CTP_自动交易_源码(含8个例程源码）

在matlab模拟了船舶运动 控制船舶航行方向

本demo是做一个Android利用蓝牙协议进行连接到心电检测设备，并且在应用上显示检测到的心电的值，用波形图，折线图显示，用到的技术点是 蓝牙协议，socket，硬件是嵌入式开发。

DSP CCS的入门、进阶的经典合集。内含cmd文件的具体编写，以及烧写flash的相应步骤等等。

【实例简介】在重装window7较早版本的时候，会因为必要补丁包的缺少导致一些问题。我遇到的问题是在KB4474419+KB4490628(X64)两个补丁包缺少的情况下，安装独显的驱动会提示无法继续安装，该文件压缩包包含两个补丁包和补丁包下载地址，补丁包解压即可用，经过测试两个补丁包没有问题。

恩菲特公司的1553B中文手册，手册丰富，详细，是1553B开发者的优选方案成都恩菲特科長有限公司EPH31580日录恩菲特产品保修条款…安全标志符号,D香看看看。。。垂垂看导D看警告第1章芯片概述…11.简介12.EPH31580特性111.3.EPH31580描述……14.电气特性+++··+++++++.1415.功能描述.…1.6.曼彻斯特解码…171.7.吋间戳178.中断19.存储器访问和寄存器访问1.10. BUS CONTROL框架.171.11. REMOTE TERMINAL框架……11.12. BUS MONITOR框榘18第2章软件接口自●●看命·●●●看鲁●息1921.上电状态22.存储器管理23.寄存器定义…21.中断屏敞寄存器(读/写22.配置寄冇器#1(读/23.配置寄存器#2(读/写)24.开始/复位寄存器(写)2.5.BC/RT命令堆栈指针寄存器(读)….262.6.BC控制字尕RT子地址控制宇寄存器(读)…2627.时标寄存器(读/写)28.中断状态寄存器(读29.配置寄存器#3(读/写)……2.10.配置寄冇器#4(读/写)21.配置寄存器#5(读/写)2.12.数据堆栈指针寄存器(读)…322.13.BC下一条消息开始时间寄存器(读/)214.BC帧时间/RT最后一个命令字/BM触发设置寄存器(读/写)2.15.RT状态字寄存器(读)216.RIB字寄存器(读).342.17. BLOCK STATUS WORD第3章 BUS CONTROL OPERATION……38HTTP:www.enpht.comTel:028-851482738528FAX:028-85148287107第3页成都恩菲特科長有限公司EPH31580BC存储器管理…38ACTIVE AREAS DOUBLE BUFFERING38PROGRAMMING OF BC MESSAGE FRAMES39BC Memory managcmcntMessage Block Formats∴39BC控制字∴…42DESCRIPTOR STACK44C MESSAGE GAP TIMEBC FRAME AUTO REPEATMINOR AND MAJOR FRAMES甲甲···:·…46BCⅠ NTERRUPT……46OTUER FUNCTIONBC SOFTWARE INITIALIZATION SEQUENCE··47BC PSEUDO CODE EXAMPLE.49第4章 REMOTE TERMINAL OPERATION,51RT存储器结构51RT存储器管理SUBADDRESS CONTROL WORDRT STACK AND