Pentium 4 (478针),至今分为三种核心:Willamette核心(主频1.5G起,FSB400MHZ,0.18微米制造工艺),Northwood核心(主频1.6G~3.0G,FSB533MHZ,0.13微米制造工艺, 二级缓存512K),Prescott核心(主频2.8G起,FSB800MHZ,0.09微米制造工艺,1M二级缓存,13条全新指令集SSE3),生产曰期2001年7月. 更大的缓存、更高的频率、 超级流水线、分支预测、乱序执行超线程技术 微型计算机组成结构单片机简介单片机即单片机微型计算机，是将计算机主机(CPU、 内存和I/O接口)集成在一小块硅片上的微型机。 三、计算机编程语言的发展概况 机器语言 机器语言就是0，1码语言，是计算机唯一能理解并直接执行的语言。汇编语言 用一些助记符号代替用0，1码描述的某种机器的指令系统，汇编语言就是在此基础上完善起来的。高级语言 BASIC，PASCAL，C语言等等。用高级语言编写的程序称源程序，它们必须通过编译或解释，连接等步骤才能被计算机处理。 面向对象语言 C++，Java等编程语言是面向对象的语言。 1.3 微型计算机中信息的表示及运算基础（一） 十进制ND有十个数码：0～9，逢十进一。 例 1234.5=1×103 +2×102 +3×101 +4×100 +5×10-1加权展开式以10称为基数，各位系数为0～9，10i为权。 一般表达式：ND= dn-1×10n-1+dn-2×10n-2 +…+d0×100 +d-1×10-1+… （二） 二进制NB两个数码：0、1, 逢二进一。 例 1101.101=1×23+1×22+0×21+1×20+1×2-1+1×2-3 加权展开式以2为基数，各位系数为0、1， 2i为权。 一般表达式： NB = bn-1×2n-1 + bn-2×2n-2 +…+b0×20 +b-1×2-1+… （三）十六进制NH十六个数码0～9、A～F，逢十六进一。 例：DFC.8=13×162 +15×161 +12×160 +8×16-1 展开式以十六为基数，各位系数为0～9，A～F，16i为权。 一般表达式： NH= hn-1×16n-1+ hn-2×16n-2+…+ h0×160+ h-1×16-1+… 二、不同进位计数制之间的转换 （二）二进制与十六进制数之间的转换 24=16 ，四位二进制数对应一位十六进制数。举例：（三）十进制数转换成二、十六进制数整数、小数分别转换 1.整数转换法“除基取余”：十进制整数不断除以转换进制基数，直至商为0。每除一次取一个余数，从低位排向高位。举例： 2. 小数转换法“乘基取整”：用转换进制的基数乘以小数部分，直至小数为0或达到转换精度要求的位数。每乘一次取一次整数，从最高位排到最低位。举例： 三、带符号数的表示方法 机器数：机器中数的表示形式。真值： 机器数所代表的实际数值。举例:一个8位机器数与它的真值对应关系如下： 真值： X1=+84=+1010100B X2=-84= -1010100B 机器数：[X1]机= 01010100 [X2]机= 11010100(二)原码、反码、补码最高位为符号位，0表示 “+”，1表示“－”。 数值位与真值数值位相同。 例 8位原码机器数： 真值： x1 = +1010100B x2 =－ 1010100B 机器数： [x1]原 = 01010100 [x2]原 = 11010100原码表示简单直观,但0的表示不唯一，加减运算复杂。 正数的反码与原码表示相同。 负数反码符号位为 1，数值位为原码数值各位取反。 例 8位反码机器数： x= +4： [x]原= 00000100 [x]反= 00000100 x= -4： [x]原= 10000100 [x]反= 111110113、补码（Two’s Complement）正数的补码表示与原码相同。 