星图识别各种程序（m和c）.zip

对想学习VCU的同学，无疑这是一份很好的学习资料。废话不多说，谁拥有谁知道。

本仿真采用传统的双闭环控制策略：电压环采用PI调节器，电流环采用PR调节器；可以实现整流器交流侧单位功率因数，直流侧电压恒定。额定：交流侧电压60V，电流10A，直流侧电压150V。后续添加：1.参考文献中国矿业大学伍小杰老师、戴鹏老师，硕士研究生杨艳《基于PR的单相PWM整流器》。2.顺便下调下载积分，资源被下载越多，其所需积分会逐步上涨，现下调回5积分。

基于Labview的步进电机控制与实时数据采集系统

精通MATLAB最优化计算，内附源码，对优化计算的学习和编程有用

用于鱼眼摄像头的一个环视参考文档很不错，自己最开始做这个相关的项目就是参考这个文档，发现写的很是不错，非常值得参考特别有用的，哈哈哈哈哈哈哈哈哈哈赵三峰,谢明,陈玉明:基于逆向投影的全景泊车系统设计与实现其中,(x,y)表示校正图像的坐标,(x,y)表示鱼眼图像的坐标此算法的效果如图所示。1------图校正前后图像俯视变换clay.OB图离散化后的路面本文采用直接线性变换()来找到俯视变换的投影矩阵,这种方法的优点在于不需要知道摄像头视RR角等参数,只需要在图像坐标系下标定对特征点就可R以计算出个未知的参数,从而得到单应性矩阵,并利R用单应性矩阼完成俯视变换。其中,M表示合成图像的宽度,单位:像素;No表示直接线性变换的公式如下合成图像的高度,单位:像素;R表示合成区域的宽Coxi i+Coli+Cu22i +Cu3)度,单位:;R1表示合成区域的长度,单位(iam,0)表示图像的坐标,单位:像素;x,y表示合成区C102+(ny2+C12x;+CrC20x:+C21y+C2231+1)域路面的坐标,单位:。下面判断路面上的点被哪个摄像头拍到,因此将路其中,(2v)表示图像坐标,(xy2)为物体空间坐标,面分成八个区域,如图所示Co,co1,…,C2为未知参数。但是本文的物体选择的是路面特征点,因此公式的z=0,简化后的二维公式为:(左前前)(右前)IX). Ti t Coli+CUsC0x;+C21y;+1(左)汽车v C1o x, +C11)2+C13C20x:+C21y1+1如果川矩阵的形式表示,如下(左后)(后)(右后)ROT=C1C1 CI图路而的八个区域图中,Il、ⅣV、V和ⅤI四个区域只能被前,左,RO表示路面坐标到图像左边的变换矩阵,则ROn右,后四个摄像头看到。I、I、VI和VI为两个摄像表示图像到路面的投影矩阵头的交叉区域,可能被两个摄像头看到,因此需要判断图像合成交叉区域被哪个摄像头采集到,四个交叉区域的判别方本文的创新点就在于跳出了传统图像拼接的想维,法相同,因此以区域1为例描述如下采用一种更加简单有效的算法来实现无缝拼接全景。)取区域I内任意一点(jo),计算其路面坐标假设路面合成区域的大小为长R1,宽为Rw,单假定该点可以被前摄像头采集到,通过与前摄位:。R的宽度方向平均分成M等份,R1的高像头的投影矩阵ROlo相乘,便可以得到该点在前摄度方向平均分成N等份,其中任意一点坐标用(mm)像头的像素坐标av),如果0≤

【作　　者】何强 何英 [同作者作品] 【丛 书 名】 其他 【出 版 社】 清华大学出版社 【书 号】 7900641807 【出版日期】 2002 年6月 【内容简介】本书以MATLAB扩展编程及其应用实例为主线，以MATLAB与C程序、Visual Basic、Excel、网络和系统硬件的接口为核心，采用图文并茂的方式、简捷明快的手法和通俗易懂的语言，配合大量的代码实例以及一个简单的语音识别系统的具体实现，系统介绍了MATLAB的新特性、常用的代码优化方法和功能扩展途径。全书分为3部分，共13章。第1部分(第1章—第6章)：MATLAB 6的安装和运行、Matr