INTERRUPTSTIME TAG WORDDATA BLOCK POINTER OR MODE DATA WORD57COMMAND WORD RECEIVEDRT COMMAND ILLEGALIZATION57SELECTED MODE CODE INTERRUPT60BROADCAST OPT⊥0NBUSY BITRT ADDRESS INPUTS62RT STATUS WORDRT-TO-RT RESPONSE TIMEOUT64SUMMARY OF RESPONSES TO MODE CODE MESSAGESRT SOFTWARE INITIALIZATION PROCEDURERT PSEUDO CODE EXAMPLE.68第5章 BUS MONITOR OPERATION.71MONITUR SELECTION FUNCTIONMESSAGE MONITOR FORMATSBM存储器管理MESSAGE MONITOR BLOCK STATUS WORDBM SOFTWARE INITIALIZATION PROCEDURE,76第6章 EXTERNAL INTERFACES通垂函a看自PIN DESCRIPTIONS BY FUNCTIONAL GROUPS隔离变压器到外部系统的连接BUFFERED u TRANSPARENT MODEHTTP:w.enphtcomTEL:028-851482738528FAX:028-85148287107第4页成都恩菲特科長有限公司EPH31580外部时序接口BUFFERED模式接口时序85与几和典型器件的连接与ADSP2101的连接与68040的连接与80286的连接.环境温度封装形式…订货号附录一:变压器选型手册97HTTP:/ww.enphtcomTEL:028-85148273/8528FAX:028-85148287107第5页成都恩菲特科長有限公司EPH31580恩菲特产品保修条款产品名称:1553A/B协议芯片产品型号:EP-H31580保修期限:一年1.恩菲特公司对由恩菲特公司出售的硬件产品和附件提供质量保修,保修期限如上所示。在保修期内如果出现因质量原因而产生故障,恩菲特公司在收到关于产品故障的通知并经查验核实后,有权选择维修或整套更换产品。整套更换的产品可以是新的或接近新的2.恩菲特公司保证软件产品经过充分测试。如果恩菲特公司在保修期内收到关于软件故障的通知,将在查验核实后免费更换软件3.恩菲特公司不保证在产品修理过程中产品可不中断地使用。但恩菲特公司保证在合理的期限内修理好发生故障的产品4.产品保修期从产品发运之日或由恩菲特公司开始安装之日起开始计算。如果用户的进度安排延后使恩菲特公司在产品发运之日起30天内仍未开始安装,产品保修期从交付之日后的笫31天开始计算5.恩菲特公司对任何下列情况而导致的产品故障和损坏不提供免费保修:(a)错误的使用或不适当的维护和校正,(b)非恩菲特公司提供的软件、接口、部件或其它物品,(c)未经许可的拆卸、修改和错误使用,(a)超过产品技术规格指明的范围使用,(e)不适当的运输、搬运和存贮,(f)其它不可抗力原因造成的故障或损坏(如HTTP:ww.enphtcomTEL:028-851482738528FAX:028-85148287107第6页成都恩菲特科長有限公司EPH31580地震、战争、交通事故等)6.在法律允许的范围内,上述保修条款是唯一明确的,同时没有任何其它的保修条款,不论是书面的或口头的。