SIM868V2.0资料

分辨矩阵　属性　约简　此算法基于某篇论文（具体哪一篇忘了）中的用分辨矩阵进行属性约简。。。

爬取12306及火车票网，包括所有火车站及其所属城市、火车、火车经停时刻表、车站之间的距离，因为huochepiao上有些信息过时，所以去除了一些数据，最终剩下的列车名在tid.csv中

一个建筑物的点云，2兆多，适合初学者实验

MMC-HVDC系统Matlab仿真模型

09年全国大学生电子设计大赛优秀作品选集。详细介绍了09年全国电赛优秀的作品。是不可多得的宝贵资料在实际制作中,我们选用CD1046锁相环芯片,功牽WS管IRF510等性价比较高的器件,采用基于MsP43OF169单片机的经典控制算法,较为出色地完成了各项指标要求理论分析与参数计算频率跟踪电路设计:Uret鉴相器环路滤波压控振荡器PLL OUTPDLFVCO256分频图2锁相环电路框图利用相环C冂4046可以实现输入信号的倍频和同步,输入频率45-5H,经256倍频后为11.52KHz-14.08KHz信号,送给单片机作为系统同步的时钟。单片机用DDS原理产生幅度可调的正昡信号,此时钟作为D/A输出的时钟,即可追踪输入信号的相位和频率。此正弦信号送给本设计中自闭环的DC-AC逆变器作为输入,输出电压就可以与参考输亼Uref冋频冋相。为俫证快速锁定,需要调整R1、R2、C1的值使锁相环中心频率稳定在5OHz。2.MPPT最大功率点跟踪的实现本设计采用WP130F169单片机,它有两路D/A、8路AD,可以轻松地实现连续的电压电流采集。单片机由此数据计算出实时功率后根据MT算法自动调整,当时通过增加系统的输入阻抗增加实际待到的输入电压U以提高功率,反之则降低U,最终达到的最大功率点跟踪。3.提高效率方法开关电源电路改计中的主要损耗包括:场效应管的导通电阻损耗和开关损耗:滤波电路屮电感和电容的损耗。综合考虑成本和性能,本电路选用了IRF540,其导通电阻仅为77亳欢,输入结电容为1700F。在带载额定电流1A时,全桥的静态功耗。由于滤波电感和电容工作在高频卜,起储能释能作用因此电感要尽减小内阻,并保留1mm磁防止饱和,电容则要选取等效串联电阻ESR较小的高频低阻类型,以减小在电容上产生的功率损耗。本作品中所用的电感线圈为多股漆包线并绕以减小高频下导线集肤敚应带来的损耗,并使用铁氧体材料的伭芯以减小其磁滞损耗。电窣则选用聚丙烯电窣,它具有较好的高频特性、稳定性和较小的损耗。4.滤波参数设计:滤波电感使用直径36m磁罐,加1mm磁隙,用0.4mm漆包线5股并绕20匝,实测电感为200u左右;为减小通带衰减,取截止频率为5kHz,百百倍于基频,得C=4.7uF为进一步减小止弦波谐波分量,又用60u铁粉环电感与0.68uF电容进行了二次滤波,最终效果比较理想。二、电路与程序设计DCAC电路LL"虚短"比铰器SPWM/浮栅驱动器0恰半滤波参考正弦波功率正弦波补偿网络图5自振荡逆变器框图AC逆变器由自振荡原理的D类功率放大器构成,利用负反馈的高频自激,产生幅度较弱的髙频振涝叠加在工频信号上,经过比较器产生髙频SF硎开关信号通过浮栅驱动器驱动MOS管半桥。R54.7K+|+H1CTAOVCC HO12 HO1QIN VSll VS1C4I(ul IOJuh正弦入45-51z10uFVSS COM A67 LOIQ233K图6DC-AC逆变器电路图由于负反馈在工频上是稳定的,因此输出的信号的放大倍数由R2与R4的分压比决定,而自振荡〔产生的SPw)频率可通过微调补偿网络屮的电阻、电容值来调整,实际中综合考虑损耗和滤波电路的设计,选定频率约为28KHz左右,保证输出电压在功率电源HDC范围内,比例放人系数选为12。这神逆变器自身闭环,整个电路只使用个比较器,可以根据负载的变化自动调整SPW的占空比,使输入输出电压始终成比例关系在木设计中,使用两个上述的自振荡逆变器构成平衡桥式( Balanced transformer loss)DC-^C变换器,以LM393作逆变的比较器,配合自带死区的IR21094浮栅驱动器驱动IRF540功率№os管,获得了较高的效率和极低的失真度2.过流保护及自恢复电路[104UTBR23R22K510RN5819[7A334R24LM358R387.5K91k

因为要做课程设计的缘故，认真的对车牌识别系统,进行研究。网上的许多资料给了我非常大的帮助，所以本人也把自己研究实现的系统发到网上，给大家更多帮助！

meanshift实现的标准代码，亲测可用，里面包含5个m文件分别是Main.m，meanShift.m，colorspace.m等等，和一些张测试图片。加了中文注释了，易懂绝对好用，还有12张测试图片。

【实例简介】利用小波变换多分辨率的特性，对EEG信号进行了有效地去基线漂移。

自己写的Quartus||仿真的秒表，已经验证过了的

PCA·1——主成分分析 . 主成分分析 ( Principal Component Analysis ， PCA )是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题