基于51单片机的温度控制系统在protues上的仿真

简单描述自适应滤波的原理及在MATLAB中实现的方法，并辅以相关MATLAB代码供大家交流。1绪论11引言人类传递信息的主要媒介是语言和图像。据统计,在人类接受的信息中,听觉信息占20%,视觉信息占60%,其它如味觉、触觉、嗅觉总的加起来不过占20%,所以图像信息是十分重要的信息。然而,在图像的获取和图像信号的传输过程中,图像信号中不可避免的混入各种各样的随机噪声,造成图像失真(图像退化)。造成人类所获取的信息和实际是有偏差的,成为人类从外界获取准确信息的障碍。因此,对图像信号中的随杋噪声的抑制处理是图像处理中非常重要的一项工作在图像的获取和传输过程中所混入的噪声,主要来源于通信系统中的各种各样的噪声,根据通信原理及统计方面的知识,可以知道在通信系统中所遇到的信号和噪声,大多数均可视为平稳的随机过稈。又有“高斯过程又称正态随机过程,它是一种普遍存在和重要的随机过程,在通信信道中的噪声,通常是一种高斯过程,故又称高斯噪声。囚此,在大多薮的情况下,我们可以把造成图像失真的噪声可视为广义平稳高斯过程本文针对图像信号中混入的随机噪声,在怎样把现有的滤波算法应用到实际的图像复原中去的问题上提出了解决方法,并且应用 Matlab软件编程对图像进行处理。1.2研究目标及现状121图像复原技术的目标为了从含有噪声的数据中提取我们所感兴趣的、接近规定质量的图像,我们需要设计个系统满足:当信号与噪声同时输入吋,在输出端能将信号尽可能精确地重现出来,而噪声却受到最大抑制,即最佳滤波器。122图像复原抆术的研究现状日前的图像复原技术,即去噪的滤波技术可以分为两大类:传统滤波和现代滤波。传统滤波技术是建立在已知有用信号和干扰噪声的统计特性(自相关函数或功率谱)基础上的噪声去除;现代滤波技术则是不需要知道图像的先验知识,只是根据观测数据,即可对噪声进行有效滤除。早在20世纪40年代,就对平稳随机信号建立了维纳滤波理论。根据有用信号和干扰噪声的统计特性(自相关函数或功率谱),以线性最小均方误差(MSE)估计准则所设计的最佳滤波器,称为维纳滤波器。这种滤汲器能最大程度的滤除干扰噪声,提取有用信号。但是,当输入信号的统计特性偏离设计条件,则它就不再是最佳的了,这在实际应用中受到了限制。到60年代初,由于空间技术的发展,出现了卡尔曼滤波理论,即利用状态变量模型对非平稳、多输入多输出随机序列作最优估计。卡尔曼滤波器既可以对平稳的和平稳的随机信号作线性最佳滤波,也可以作为非线性滤波[2]。然而只有在对信号和噪声的统计特性已知的情况下,这两种滤波器才能获得最优解。在实际的应用中,往往无法得到这些统计特性的完验知识,或者统计特性是随时间变化的,因此,这两种滤波器就实现不了真正的最佳滤波。Widrow B.和Hof于1967年提出的自适应滤波理论,可使在设计自适应滤波器时不需要事先知道关于输入信号和噪声的统计特性的知识,它能够在自己的工作过程中逐渐估计出所需的统计特性,并以此为依据自动调整自己的参数,以达到最佳滤波效果。一旦输入信号的统计特性发生变化,它又能够跟踪这种变化,自动调整参数,使滤波器性能重新达到最佳。自适应滤波器自动调节参数可以通过各和不同的递推算法来实现,由于它采用的是逼近的算法,使得实际估计值和理论值之间必然存在差距,也就造成了自适应滤波问题没有唯一的解。依照各种递推算法的特点,我们把它应用于不同的场合。现在广为应用的自适应滤波方法主要是基于以下几种基本理论,再融合递推算法导出来的:(1)基于维纳滤波理论的方法维纳滤波是在最小均方误差准则下通过求解维纳霍夫方程来解决线性最优滤波问题的。