基于Labview的信号处理系统

针对温度控制系统的时变、滞后等非线性特性及控制比较复杂的问题,提出了一种模糊控制方案以改善系统的控制性能. 该方案采用mamdani推理型模糊控制器代替传统的PID控制器,依据模糊控制规则由SCR移相调控晶闸管控制电阻炉电热功率,实现对温度的控制. Matlab仿真结果表明,模糊控制的引入有效地克服了系统的扰动,改善了控制性能,提高了控制质

【实例简介】OFDM信号发生器和QPSK解调技术是非常有用处的调制技术。这种OFDM对于WiMAX和其他无线和多媒体标准中非常有用处。QAM4和QPSK是同样的调制解调技术。在通道块中使用不同的SNR参数，运行这个模型，然后观察OFDM的性能。然后在原文处给出你的建议。

不可多得的齿轮动力学教程，对研究齿轮动力学的工作者是个很好的参考资料

我们已生活在大数据时代，享受着信息技术飞速发展所带来的福利。 但与此同时，有多少我们司空见惯、习以为常的现象是否合理？ 我们在获取便利的过程中让渡了多少传统上被珍视的社会价值？两位法学教授对大数据时代表面的繁荣下隐藏的危害进行了比较全面的梳理。作为竞争法学者，作者对超级平台（Google、苹果、Facebook 等，当然可以类推至中国的类似平台）的垄断性优势与其给竞争市场带来的破坏力表达了深切担忧。 在互联网生态系统中，企业综合应用数据追踪、分析、挖掘技术，普及精准化营销、个性化定价，可以实现完美的行为歧视。 公众成为“算法”标记、组织的对象，成为各种软硬件监控的目标，丧失了人的主体性。“要么接受，要么离开”的规则使处于天然弱势地位的公众难以具备可选择性，成为游戏规则的被动接受者。作者在书中多次提到《楚门的世界》这部经典电影。 在当前这个被操纵、控制的网络空间中，我们的处境和电影主人公楚门又有多少差别？ 也许所谓的服务效率改善需要以牺牲用户隐私、奉送安宁生活为代价，但这里的边界应该在什么位置？ 作者特别强调以人工智能技术为基础的各种“虚拟助手”在帮我们做决策的同时，也限制了我们接触外部选择的机会。 更让人感到沮丧的是，作者指出作为既得利益者的超级平台否认所存在的弊端，掩盖大数据隐患的事实，凭借强大力量以各种方式打压竞争对手，驱逐隐私保护软件，使公众需要承担更多的时间、精力、金钱代价。虽然困难重重，作者也尝试给出药方，其中包含了“教育民众”的内容。 让公众理解超级平台和垄断算法的运作机制，保持清醒的认知，为推动变革的到来贡献力量。 长期以来，图书馆职业一直是“信息公平”的坚定捍卫者。 在新的环境下，能否在实现“算法公平”中继续发挥自己的独特价值？ 这是值得图书馆界人士思考的问题。

百度鹰眼api接入的简单实现，完成路径追踪，实时定位，轨迹画线的功能。可以直接用Android Studio运行。

该项目包含的知识点（包括 webpack、 Vuex、vue-router 等）来开发一个具有代表性的电商网站项目。所涉及的内容涵盖了许多典型场景，如商品列表按照价格、销量排序：商品列表按照品牌、价格过滤：动态的购物车；使用优惠码等。

在视频交通监控系统中，图像采集设备固定于道路、桥梁或收费站的上方，对下方的场景进行拍摄，一般来说背景在短时间内不会变动，可以看成是静止背景下的运动车辆目标的检测。

论文分别为彩色图像数字水印的研究与实现、基于DCT变换的图像水印嵌入技术、基于VC++ 的图像处理程序设计与开发、基于VC的图像边缘检测算法的研究与比较、基于图像纹理性质的图像修复研究、神经网络图象识别技术研究与实现、数字图像的基本操作、数字图像几何变换的分析与实现。有需要的可以参考一下。

用Simulink 建立OFDM系统模型，最后得出了仿真系统的误码率及基带发送接收波形图。

对云计算任务调度进行了研究，针对用户满意度和云提供商利益需求，提出一种融合粒子群和遗传算法的PSOGA改进算法。首先根据云环境特点对虚拟机资源进行分类，同时引入任务‐资源满意度距离、资源综合性能概念；然后对粒子群初始粒子操作进行优化，来提高粒子质量；最后为克服粒子易陷入局部最优解问题，加入遗传算法（GA）的交叉、变异操作，扩展粒子的搜索空间。仿真结果表明，该调度策略提高了用户满意度的同时减少了任务的完成时间，是云平台下一种有效的任务调度策略。Computer engineering and applications[0,1]Ka By+M=85,7,4,7,41 aya+B+rBr0.10.20.7(9,1,25,7)(9,25,5,7)=(1,0,0,1,1)3 a oB∑01(1,0,1,1)④0.9(1,1,0,1)=(1xx,1)010.109(3,2,1,5,4)∞(1,0,1,1,1)=(3x,15,4)GA3.2Computer engineering and applications0.36Cloudsim 3.0CloudsimDatacenter Brokerbind cloudlettovm=0.82bind CloudlettovmMyclipse100PSOGAPSOGAK=844%Cloud[1000040000rand([150,200rand()]预处理任务及資、「5001000rand(]源,并更新虚拟机计算任务-资谅满总度距离[60100rand()ndo初始负载从可用资源随机生|根据得致的任务最PSOGA成S3/4个子佳虚拟机类型生成S/4个粒子PSOPSOGAGA初始化S个粒了的还200度,并设置最大迭代次数L和 fitness=tPSOGA很据車新定义的粒了探作,计算 fitness值,并更新pb利gb根据规则选择粒了进亻[15交叉变异探作,并计算fitness值,更新忡群(12)达到最大次效LL=L+1fitness阈值结太,得到最优解(13)M=200300200200LPSOs Lo n PsoGAPSOGAPSOGAGAComputer engineering and applications80070600s■PSO400AGA300■ PSOGA200PSOGAPSO GA100PSO GA0第一批第二批第三批PSOGAPSO GAPAOGAPSOGA2.5PSOPSOGAA0.5PSOGA第一北第二批第批PSOGAPSO GA5400190r170015001301100西GAn□1sGAGA了0050o笫一批第二批第二批43.532.5NGA□05第一枇第二批第三批Computer engineering and applications基于粒子群遗传算法的云计算任务调度研究万F据WANFANG DATA文献链接作者王菠,张晓磊作者单位:重庆人学计算机学院,重庆400044刊名:计算机工程与应用英文刊名:Com uter Engineering ar d Appl ications年,卷(期)2013Axfe:http://d.wanfangdata.concn/periodiCalpre8fb5c222-8042-4959-ba95-2a3a31f59b2e.aspx