4． 假设有两个按数据元素值非递减有序排列的线性表A和B，均以单链表作为存储结构。编写算法将A表和B表归并成一个按元素值递减有序（即非递增有序，允许值相同）排列的线性表C。
上传时间： 2013-12-20
上传用户：笨小孩
首先应输入一个值赋给初始报数上限m，程序应能自动保存出列人的序号和将出列的人所持的密码赋给m，再次作为下次报数上限，如此循环，直至所有人都出列为止。
上传时间： 2014-01-02
上传用户：a3318966
(有源代码)数值分析作业,本文主要包括两个部分,第一部分是常微分方程(ODE)的三个实验题,第二部分是有关的拓展讨论,包括高阶常微分的求解和边值问题的求解(BVP).文中的算法和算例都是基于Matlab计算的.ODE问题从刚性(STIFFNESS)来看分为非刚性的问题和刚性的问题,刚性问题(如大系数的VDP方程)用通常的方法如ODE45来求解,效率会很低,用ODE15S等,则效率会高多了.而通常的非刚性问题,用ODE45来求解会有很好的效果.从阶次来看可以分为高阶微分方程和一阶常微分方程,高阶的微分方程一般可以化为状态空间(STATE SPACE)的低阶微分方程来求解.从微分方程的性态看来,主要是微分方程式一阶导系数大的时候,步长应该选得响应的小些.或者如果问题的性态不是太好估计的话,用较小的步长是比较好的,此外的话Adams多步法在小步长的时候效率比R-K(RUNGE-KUTTA)方法要好些,而精度也高些,但是稳定区间要小些.从初值和边值来看,也是显著的不同的.此外对于非线性常微分方程还有打靶法,胞映射方法等.而对于微分方程稳定性的研究,则诸如相平面图等也是不可缺少的工具.值得提出的是,除了用ode系类函数外,用simulink等等模块图来求解微分方程也是一种非常不错的方法,甚至是更有优势的方法(在应用的角度来说).
上传时间： 2014-01-05
上传用户：caixiaoxu26
fm1808中文资料 描述 FM1808是用先进的铁电技术制造的 256K位的非易失性的记忆体 铁电随机 存储器 FRAM 是一种具有非易失 性 并且可以象RAM一样快速读写 但 它没有BBSRAM模组系统的设计复杂 性 缺点和相关的可靠性问题 数据在 掉电可以保存10年 高速写以及高擦写 次数使得它比EEPROM或其他非易失性 存储器可靠性更高 系统更简单
上传时间： 2014-01-11
上传用户：zhangjinzj
基于D-J阈值的加性白噪声方差估计,两种算法的比较
上传时间： 2017-06-11
上传用户：hakim
VRS51L3074是一款嵌入非易失性 FRAM存储器的8051MCU。该器件8KB真正的非易失性随机存储器映像到VRS51L3074的XRAM存储寻址空间上充分发挥其快速读写以及读写寿命无限的特点。单周期8051处理器 内核可以提供高达 4O MIPS的吞吐量，并且与标准8051s指令兼容。
上传时间： 2014-01-03
上传用户：米卡
Keil 自带的 RTX51—Tiny 系统有这样几个缺点:1、非占先式任 务调度,这样系统的实时性就很难保证 2、提供的系统服务太少, 只有 wait 与 signal。而 RTX51—Tiny 的优点是:1、Keil 公司自己开 发的,使用_task_关键字区别每个任务,这样可以使得被不同任务调 用的不同函数即使没有相互调用,他们的局部变量也不会相互覆盖。 免去了在 SmallRTOS 中需要手动制止函数间局部变量的相互覆盖。 2、内核小。整个 RTX51--Tiny 完整编译只需 900B 的空间。
上传时间： 2014-10-14
上传用户：zuozuo1215
关于样条插值均匀与非均匀的示例，帮助挺大
上传时间： 2017-09-18
上传用户：1051290259
完美按照官方翻译版，非机器翻译，高清源文件。AS5600是一种易于编程的具有12位高分辨率模拟或PWM输出的磁性旋转位置传感器。这个非接触式模块可以检测出磁铁径向磁轴转动的绝对角度。AS5600是为非接触式电位计应用而设计的，其稳健的设计消除了外部杂散磁场的影响.。工业标准的I²C 接口支持用户对非易失性参数进行简单的编程而不需要专门的程序员来进行。默认情况下可以输出0到360度的变化范围. 它同样可以通过编程设定0度（开始位置）和最大角度（终止位置）来定义一个较小的输出范围。AS5600配备了智能低功耗功能，以自动降低功耗 。输入引脚 (DIR) 根据旋转方向选择输出极性。如果DIR 接地，那么输出值将随顺时针旋转而增加. 如果DIR接至VDD, 那么输出值将随着逆时针旋转而增加。
上传时间： 2022-07-16
上传用户：zhaiyawei
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