恩菲特公司明确表示拒绝承认任何暗示的保修条款和商业条款7.如果用户因使用恩菲特公司产品造成对其它物品损坏或身体伤害,经法院裁定其直接原因是恩菲特公司产品缺陷,恩菲特公司对此负责。版权声明所有恩菲特公司出售的软件产品或随同硬件产品出售的软件和文件,其版杈属恩菲特公司所有,恩菲特公司保留软件产品和文件方面的所有版权。用户对产品的购买并不表示用户在版权方面的任何许未经恩菲特公司书面许可的任何复制和出售均是被禁止的成都恩菲特科拈冇限公司HTTP:www.enpht.comTel:028-851482738528FAX:028-85148287107第7页成都恩菲特科長有限公司EPH31580安全标志符号符号说明符号说明贴在产品上的标志符号表示仪器在操作前必须表示使用者必须遵循产品手保证相应的接线端接地册中相应的警告或注意内容良好,以免电击而引起以免造成人身伤害或设备损设备损坏或人身伤害。坏交流直流表示相应的操作危险。△操作员应严格按规定操高压危险。警告作,否则可能导致人身危险表示相应的操作危险操作员应严格按规定操凸⊥机外壳楼地通常与注意,否则可能寻受慢备设备的金属外壳相连接。损坏或永久性数据丢失HTTP:ww.enphtcomTEL:028-851482738528FAX:028-85148287107第8页成都恩菲特科長有限公司EPH31580敬在操作,维护及修理设备的整个过程中要严格遵守以下安全事项违反这些安全规程或任何本手册中警告和注意事项规定的操作导致的设备损坏或人身伤害,恩菲特公司不对此类事故承担责任●对第一类安全设备(具有俣护地接线端子的设各),必须在产品的主电源输入端或供电电源电缆提供一个可靠的安全地连接对于模块式设备,为确保模块安全接地,应将模块前面板上的紧固螺钉旋紧,以保证模块的紧固面板与机箱保护地可靠接通●仪器不应接触易燃易爆气体或在有易燃易爆气体的环境下操作●为了避免火灾,应使用具有相同电压和电流的保险溶丝。不能使用修理过的保险熔丝或短接保险盒●操作人员不应打开机盖。这只能由经过培训的专业技术人员进行。打开机盖是危险的,因为设备中可能存在危险电压。甚至在设备断电以后,高压也可能存在。为了避免人身伤害,应由经过培训的专业技术人员来操作。●不要操作危险设备或在危险的条件下操作设备。如果任何削弱安全性或可能导致安全保护设施失效的情况存在(包括物理损坏,潮湿或别的原因),应立即拔除电源线,直到由专业技术人员确认后方可操作●不要单独维修或调整仪器,以免发生危险时可得到帮助和救治HTTP:www.enpht.comTel:028-851482738528FAX:028-85148287107第9页成都恩菲特科長有限公司EPH31580不能更换或更改产品中的元器件,除非有明确的认可和授权。因为这将带来其它危险。如仪器出了故障,应将其送到恩菲特公司指定的维修点进行维修,从而保证仪器的各项功能文献版本吏新历史所有版本和手册更新及发行时间都列举在下面。手册的初始版本是Ver1.00。不论何时更新手册,版本号都在尾数加1。当更新涉及到较为重要的内容时,版本号中间的数加1,当更新涉及到核心内容时,版本号第一位数加1。更新的内容通过手册发行,包括修改的内容及对手册新增加的内容。新版本均包括了对旧版本更改的内容。每个新版本或更新后版夲都有一页标注该文献的更改情况Ⅴrl.0l..,,,∴,,.,2005.05HTTP:/ww.enphtcomTEL:028-85148273/8528FAX:028-85148287107第10页