基于维纳滤波原理,我们利用相关的瞬时值通过在工作过程中的逐步调整参数逼近信号的统计特性,实现最优滤波。由此,我们得到一种最常用的算法—最小均方算法,简称LMS算法。(2)基于卡尔曼滤波理论的方法卡尔曼滤波是线性无偏最小方差滤波递推滤波,它能使滤波器工作在平稳的或非平稳的环境,得到最优解。利用卡尔曼滤波理论的递推求解法导出自适应滤波器更新权矢量得不同递推算法。比LMS算法有极快的收敛速率,可是计算复杂度也增大∫,它需要计算卡尔曼矩阵。(3)基于最小二乘准则的方法维纳滤波和卡尔曼滤波推导的算法是基于统计概念的,而最小二乘佔计算法是以最小误差平方和为优化目标的。根据滤波器的实现结构,有以下3种不同的最小二乘自适应滤波算法:自适应递归最小二乘法(RLS),自适应最小二乘格型算法,QR分解最小二乘算法。(4)基于神经网络理论的方法神经网络是有大量的神经元相互连接而成的网络系统,实质上它是一个高度非线性的动力学网络系统,这个系统具有很强的自适应、自学习、自组织能力,以及巨量并行性、容错性和坚韧性,因而,它可以做很多传统的信号和信息处理技术所不能做的事情。因其超强的自动调节能力,使符它在自适应信号处理方面有着广阔的前景[2]在一系列的自适应算法中,虽然基于后面3种基本理论的方法在收敛速率和稳定、坚韧性方面有着更好的性能,但是,基于维纳滤波理论的IMS算法因其算法简单,而且能达到满意的性能,得到了青睐,成为了应用最广泛的自适应算法。为此,本文主要研究LMS自适应滤波器在图像去噪方面的应用。2理论基础21基本自适应滤波器的模块结构自适应滤波器通常由两部分构成,其一是滤波子系统,根据它所要处理的功能而往往有同的结构形式。另一是自适应算法部分,用来调整滤波子系统结构的参数,或滤波系数。在自适应调整滤波系数的过程中,有不同的准则和算法算法是指调整自适应滤波系数的步骤,以达到在所描述的准则下的误差最小化。自适应滤波器含有两个过程,即自适应过程和滤波过程。前一过程的基本目标是词节滤波系数"(),使得有意义的目标函数或代价函数()最小化,滤波器输出信号y()逐步逼近所期望的参考信号4k),由两者之间的误差信号(k)驱动某种算法对滤波系数进行调整,使得滤波器处于最佳工作状态以实现滤波过程。所以自适应过程是一个闭合的反馈环,算法决定了这个闭合环路的自适应过程所需要的时间。但是,由于目标函数)是输入信号(k),参考信号(k)及输出信号y(k)的函数,即20=ack,.y,因此目标函数必须具有以下两个性质(1)非负性g (=8[x(k), d(k), y(k] 20Vx(), u(k), y(k)(2.1)(2)最佳性E()=E[x(k),d(k),y(k)]=0(22在自适应过程中,自适应算法逐步使目标函数(最小化,最终使()逼近于(),滤波参数或权系数()收敛于",这里"是自适应滤波系数的最优解即维纳解。因此,自适应过程也是自适应滤波器的最佳线性估计的过程,既要估计滤波器能实现期望信号()的整个过程,又要估计滤波权系数以进行有利于主要目标方向的调整。这些估计过程是以连续的时变形式进行的,这就是自适应滤波器需要有的自适应收敛过程。如何缩短自适应收敛过程所需要的收敛时间,这个与算法和结构有关的问题时人们一直重视研究的问题之—[2]。当然滤波子系统在整个自适应滤波器的设计中也占有很重要的地位,因为它对最终的滤波性能有很大的影响。本文要研究的是基于维纳滤波原理的LMS算法,那么下面我们需要介绍一下基本维纳滤波原理。22基本维纳滤波原理基本维纳滤波就是用来解决从噪声中提取信号问题的一种过滤(或滤波)方法。它基于平稳随机过程模型,且假设退化模型为线性空间不变系统的。实际上这种线性滤波间题,可以看成是种估计问题或种线性佔计问题。