简易数字频率计题解.（ 1997年 B 题 ） 编写与讲解人:田良(东南大学无线电系,2003年3月12日) 一）任务 设计并制作一台数字显示的简易频率计。 （二）要求 1.基本要求 (1)频率测量 a.测量范围 信号：方波、正弦波 幅度：0.5V～5V[注] 频率：1Hz～1MHz b.测试误差≤0.1％ (2)周期测量 a.测量范围 信号：方波、正弦波 幅度：0.5V～5V[注] 频率：1Hz～1MHz b.测试误差≤0.1％ 3） 脉冲宽度测量 a.测量范围 信号：脉冲波 幅度：0.5V～5V[注] 脉冲宽度≥100μs b.测试误差≤0.1％ （4）显示器 十进制数字显示，显示刷新时间1～10秒 连续可调，对上述三种测量功能分别采用不同颜色的 发光二极管指示。 （5）具有自校功能，时标信号频率为1MHz。 （6）自行设计并制作满足本设计任务要求的稳压电源
上传时间： 2013-12-26
上传用户：xg262122
％radon transform clear all ％ N=800 n=1:N fs=200 t=n/fs x1=exp(j*2*pi*(5*t+0.5*5*t.^2)) x2=exp(j*2*pi*(5*t+0.5*15*t.^2)) x=x1+x2 ％N=length(x) ％ ambifunb(x ) ％*****************************************RAT naf=ambifunb(x) htl(abs(naf)) ％ [wh,rho,theta]=htl(abs(naf)) colormap([0,0,0]) ％ xlabel( 极半径 ) ％ ylabel( 角度 ) ％**************************************％找出峰值点的坐标,计算初始频率和调频斜率(正确) ％找出峰值点的坐标 b=max(max(wh)) [u,a]=find(wh>=0.8*b)
上传时间： 2014-10-27
上传用户：Yukiseop
Description Calculate a+b Input Two integer a,b (0<=a,b<=101000) Output Output a + b Sample Input 5 7 Sample Output 12
标签： Description Calculate integer 101000
上传时间： 2014-01-25
上传用户：tonyshao
杭州立宇泰armsys2410-b套件光盘资料使用手册。 包括： 1、armsys2410-B开发板linux2.4.18内核用户手册.pdf 2、armsys2410-B开发板硬件用户手册.pdf 3、ARMSYS2410开发套件Linux2.6.15内核使用说明.pdf 4、ARMSYS2410开发套件WINCE5.0BSP使用说明.pdf 5、一步一步基于ADS1.2进行开发（ARM9）.pdf
上传时间： 2014-01-21
上传用户：hj_18
假设文档的内容为 i a * nul i b + nul i c # nul 是个单词二元式,对他进行不带回溯的自上而下的语法分析.
上传时间： 2013-12-14
上传用户：邶刖
这是一个三次样条插值的.m程序 输入的是一个二维数组A(Nx2) 插值方法为: S(x) = A(J) + B(J)*( x - x(J) ) + C(J)*( x - x(J) )**2 +D(J) * ( x - x(J) )**3 for x(J) <= x < x(J + 1)
上传时间： 2013-12-14
上传用户：gengxiaochao
移位乘法器的输入为两个4位操作数a和b，启动乘法器由stb控制，clk信号提供系统定时。乘法器的结果为8位信号result,乘法结束后置信号done为1. 乘法算法采用原码移位乘法，即对两个操作数进行逐位的移位相加，迭代4次后输出结果。具体算法： 1. 被乘数和乘数的高位补0，扩展成8位。 2. 乘法依次向右移位，并检查其最低位，如果为1，则将被乘数和部分和相加，然后将被乘数向左移位；如果为0，则仅仅将被乘数向左移位。移位时，被乘数的低端和乘数的高端均移入0. 3. 当乘数变成全0后，乘法结束。
上传时间： 2014-01-03
上传用户：星仔
基于换乘次数优先的公交路线选择模型 2007年B题论文
上传时间： 2016-10-03
上传用户：weixiao99
HT9200A/B 双音多频(DTMF)信号发生器使用说明
上传时间： 2013-12-03
上传用户：GHF
停车诱导系统中车位预测模型的研究 摘 要 研究城市停车诱导系统的停车车位占有率预测问题。首先提出墓于B P神经网络的车位占有预测模型， 同时将自适应 学习速率调整法和加入动量项方法用于改善基本B P神经网络， 优化了学习速率， 减少了训练过程的震荡趋势， 改善了网络的收效 隆。以此为基础实现了停车位的智能预测 0最后， 进行了多种方法比对实验
上传时间： 2013-12-17
上传用户：GavinNeko