负数补码等于2n－abs（x）8位机器数表示的真值四、 二进制编码例：求十进制数876的BCD码 876= 1000 0111 0110 BCD 876= 36CH = 1101101100B 2、字符编码 美国标准信息交换码ASCII码，用于计算 机与计算机、计算机与外设之间传递信息。 3、汉字编码 “国家标准信息交换用汉字编码”（GB2312-80标准），简称国标码。 用两个七位二进制数编码表示一个汉字 例如“巧”字的代码是39H、41H汉字内码例如“巧”字的代码是0B9H、0C1H1·4 运算基础 一、二进制数的运算加法规则：“逢2进1” 减法规则：“借1当2” 乘法规则：“逢0出0，全1出1”二、二—十进制数的加、减运算 BCD数的运算规则 循十进制数的运算规则“逢10进1”。但计算机在进行这种运算时会出现潜在的错误。为了解决BCD数的运算问题，采取调整运算结果的措施：即“加六修正”和“减六修正”例：10001000(BCD)+01101001(BCD) =000101010111(BCD) 1 0 0 0 1 0 0 0 ＋ 0 1 1 0 1 0 0 1 1 1 1 1 0 0 0 1 ＋ 0 1 1 0 0 1 1 0 ……调整 1 0 1 0 1 0 1 1 1 进位 例： 10001000(BCD)－ 01101001(BCD)= 00011001(BCD) 1 0 0 0 1 0 0 0 － 0 1 1 0 1 0 0 1 0 0 0 1 1 1 1 1 － 0 1 1 0 ……调整 0 0 0 1 1 0 0 1 三、 带符号二进制数的运算 1.5 几个重要的数字逻辑电路编码器译码器计数器微机自动工作的条件程序指令顺序存放自动跟踪指令执行1.6 微机基本结构微机结构各部分组成连接方式1、以CPU为中心的双总线结构；2、以内存为中心的双总线结构；3、单总线结构CPU结构管脚特点 1、多功能；2、分时复用内部结构 1、控制; 2、运算; 3、寄存器; 4、地址程序计数器堆栈定义 1、定义；2、管理；3、堆栈形式
上传时间： 2013-10-17
上传用户：erkuizhang
一、传感器的定义信息处理技术取得的进展以及微处理器和计算机技术的高速发展，都需要在传感器的开发方面有相应的进展。微处理器现在已经在测量和控制系统中得到了广泛的应用。随着这些系统能力的增强，作为信息采集系统的前端单元，传感器的作用越来越重要。传感器已成为自动化系统和机器人技术中的关键部件，作为系统中的一个结构组成，其重要性变得越来越明显。最广义地来说，传感器是一种能把物理量或化学量转变成便于利用的电信号的器件。国际电工委员会(IEC:International Electrotechnical Committee)的定义为：“传感器是测量系统中的一种前置部件，它将输入变量转换成可供测量的信号”。按照Gopel等的说法是：“传感器是包括承载体和电路连接的敏感元件”，而“传感器系统则是组合有某种信息处理(模拟或数字)能力的传感器”。传感器是传感器系统的一个组成部分，它是被测量信号输入的第一道关口。传感器系统的原则框图示于图1-1，进入传感器的信号幅度是很小的，而且混杂有干扰信号和噪声。为了方便随后的处理过程，首先要将信号整形成具有最佳特性的波形，有时还需要将信号线性化，该工作是由放大器、滤波器以及其他一些模拟电路完成的。在某些情况下，这些电路的一部分是和传感器部件直接相邻的。成形后的信号随后转换成数字信号，并输入到微处理器。德国和俄罗斯学者认为传感器应是由二部分组成的，即直接感知被测量信号的敏感元件部分和初始处理信号的电路部分。按这种理解，传感器还包含了信号成形器的电路部分。传感器系统的性能主要取决于传感器，传感器把某种形式的能量转换成另一种形式的能量。有两类传感器：有源的和无源的。有源传感器能将一种能量形式直接转变成另一种，不需要外接的能源或激励源(参阅图1-2(a))。有源(a)和无源(b)传感器的信号流程无源传感器不能直接转换能量形式，但它能控制从另一输入端输入的能量或激励能传感器承担将某个对象或过程的特定特性转换成数量的工作。其“对象”可以是固体、液体或气体，而它们的状态可以是静态的，也可以是动态(即过程)的。