基本的维纳滤波是根据全部过去的和当前的观察数据来估计信号的当前值,它的解是以均方误差最小条件下所得到的系统的传递函数万(3)或单位样本响应h(k)的形式给出的,因此更常称这种系统为最住线性过滤器或滤波器。设计维纳滤波器的过程就是寻求在最小均方误差下滤波器的单位样本响应h(k)或传递函数h(x)的表达式,其实质是解维纳-霍大( Wiener-Hopf方程。基木维纳滤波器是这样的,有两个信号x(k)和y(k)同时加在滤波器上。典型地y(k)包含一个与x(k)相关地分量和另一个与x(k)个相关地分量。维纳滤波器则产生y(k)中与x(k)相关分量地最优估计,再从y(k)中减去它就得到ε(k)。y(kak)输出rk)维纳德波n=∑v(D)x(k-)f=0图21基本维纳滤被模型假定一个N个系数(权值)的FR滤波器的结构,维纳滤波和原始信号y(k)之间的差信号c(k)为ek= yk-nk=ye∑w(i)x(23)其中和w分别为输入信号矢量和权矢量,由下式确定(24)k-N-1)H(N-1)误差平方为2Y, x,w+w x.x,w对(3)式两边取期望得到均方误差(MSE),若输入x(k)与输出yk)是联合平稳的,则ELel=Ely,-2ELYXiwItElwx, x, w2.62P其中E[代表期望,=Ex是(k)的方差,P=E[yx1是长度为N地互相关矢量,R=Exx是NxN的自相矩阵。一个MSE滤波系数的图形是碗形地,且只有唯一地底部,这个图称为性能曲面,它是非负的。性能曲面地梯度可由下式给出2P+2R(2.7)Ytrim图22误差性能曲面每组系数w(i)(i=1,2,N-1)对应曲面是一点,在由面是地最小点梯度为0滤波权矢量达到最优”呷R P(28)即著名的维纳霍夫方稈的解。自适应滤波地仟条是采用合适的算法来调节滤波权重W,0)W,1),…W,N-1),从而找到性能曲面地最优点维纳滤波的实际用途有限,因为:(1)它需要已知自相关矩阵R和可相关矢量P,这两个量通常是未知的。(2)它包含∫矩阵的求逆,非常的耗时3)若信号为非平稳的,则R和P是时变的,导致必需重复计算。对于实际的应用需要一种能够依次加入地抽样点而得到"的算法。自适应算法就就是用于达到这个目的,而且不需显式计算R和P或进行矩阵求逆[3]3自适应滤波原理及算法在实际应用中常常会遇到这样的情况:随机信号的统计特性是未知的,或者信号的统计特性是缓慢的变化着的(非≯稳信号),这就促使人们去研究一类特殊的滤波器,这类滤波器具有以下特点:当输入过程的统计特性未知时,或者输入过程的统计特性变化时,能够相应的调整自身的参数,以满足某种准则的要求,由于这类滤波器能变动自身的参数以“适应”输入过程统计特性的估计或变化,因此,就把这类滤波器称为自适应滤波器41。在本文中我们研究的是退化图像复原的问题,由于图像自身的多样性和所混入的噪声的随机性和多样性,我们选择自适应滤波取出图像中混入的噪声。3.1横向滤波结构的最陡下降算法3.11最陡下降算法的原理首先考虑如下图所示的横向FIR自适应滤波器x(k-1k-2)x、-M+2)xR-M+l)e自适应控制算法1图31自适应横向滤波器结构它的输入序列以向量的形式记为X(k)=[x(k)x(k-1)(k-M+1)(3.1假设x()取自一均值为零,自相关矩阵为R的广义平稳随机过程,而滤波器的系数矢量(加权矢量)为:k)=[w,(k)w2(k)(32)以上二式中括号内的k为时间指数,因此,X()和W()分别表示时刻k的滤波器输入序列和加权值,滤波器的输山y(k)为:y(k)=∑w(n)x(n-t+1)33)式中M为滤波器的长度。图31中的“k称为“期望理想响应信号”,有时也可称为“训练信号”,它决定了设计最佳滤波器加权向量W(k)的取值方向。