完全的MATLAB程序，以运行成功，每一句代码后面都有注释，可以很好帮助理解程序，如还有不懂，请用MATLAB的内部help

李航蓝皮书《统计学习方法》配套PPT，由清华大学深圳研究院袁春老师制作，特意分享出来供大家学习

EKF UKF PF三个算法在f(x) = 0.5 *x + 25*x/1+x^2 + 8 * cos(1.2*(k-1))下仿真比较，自己写的代码，直接可以产生很好的效果图，直接可以给导师看。

完整版，带目录，机器学习必备经典；大部头要用力啃。Machine learning A Probabilistic PerspectiveMachine LearningA Probabilistic PerspectiveKevin P. MurphyThe mit PressCambridge, MassachusettsLondon, Englando 2012 Massachusetts Institute of TechnologyAll rights reserved. No part of this book may be reproduced in any form by any electronic or mechanicalmeans(including photocopying, recording, or information storage and retrieval)without permission inwriting from the publisherFor information about special quantity discounts, please email special_sales@mitpress. mit. eduThis book was set in the HEx programming language by the author. Printed and bound in the UnitedStates of AmLibrary of Congress Cataloging-in-Publication InformationMurphy, Kevin Png:a piobabilistctive/Kevin P. Murphyp. cm. -(Adaptive computation and machine learning series)Includes bibliographical references and indexisBn 978-0-262-01802-9 (hardcover: alk. paper1. Machine learning. 2. Probabilities. I. TitleQ325.5M872012006.31-dc232012004558109876This book is dedicated to alessandro, Michael and stefanoand to the memory of gerard Joseph murphyContentsPreactXXVII1 IntroductionMachine learning: what and why?1..1Types of machine learning1.2 Supervised learning1.2.1Classification 31.2.2 Regression 83 Unsupervised learning 91.3.11.3.2Discovering latent factors 111.3.3 Discovering graph structure 131.3.4 Matrix completion 141.4 Some basic concepts in machine learning 161.4.1Parametric vs non-parametric models 161.4.2 A simple non-parametric classifier: K-nearest neighbors 161.4.3 The curse of dimensionality 181.4.4 Parametric models for classification and regression 191.4.5Linear regression 191.4.6Logistic regression1.4.7 Overfitting 221.4.8Model selection1.4.9No free lunch theorem242 Probability2.1 Introduction 272.2 A brief review of probability theory 282. 2. 1 Discrete random variables 282. 2.2 Fundamental rules 282.2.3B292. 2. 4 Independence and conditional independence 302. 2. 5 Continuous random variable32CONTENTS2.2.6 Quantiles 332.2.7 Mean and variance 332.3 Some common discrete distributions 342.3.1The binomial and bernoulli distributions 342.3.2 The multinomial and multinoulli distributions 352. 3.3 The Poisson distribution 372.3.4 The empirical distribution 372.4 Some common continuous distributions 382.4.1 Gaussian (normal) distribution 382.4.2Dte pdf 392.4.3 The Laplace distribution 412.4.4 The gamma distribution 412.4.5 The beta distribution 422.4.6 Pareto distribution2.5 Joint probability distributions 442.5.1Covariance and correlation442.5.2 The multivariate gaussian2.5.3 Multivariate Student t distribution 462.5.4 Dirichlet distribution 472.6 Transformations of random variables 492. 6. 1 Linear transformations 492.6.2 General transformations 502.6.3 Central limit theorem 512.7 Monte Carlo approximation 522.7.1 Example: change of variables, the MC way 532.7.2 Example: estimating T by Monte Carlo integration2.7.3 Accuracy of Monte Carlo approximation 542.8 Information theory562.8.1Entropy2.8.2 KL dive572.8.3 Mutual information 593 Generative models for discrete data 653.1 Introducti653.2 Bayesian concept learning 653.2.1Likelihood673.2.2 Prior 673.2.3P683.2.4Postedictive distribution3.2.5 A more complex prior 723.3 The beta-binomial model 723.3.1 Likelihood 733.3.2Prior743.3.3 Poster3.3.4Posterior predictive distributionCONTENTS3.4 The Dirichlet-multinomial model 783. 4. 1 Likelihood 793.4.2 Prior 793.4.3 Posterior 793.4.4Posterior predictive813.5 Naive Bayes classifiers 823.5.1 Model fitting 833.5.2 Using the model for prediction 853.5.3 The log-sum-exp trick 803.5.4 Feature selection using mutual information 863.5.5 Classifying documents using bag of words 84 Gaussian models4.1 Introduction974.1.1Notation974. 1.2 Basics 974. 1.3 MlE for an mvn 994.1.4 Maximum entropy derivation of the gaussian 1014.2 Gaussian discriminant analysis 1014.2.1 Quadratic discriminant analysis(QDA) 1024.2.2 Linear discriminant analysis (LDA) 1034.2.3 Two-claSs LDA 1044.2.4 MLE for discriminant analysis 1064.2.5 Strategies for preventing overfitting 1064.2.6 Regularized LDA* 104.2.7 Diagonal LDA4.2.8 Nearest shrunken centroids classifier1094.3 Inference in jointly Gaussian distributions 1104.3.1Statement of the result 1114.3.2 Examples4.3.3 Information form 1154.3.4 Proof of the result 1164.4 Linear Gaussian systems 1194.4.1Statement of the result 1194.4.2 Examples 1204.4.3 Proof of the result1244.5 Digression: The Wishart distribution4.5. 1 Inverse Wishart distribution 1264.5.2 Visualizing the wishart distribution* 1274.6 Inferring the parameters of an MVn 1274.6.1 Posterior distribution of u 1284.6.2 Posterior distribution of e1284.6.3 Posterior distribution of u and 2* 1324.6.4 Sensor fusion with unknown precisions 138

【实例简介】这是国内出版的一本关于雷达无源干扰方面的好书