对象特性被转换量化后可以通过多种方式检测。对象的特性可以是物理性质的，也可以是化学性质的。按照其工作原理，传感器将对象特性或状态参数转换成可测定的电学量，然后将此电信号分离出来，送入传感器系统加以评测或标示。各种物理效应和工作机理被用于制作不同功能的传感器。传感器可以直接接触被测量对象，也可以不接触。用于传感器的工作机制和效应类型不断增加，其包含的处理过程日益完善。常将传感器的功能与人类5大感觉器官相比拟： 光敏传感器——视觉；声敏传感器——听觉；气敏传感器——嗅觉；化学传感器——味觉；压敏、温敏、流体传感器——触觉。与当代的传感器相比，人类的感觉能力好得多，但也有一些传感器比人的感觉功能优越，例如人类没有能力感知紫外或红外线辐射，感觉不到电磁场、无色无味的气体等。对传感器设定了许多技术要求，有一些是对所有类型传感器都适用的，也有只对特定类型传感器适用的特殊要求。针对传感器的工作原理和结构在不同场合均需要的基本要求是： 高灵敏度，抗干扰的稳定性(对噪声不敏感)，线性，容易调节(校准简易)，高精度，高可靠性，无迟滞性，工作寿命长(耐用性) ，可重复性，抗老化，高响应速率，抗环境影响(热、振动、酸、碱、空气、水、尘埃)的能力 ，选择性，安全性(传感器应是无污染的)，互换性 低成本 ，宽测量范围，小尺寸、重量轻和高强度，宽工作温度范围 。二、传感器的分类可以用不同的观点对传感器进行分类：它们的转换原理(传感器工作的基本物理或化学效应)；它们的用途；它们的输出信号类型以及制作它们的材料和工艺等。根据传感器工作原理，可分为物理传感器和化学传感器二大类：传感器工作原理的分类物理传感器应用的是物理效应，诸如压电效应，磁致伸缩现象，离化、极化、热电、光电、磁电等效应。被测信号量的微小变化都将转换成电信号。化学传感器包括那些以化学吸附、电化学反应等现象为因果关系的传感器，被测信号量的微小变化也将转换成电信号。有些传感器既不能划分到物理类，也不能划分为化学类。大多数传感器是以物理原理为基础运作的。化学传感器技术问题较多，例如可靠性问题，规模生产的可能性，价格问题等，解决了这类难题，化学传感器的应用将会有巨大增长。常见传感器的应用领域和工作原理列于表1.1。按照其用途，传感器可分类为： 压力敏和力敏传感器 ，位置传感器 ， 液面传感器 能耗传感器 ，速度传感器 ，热敏传感器，加速度传感器，射线辐射传感器 ，振动传感器，湿敏传感器 ，磁敏传感器，气敏传感器，真空度传感器，生物传感器等。以其输出信号为标准可将传感器分为： 模拟传感器——将被测量的非电学量转换成模拟电信号。数字传感器——将被测量的非电学量转换成数字输出信号(包括直接和间接转换)。膺数字传感器——将被测量的信号量转换成频率信号或短周期信号的输出(包括直接或间接转换)。开关传感器——当一个被测量的信号达到某个特定的阈值时，传感器相应地输出一个设定的低电平或高电平信号。
上传时间： 2013-10-11
上传用户：zhangdebiao
指数回归方程 ExponentRegress.cs 方程模型为 public override double[] buildFormula() 得到系数数组，存放顺序与模型系数相反，即该数组中系数的值依次是b,a。 public override double forecast(double x) 预测函数，根据模型得到预测结果。 public override double computeR2() 计算相关系数（决定系数），系数越接近1，数据越满足该模型。
标签： ExponentRegress buildFormula override public
上传时间： 2013-12-20
上传用户：xg262122