在实际应用中,通常用一路参考信号来作为期望响应信号。(k)是滤波器输出y(k)相对于a(k)的误差,即e(k)=d(k)-v(h)(34)显然,自适应滤波控制机理是用误差序列(k按照某种准则和算法对其系数w)n),=1.2…,M进行调节的,最终使自适应滤波的目标(代价)函数最小化,达到最佳滤波状态。按照均方误差(MSE)准则所定义得目标函数是E(h)=Ele()(35)eId()-2d(k)y(k)+y(k)将式(3.4)代入式(3.5),目标函数可以化为c(k)=Ele(k)(3.6)E[d(k)]-2Eld(kw(k)x(k]+ elw(kX(eX(s)w(k)当滤波系数固定时,目标函数又可以写为c(k=[d(k]-2W(k)P+W(k)RW (k)(3.7)其中,P-趴是长度为N的期望信号与输入信号的互相关矢量,R=Exx是Nx的输入向量得自相关矩阵。由式(37)可见,自适应滤波器的目标函数()是延迟线抽头系数(加权或滤波系数)的二次函数。当矩阵R和矢量P已知时,可以由权矢量W(k)直接求其解。现在我们将式(3.7)对W求倒数,并令其等于零,同时假设R是非奇异的,由此可以得到目标函数最小的最佳滤波系数w为R P(38)

低噪音、闭环控制等功能的42步进电机驱动资料

一些经典的习题 和课本的课后答案，是各位自学的必备之作内容提要本书是在李友誉编写的《身动控制原理200题》的基础上,又增加了哈尔滨工业大学出版社和科学出版社出版的《息动控制原理》的习题解答,共计470题。本书是高等院校“动控制原理”课程的教学辅助用书,与教学同步使用,还可供报考硕士研究生的考生复习备考使用图书在版编目[CP)数据自动控制原理470题/李友善等编.一2版.一哈尔滨:哈尔滨工业大学出版社,2002.4IsBN75603-1703-0I,自…Ⅱ.李…Ⅲ.自动控制理论-高等学校式题Ⅳ.T13-4中区版本图书馆CP数据核字(2002)第01737号出版袋行哈尔滨工业大学出版社杜址啥尔滨市南岗区教化衡2I号邮编15006传真451-86414749印剁哈尔滨市龙华印刷厂开本850×1168132印张13.25字数35千字版次200年4月第2版2003年11月第4次印刷书号rBN75603-1703-0/P-171印数19001-24000定份1500元再版前言本书是高等院校“动控制原理”课程的教学辅助用书,是与李友普教授主编的“自动控制原理”(国防工业出版社,修订版)鄢景华教授主编的“自动控制原理”(哈尔滨工业大学出版社,修订版)和梅晓榕教授主编的“自动控制原理”(科学出版社)等教材配套使用,并可供报考硕士研究生的考生应试复习用。本书第一篇是李友善教授编写的《自动控制原理200题》,是为李友善主编的《自动控制原理》一书配套编写的该书自1988年出版以来深受读者欢迎。第二篇是由梅晓榕和王彤编写的习题解答,该篇包含了由哈尔滨工业大学出版社出版的,由鄢景华主编的《自动控制原理》书中习题的解答和由科学出版社出版的,梅晓榕主编的《自动控制原理》-…书的补充题解答。书中不足之处,忌请读者批评指正。编者2003年11月前言本书是高等院校控制理论与应用、过程控制、工业电气自动化、工业仪表自动化、液压控制、计算机控制与应用等专业“自动控制原理课程的辅助教学用书,是与李友善主编的《自动控制原理》(国防工业出版社,修订版)一书配套编写的。全书共分八章,其中选编了在线性、非线性离散系统理论领域内典型性与概念性均较强的200个例题与习题。在每一章里,重点阐述了与该章内容有关的几个方面的基本概念问题,并通过具有代表性的例题较全面地介绍了解题的思路与步骤,说明分析问题与解决间题的基本方法。