随机
共 10 篇文章
随机 相关的电子技术资料，包括技术文档、应用笔记、电路设计、代码示例等，共 10 篇文章，持续更新中。
心电信号调理电路设计
<span style="color: rgb(0, 0, 0); font-family: 'Trebuchet MS', Arial; font-size: 11.818181991577148px; line-height: 21px; ">心电（Electrocardiograph）作为人体重要的生理及病理指标之一，具有重要的医学研究价值。针对其信号微弱、频率低、阻抗高、随机性强及易受干扰
指纹图像分割与增强算法的研究
<span id="LbZY">在研究和分析指纹图像的强度场和方向场原理基础上，根据人眼的视觉原理，提出一种指纹图像分割与增强的方法。按照指纹图像前景色梯度大，背景色梯度小，可以将指纹前景色很好的分割出来。并且通过纹线方向进行滤波增强处理，可以得到良好的效果。对随机抽取的指纹图像分割和增强的实验证明，取得了满意的结果。此方法的优点是将指纹纹线断裂处很好的连接，可以广泛应用于指纹图像的预处理过程当中
一种基于卡尔曼滤波的船载伺服系统随机误差处理方法
<span id="LbZY">针对测量船伺服系统存在随机误差的情况，为提高角误差的精度，基于著名的Singer模型建立了航天测量船伺服系统卡尔曼滤波算法，并通过计算机进行了实际测量数据的仿真实验。从实验仿真结果分析可看出，采用提出的算法，能够较大程度的减小角误差电压含有的随机误差，验证了本方法的有效性，达到了提高测量船测控精度的目的。<br />
<img alt="" src="http://
非均匀采样的频谱研究
非均匀采样的一个很大的优点就是它具有抗频率混叠的性能[ ]，首先从均匀采样讨论由采样而引起的频谱混叠现象，在均匀采样和非均匀采样的频谱图对比中讨论两种采样方式引起的不同的频谱混叠现象，从对比中分析非均匀采样方式的优势。从最简单的非均匀采样方法逐步深入到完全随机的非均匀采样方法，研究由于采样方法的改变对数字信号频谱的影响。最后可以看到非均匀采样的方法可以将混叠信号的频谱降低到完全不影响对真实信号的检
随机变量及其分布
<P>1．(Ch2-2)一批零件中有9个合格品与3个废品，安装时从这批零件中任取一个，如果每次取出的废品不再放回，求在取得合格品以前取出的废品数的分布律。</P>
<P>分析：在取得合格品以前取出的废品数是一随机变量，要求其分布律，只需确定随机变量的一切可能取值及相应的概率即可。</P>
<P>解：设X表示在取得合格品以前取出的废品数，由题意知X的可能取值为0，</P>
基于粒子群模糊C均值聚类的快速图像分割
<span style="color: rgb(0, 0, 0); font-family: 'Trebuchet MS', Arial; font-size: 11.818181991577148px; line-height: 21px; ">模糊C-均值聚类算法是一种无监督图像分割技术，但存在着初始隶属度矩阵随机选取的影响，可能收敛到局部最优解的缺点。提出了一种粒子群优化与模糊C-均值聚类相
用于图像分类的有偏特征采样方法
<span style="color: rgb(0, 0, 0); font-family: 'Trebuchet MS', Arial; line-height: 21px; ">为了模拟图像分类任务中待分类目标的可能分布，使特征采样点尽可能集中于目标区域，基于Yang的有偏采样算法提出了一种改进的有偏采样算法。原算法将目标基于区域特征出现的概率和显著图结合起来，计算用于特征采样的概率分布图，使
基于计算全息的菲涅尔双随机相位加密技术
<span style="color: rgb(0, 0, 0); font-family: 'Trebuchet MS', Arial; font-size: 11.818181991577148px; line-height: 21px; ">基于傅里叶计算全息技术，结合菲涅尔双随机相位加密系统，提出了一种数字图像加密方法。该方法以傅里叶计算全息图记录菲涅尔衍射双随机相位加密图像，傅里叶计算全
基于声卡的信号发生和示波器设计
功能是：基于声卡的虚拟信号发生器和基于声卡的虚拟示波器 信号发生器是：1、以声卡代替DAQ作为输出卡，2、能发生的信号包括：正弦波、三角波、方波、斜波、调幅、调频、随机、指数、对数、微分、积分及任意公式信号，3、具有存储功能 示波器：1、、以声卡代替DAQ作为输入卡，2、具有频谱分析、储存记忆、多种滤波、多种信号分析与处理功能
基于帧间差分与模板匹配相结合的运动目标检测
<span style="color: rgb(0, 0, 0); font-family: 'Trebuchet MS', Arial; line-height: 21px; ">基于图形处理器单元（GPU）提出了一种帧间差分与模板匹配相结合的运动目标检测算法。在CUDA-SIFT（基于统一计算设备架构的尺度不变特征变换）算法提取图像匹配特征点的基础上，优化随机采样一致性算法（RANSAC）剔除