本程序要求用户在控制台里输入非终极符，终结符与产生式，然后对用户输入的文法进行分析，得出first集 与follow 集，并打印出预测分析表用户决定是否继续进行句型分析，如继续则给出符号分析栈的实现，从而判断刚输入的句子是否为符合该文法的句子。 该程序遵循LL（1） 文法FIRST（A）的构造：是A的所有可能推导的开头终结符或可能的ε FOLLOW（A）是所有句型中出现在紧接A之后的非终结符或“#” 预测分析程序 构造LL（1）分析表 ⅰ，构造文法中所有元素的FIRST和FOLLOW集合 ⅱ，对文法G的每个产生式A->α执行第三步和第四步 ⅲ，对每个终结符a∈FIRST（α）,把A->α加至M[A，a] ⅳ，若ε∈FIRST（α），则对任何b∈FOLLOW(A)把A->α加至M[A，b]中 ⅴ，把所有无定义的M[A，a]标上“出错标志”
上传时间： 2013-12-27
上传用户：jackgao
混沌时间序列分析与预测源代码。具有产生混沌时间序列，求时延，求嵌入维，求关联维，求K熵，求Lyapunov指数谱，求二进制图形的盒子维和广义维，求时间序列的盒子维和广义维，混沌时间序列预测等项功能。
上传时间： 2013-12-08
上传用户：cc1
基于多步预测的自适应控制器设计，主要针对广义多步预测的情况
标签： 自适应控制
上传时间： 2013-12-21
上传用户：Altman
tensor 向量的推广。在一个坐标系下，由若干个数（称为分量）来表示，而在不同坐标系下的分量之间应满足一定的变换规则，如矩阵、多变量线性形式等。一些物理量如弹性体的应力、应变以及运动物体的能量动量等都需用张量来表示。在微分几何的发展中，C.F.高斯、B.黎曼、E.B.克里斯托费尔等人在19世纪就导入了张量的概念，随后由G.里奇及其学生T.列维齐维塔发展成张量分析，A.爱因斯坦在其广义相对论中广泛地利用了张量。
上传时间： 2014-01-20
上传用户：silenthink
广义预测控制及算法实现,很有用的预测参考知识！
标签： 1
上传时间： 2015-06-09
上传用户：niu594648
统计学习基础:数据挖掘、推理与预测介绍了这些领域的一些重要概念。尽管应用的是统计学方法，但强调的是概念，而不是数学。许多例子附以彩图。《统计学习基础:数据挖掘、推理与预测》内容广泛，从有指导的学习（预测）到无指导的学习，应有尽有。包括神经网络、支持向量机、分类树和提升等主题，是同类书籍中介绍得最全面的。计算和信息技术的飞速发展带来了医学、生物学、财经和营销等诸多领域的海量数据。理解这些数据是一种挑战，这导致了统计学领域新工具的发展，并延伸到诸如数据挖掘、机器学习和生物信息学等新领域。许多工具都具有共同的基础，但常常用不同的术语来表达。【内容推荐】《统计学习基础:数据挖掘、推理与预测》试图将学习领域中许多重要的新思想汇集在一起，并且在统计学的框架下解释它们。随着计算机和信息时代的到来，统计问题的规模和复杂性都有了急剧增加。数据存储、组织和检索领域的挑战导致一个新领域“数据挖掘”的产生。数据挖掘是一个多学科交叉领域，涉及数据库技术、机器学习、统计学、神经网络、模式识别、知识库、信息提取、高性能计算等诸多领域，并在工业、商务、财经、通信、医疗卫生、生物工程、科学等众多行业得到了广泛的应用。【作者简介】Trevor Hastie,Robert Tibshirani和Jerome Friedman都是斯坦福大学统计学教授，并在这个领域做出了杰出的贡献。Hastie和Tibshirani提出了广义和加法模型，并出版专著“Generalized Additive Models”。Hastie的主要研究领域为：非参数回归和分类、统计计算以及生物信息学、医学和工业的特殊数据挖掘问题。他提出主曲线和主曲面的概念，并用S-PLUS编写了大量统计建模软件。Tibshirani的主要研究领域为：应用统计学、生物统计学和机器学习。他提出了套索的概念，还是“An Introduction to the Bootstrap”一书的作者之一。Friedman是CART、MARS和投影寻踪等数据挖掘工具的发明人之一。他不仅是位统计学家，而且是物理学家和计算机科学家，先后在物理学、计算机科学和统计学的一流杂志上表发论文80余篇。
标签： 统计
上传时间： 2022-05-04
上传用户：