俾使读者通过阅读例题的解魉与习题的演算,深人掌握反馈控制的基本概念与基本分析方法书后附录给出了哈尔滨工业大学控制理论与应用专业19791986年度攻读硕士学位研究生人学考试《自动控制原理》试题汇编供报考硕士研究生的读者应试复习之用;附录中还给出了书中部分习题参考答案,供读者解题时参考。由于编者水平有限,书中的缺点与错误在所难免,恳请广大读者批评指正。编者987年5月于哈工大目录第一篇第一章关于传递函数的基本概念例题…………………(1习题■晋q甲如如如■·4甲甲·■山ψ=l昌昌山4如q…(24)第二章关于时域分析的基本概念例题…………………………………(29)习题争中■口■■ψψ;■bψ中●1■●电■■tψψψ啁p中导中ψ◆t自_曾pp■马中第三章关于根轨迹的基本概念例题(93第四章应用频率响应法分析控制系统的基本概念例题(95)习题124第五章应用频率响应法综合控制系统的基本概念例题(130)(150)第六章非线性系统分析的基本概念例习题……………………(175)第七章离散系统分析与综合的基本概念例(180)习题■_■【■■■■(196)第八章关于线性系统理论的基本概念例题…■『酽■甲冒旱冒■{晷【■习题…_d■(222)附录一哈尔滨工业大学自动控制原理研究生考试试题(979-1986)…嚼中ψ卓中ψ中q■24附录二部分习题参考答案甲督督日■鲁■■■■■ψ◆·↓嚼聊bψψ■山■■■■44■P(248)附录三附录一的试题参考答案……"……(262)第二篇第一章自动控制概论…………………(270)第二章控制系统的数学模型号中4◆中自中『4画(27I)第三章控制系统的时域分析第四章根轨迹法(299)第五章频率特性法…(303)第六章控制系统的综合与校正(326)第七章非线性控制系统……(338)第八章线性离散系统(359)第九章控制系统的状态空间分析法(372)第十章线性系统的状态空间综合法…………………(381补充题………:(391)附录四哈尔滨工业大学控制原理研究生考试试题19~1997及201)(398)附录四答案(411)参考书目上■卩4(415)2x十卡++十十十x第一篇Ⅹ+峰艹牛牛斗4+X第一章关于传递函数的基本概例题、根据传递函数定义求取二变量间的传递函数时,首先应明确二变量间的关系必须符合线性规律,其次要明确在零初始条件下取变量的拉普拉斯变换。例1求取图1-1(a)所示电路的传递数f(s)/B(s)图中p为铁心线圈磁链,R为线圈电阻。图1-1解描述铁心线图特性的微分方程式为R或dRi(1-1)其中磁链p(i)是流经线圈电流i的函数,如图1-1(b)所示,而dy(i)/代表y(i)曲线东各点的斜率从图1-1(b)可见,磁链φ是电流的非线性函数,因此dpy()/d是与变量i有关的变系数这样,方程(1-1)便不是线性微分方程式,当然也就不能对它取拉普拉斯变换,从而变量与t之间也就不存在传递函数。假若在某一工作点Q(如,l)上,电流讠=l±▲i的变化甚微,郎增量Ai很小,从前对应的磁链增量也很小,则在工作点Q(,)两侧的微小区域内便而视y(i)d为常值。因而方程(1-1)变成小偏差线性化意义下的线性微分方程式,具备了进行拉普拉斯变换的条件,其变换后的形式为du(i)[sI(s-i(o)+Ri(s=Usdy(ib+RdU(s(1-2)其中=i(0)工作点电流;dyfi在工作点Q两侧微小区域内的常值基于传递函数定义,欲由式(1-2)写出I()/U(s)形式,必须令l=0由此求得传递函数(s)/(s)为RU(s-Is+(1-3)式中Ty/R称为时间常数式(1-3)说明,传递函数必须在零初始条件下求取。否则,例如从式(12)使无法写出变量i与间然传递函数f(s)/U(s)。例2试求取图1-2(a)所示无源屯路的传递函数U0(s)/U(s)。2