IPIX雷达STFT

用simulink和simscape仿真直流电动机-simscape_DCmotor.rar今天我做了一个直流电动机的仿真，没敢发到powersystem模块就发到基础模块了我用了两种方法，一种是传递函数，用的是simulink另一种是simscape，直接仿真物理系统总结一下虽然看看仿真图，是传递函数比较简单，但是你要建立这个传递函数的时间远比建立simscape的时间长，simscape显得比较简单，相当于所有的传递函数都给我们写好了，看仿真图的形状很容易想到物理模型，我比较推荐这个。为了让大家看的比较方便有个系统，机械系统和电路系统我都用的不同的

波形采集、存储与回放系统课程设计报告本设计是设计一款基于单片机STC85C52的波形采集存储与回放控制系统，其中单片机是整个控制系统的核心，结合AT24C04存储及PDF8591芯片A/D数据采集模块，可靠地实现对一路外部信号进行采集与存储。系统硬件可以分为模拟部分和数字部分。模拟电路主要包括按键电路、单片机的外围基本模块及A/D模块、D/A模块。数字部分主要由单片机STC85C52实现与AT24C04，用于数据的存储、传输和信号处理等。

【实例简介】PyCharm是python编程的IDE，这个软件是全英文的，想要汉化，必须引入一个汉化的jar包

ofdm中的迭代注水，从而实现功率的最小化或速率的最大化。

通过实例对人工神经网络的实际应用进行分析和讲解，清晰的代码一目了然每神经元有许多输入、输出键,各神经元之间以连接键(又称突触)相连,它决定神经元之间的连接强度(突触强度)和性质(兴奋或抑制),即决定神经元间相互作用的强弱和正负,共有三种类型:兴奋型连接、抑制型连接、无连接。这样,个神经元(一般很大)构成一个相互影响的复杂网终系统,通过调整网络参数,可使人工神经网络具有所需要的特定功能,即学习、训练或自组织过程。一个简单的人工神经网络结构图如下所示:上图中,左侧为输入层(输入层的神经元个数由输入的维度决定),右侧为输出层(输出层的神经元个数由输出的维度决定),输入层与输出层之间即为隐层。输入层节点上的神经元接收外部环境的输入模式,并由它传递给相连隐层上的各个神经元。隐层是神经元网络的内部处理层,这些神经元在网络内部构成中间层,不直接与外部输入、输出打交道。人工经网络所具有的模式变换能力主要体现在隐层的神经元上。输出层用于产生神经网络的输出模式。多层神经网络结构中有代表性的有前向网络(BP网络)模型Page 3 of 25多层侧抑制神经网络模型和带有反馈的多层神经网络模型等。本文主要探讨前向网络模型多层前向神经网络不具有侧扣制和反馈的连接方式,即不其有本层之间或指向前一层的连接弧,只有指向下一层的连接弧。代表是BP神经网终:输入模式由输入层进入网终,经中间各隐层的顺序变换,最后由输出层产生一个输出模式,如下图所示:输入层隐层输出层多层前向神经网终由隐层神经元的非线性处理衍生它的能力,这个任务的关键在于将神经元的加权输入非线性转换成一个输出的非线性激励函数。下图给出了一个接收个输入的神经元:Page 4 of 25神经元的输出由下式给出:这里输入的加权和(括号内部分)由一个非线性函数传递,表示与偏差输入相关的权值,表示与第个输入相关的权值。使用最广泛的函数是S形函数,其曲线家族包括对数函数和双曲正切函数,这些都可用来对人口动态系统、经济学系统等建模。另外所用的其他函数有高斯函数、正弦函数、反正切函数,在此不一一展开介绍,本文主要使用的激励函数是对数函数,函数表达式为函数曲线如下图所示对于有限输入量,对数函数输出范围为∈。在输入为=时,输出值为中问值输出在—附近随着输入的增加以相对快的Page 5 of 25速率增加并非常慢地到达上限。对于

UCI机器学习库中的wine数据集及其描述

Java基于SSM框架的BBS论坛系统（源码+数据库+配置文档），内容比较全面，修改数据库配置文件即可运行。

方便快捷迅速，内容比较好，基于matlab的仿真，很好实用

基于MATLAB 的脉搏信号处理软件系统，自己采集脉搏信号，之后用Matlab 的GUI 设计一个软件处理系统，能实现显示采集的信号，处理后的信号，然后输出脉率，频谱。并判断脉率的正常性，界面非常漂亮，脉搏信号用TXT文档保存，更换文档，就可实现对你的脉搏信号的处理！！效果非常好！

利用stm32f103驱动多路INA226的方法,