对ads-b接收机接收模式进行识别，判断其接收信号的模式
上传时间： 2016-04-23
上传用户：guozc09
该问题由某客户提出，发生在STM32F103VDT6 器件上。据其工程师讲述：在其产品中，需要使用STM32 的 ADC 对多路模拟信号进行同步采样。在具体的实现上，采用了 ADC 常规通道的扫描模式来完成这一功能。然而，在调试中过程中发现一个奇怪的现象：当将各路模拟信号的电平设置成相同时，ADC 对各路模拟信号的转换结果相同，用 A 来表示。改变其中一路模拟信号的电平，并保持其各路模拟信号的电平不变，则 ADC 对该路信号的转换结果变为 B。然而，此时与其在扫描次序上相邻的下一路模拟信号的转换结果也发生
标签： adc
上传时间： 2022-02-21
上传用户：
三相相序缺相检测电路TC783A TC783A为三相相序和缺相检测电路，可用作检测三相正弦波电压的相序和缺相状态，同时有保护功能，具有单电源，功耗小，功能强，输入阻抗高，采样方便，外接元件少等优点。使用在控制板上，对三相电压进行指示；也可在电机上使用，对电机的正反转进行控制和缺相进行保护。一.TC783A电路具备以下特点：单电源工作，电源电压9-15V。对输入正弦波电压设计为施密特检测，有效去除干扰。动态检测三相的存在，分别对三相输出指示。正反序输出指示。有过压保护的设计，外电压和内基准比较，有锁定和不锁定两种输出。二、电路框图与工作原理三相电压信号A、B、C经分压电阻网络分别进入电路1、2、3脚，通过对正弦波进行施密特检测了解信号的存在并送入缺相检测电路检测后输出指示，电路13脚为内部脉冲发生电路的外接电容约为0.1-0.15u。三相正弦输入正常时，对应A、B、C输入1、2、3脚的输出端12、11、10脚输出为低电平；当某一相没有输入信号时，对应的输出脚上将有高电平。根据缺相检测的结果，在不缺相的情况下相序指示电路将输出相序，在三相电压信号A、B、C进入电路1、2、3脚的状态下，9脚输出高电平指示正序；而在三相电压信号A、C、B进入电路1、2、3脚的状态下，8脚输出高电平指示反序。在缺相状态下，9脚8脚皆输出低电平。电路另外还设计了保护电路，可对过流、过压信号进行检测和输出。5脚为采样输入端，输入信号与电路内的6V基准比较，并在电路6脚输出。如果采样高于6V，输出高电平。4脚对输出方式将有两种控制选择：4脚接低电平，输出为不锁定输出，即输入高输出高，输入低输出低；4脚接高电平，输出为锁定输出，这时输入高输出高，而输入低后输出仍高，需要4脚接地复位才能输出低。用户进行选择。
上传时间： 2022-06-25
上传用户：
21世纪大学新型参考教材系列 集成电路B 荒井
上传时间： 2013-04-15
上传用户：eeworm
家电维修(最基础的教程B)1-20.Torrent
上传时间： 2013-06-10
上传用户：eeworm
专辑类-电子基础类专辑-153册-2.20G 21世纪大学新型参考教材系列-集成电路B-荒井-159页-2.8M.pdf
上传时间： 2013-05-16
上传用户：pkkkkp
基于FPGA的三相正弦信号发生器设计.rar
上传时间： 2013-06-15
上传用户：zq70996813
三次B样条曲线源代码,C语言编写的三次B样条曲线源代码，希望大家喜欢。
标签：
上传时间： 2013-07-13
上传用户：chengli008
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
制作一个正弦信号发生器的设计:（1）正弦波输出频率范围：1kHz～10MHz；（2）具有频率设置功能，频率步进：100Hz；（3）输出信号频率稳定度：优于10-2；（4）输出电
标签： 正弦信号发生器
上传时间： 2013-06-18
上传用户：huannan88
