AUTOSAR4.3

《真实世界的Python仪器监控：数据采集与控制系统自动化》是2013年 出版的图书，作者是休斯。ISBN 978-7-121-18659-2本书主要帮助读者了解如何通过自行开发应用程序来监视或者控制仪器硬件。本书内容涵盖了从接线到建立接口，直到完成可用软件的整个过程。本书适合需要进行仪表控制、机器人、数据采集、过程控制等相关工作的读者阅读参考。目录编辑第1 章仪器学概论........................................................ 1数据采集..............................................

用菲涅尔方法实现数字全息图的再现，简单易懂，有注释。

Halcon是世界顶级的机器视觉软件，halcon 10 在三维上比以前的版本有了很大改进，希望对各位做三维视觉的朋友能有帮助！

投影寻踪算法的matlab代码，有4个m文件，结构很清晰

本资源中包含超市管理系统的实验报告，可以直接上交版。以及myeclipse下的项目文件。可以直接添加进行运行验证。 超市管理系统有一下模块：一.基本档案管理设计与开发；二，采购订货设计与开发；三，出入库设计与开发；四，人员部门的设计与开发；五，管理员的设计与开发。以及相应信息的增、删、改、查等功能。     数据库设计（或数据结构设计）：数据库中包含以下表： 1 管理员信息表：用于登陆系统时进行信息的比对。 2 职员表：存储企业职员的身份信息。 3 采购表：存储采购的商品信息。 4 入库表：存储进入仓库的商品信息。

《通信网基本概念及其主体结构》一书 (第二版)课后练习答案。主要是问答和简述以及设计题的解答。

最近刚学UG二次开发，用到了《图表详解UG NX 二次开发》好不容易搞到光盘资源，与大家分享一下

利用相移补偿的原理完成均匀圆阵的波束形成过程 程序简单实用

我们的课程设计，用VC++6.0做的，数据写在本地文件中，可直接运行。包含完整的源码。功能共分5个模块：菜品管理模块（包含菜品的录入，查询，修改，删除。），会员办理模块（会员可打折），顾客点餐模块（包含菜品选择，修改，删除，计算金额，提交会员信息可打折。），统计模块（根据日，月，季度三个时间来统计营业额。），公告管理模块（可添加，删除，修改公告信息。）希望对大家有帮助。

混合定位中很不错的一篇文章，看过之后很受启发在TOA和AOA误差服从零均值的高斯分布时,以上⑧无AOAQ阵中AOATOA/AOA混合定位算法的克拉美一罗下界(CRLB)为:校准离差取rP=(GQG)90Q阵中AOA校准离差取(x-x1)/其中:G=(x-x r(y-m)/r(19)洲6050(x)2(+(y-y))(x-x)(+(y-y)0.020.040.060080.100.12(x-x1)AOA标准离差(stda,单位radx-图1都市环境中算法性能比较3仿真与分析为了检验和比较算法在实际蜂窝网络信道环境中的定位性能,假定在一蜂窝网络中,小区半径为2500m,参与TOA测量的BS为服务BS和4个相邻的BS,其位置坐标分别为(0,0),(4330,2500),(4330,2500),(0,5000),(-4330,2500)。假定由测量系统造成的TOA测量误差服从均值为0,方差为30米的高斯分布,信道环境造成的NIOS误差满是TP1.5信道模型14,服务BS始终能够提供AOA,AOA测量误差服从均值为0和一定标准差的高斯分布。图1为都市环境中假定只有服务BS能视距(LOS)传播时,MS在服务小区内均匀分布,在不同AOA标准差下算法定位误差在125m内的概率。图中可见,Q矩阵中σα的取值对算法定位性能有很大影响,在AOA标准差较小时用TOA测量值η近似替代σa能取得更好的定位性能,这是由于WLS算法采用了Q阵加权。此外,120只要AOA测量值达到一定精度(标准差小于一定值),采用10-10A-A0A00TOAAOA混合定位法就能取得比单纯TOA定位更好的性能。图29080为乡村环境中在不同AOA标准差下,由单纯TOA及 TOA/AOA70定位法(Q矩阵中取n=r)得到的由均方根误差(RMSE)表示的定位性能。由图2可见,乡村环境中由于TOA测量精度较高,30对AOA的精度要求也高。只有当AOA标准差更小(小于10-3)AOA标准离差(og)时,混合定位算法才能取得比单纯TOA定位更好的性能。图2乡村环境中算法性能比较为了检验MS与服务BS距离对算法定位性能的影响,在一般都市环境中可以假定MS位于与服务BS具有不同距离的两个位置(1200,0)和(2400,0)分别进行定位估计,五个BS具有非视距TOA测量值的概率分别为:0、0.2、04、0.6、0.8、1,服务BS能够提供的AOA测量误差分别服从均值为0,标准差为01、0.0lrad的高斯分布,Q矩阵中用r近似替代σn,对每个位置在每种条件下分别进行100次测量,算法在无AOA及具有两种标准差的AOA时的定位结果(RMSE)如图3、4所示仿真结果表明:AOA参与卜AOA标准离差=001AOA标准离差=0,01定位只有在AOA本身误差不大AOA标准离差=0.1AOA标准离差=0.1无AOA无AOA的情况下,才能对定位性能有改200善;如果AOA本身误差增大150则对TOA定位结果并不会有改l00善;MS距离服务BS越近,则50采用混合定位算法的效果越好。00.00.204060.810000.20.40.608104结论BS非视距概率Bs非视距概率图3个同标准差时算法图4不同标准差时算法本文的分析和仿真结果表性能比较(1200,0)性能比较(2400,0)明,只要服务BS提供的AOA测量值达到一定精度,合理选择Q矩阵中AOA标准差取值,本文提出的 TOA/AOA混合定位算法就o1994-2012ChinaAcademicJournalElectronicPUblishingHouseAllrightsreservedhttp:/www.cnki.neto1994-2012ChinaAcademicJournalElectronicPUblishingHouseAllrightsreservedhttp:/www.cnki.net