M.2接口M-KEY，AD封装库文件

Android网络开发回顾之旅 在Android手机集成使用MQTT协议 ，实现搞掂移动控制硬件端。http://blog.csdn.net/xh870189248/article/details/78925541

【实例简介】通信信号调制制式的自动识别和调制参数的自动估计是非协作通信和软件 无线电中的主要问题。非协作通信是通信中的一个分支，在民用或军用场合都 有重要的应用，它需要接收机在先验知识不足的前提下监视空间通信信号的活 动情况，并截获其传输的信息内容；软件无线电是未来通信中的一个关键技术， 它需要接收机能在同一个硬件平台上自动完成多种体制、多个频段的通信和相 互间的切换。这里面都需要解决通信信号制式的自动识别和参数估计。另外， 信噪比（SNR）是接收信号的一个关键参数，它对通信系统的性能有着重要影响， 对它的估计也十分必要。直接扩频序列信号（DSSS）由于具有极低的功率谱密 度，如何在非协作通信中不知道扩频序列的前提下对其进行检测和估计，是一 个具有很强的应用背景同时富有挑战性的课题。本文以通信信号的统计特性为 基础，分别对这些问题进行了研究和探索，主要包括： 首先，使用统计模式识别的方法，综合决策树识别器和神经网络识别器的 优点，提出了一种混合识别器，它在不依赖于先验的调制参数和信噪比的条件 下能对常用的11种数字调制信号CW、BPSK、QPSK、OQPSK、16QAM，32QAM， 64QAM、2FSK、4FSK、GMSK和OFDM进行准确的识别。 其次，研究了非协作通信中观测信号调制参数的估计问题。对M-PSK及 M-QAM信号滚降系数的研究表明，接收机中滚降系数不准确对系统性能的影响 非常小，因此我们在设计接收机时可以不必考虑滚降系数的影响，而只需固定 一个值即可。对M-FSK号调制指数的研究表明，我们提出的估计算法能够显著 改善时钟同步性能，并且估计结果不影响最后的误码率。对M-PSK、M-QAM 及OQPSK信号波特率的研究表明，我们提出的波特率估计算法能够在较短的观 测长度下取得较高精度的波特率估计值，并且估计结果完全满足解调器所需的 精度要求。 再次，研究了观测信号SNR的估计问题，提出了两种不依赖于辅助数据的 估计算法，一种是改进的基于最小描述长度原理和特征值分解的算法，另一种 算法基于Gibbs抽样原理。这两种算法均能在AWGN信道和多径信道中精确估 计出信号的SNR。此外，第二种算法还可以给出信道的估计信息。 最后，利用扩频序列的强自相关特性和弱互相关特性，研究了DSSS信号在 非协作通信中的检测和参数估计问题。算法以接收信号自相关函数的累加为基计DSSS信号的波特率、chip速率和载波频率，然后提出了两个测度函数， 一个对扩频序列进行同步，确定出扩频序列在观测序列中正确的起始位置；另 一个在扩频序列同步的基础上估计序列中每一个chip的具体数值。计算机仿真 结果验证了理论分析的正确性。 本论文的研究结果表明：通过采用本论文提出的调制信号自动识别算法和 相关的调制参数估计算法，可以有效的提高非协作通信和软件无线电中接收机 的工作性能和实用化程度。

采用区域生长的方式分割图像，用户可以用鼠标在其中选取一个种子点并按下回车键，之后会出现分割结果。

在MATLAB的编程环境下，设计了低通、高通、带通、带阻等一系列的FIR或IIR滤波器，成功地实现对加噪声序列的滤波处理！

针对风电出力的随机性及间歇性，采用灰色理论建立灰色预测一威布尔风速分布组合模型，并对威布 1尔风速分布参数进行了求解，根据实际地形下风电场风速数据准确预测了风电场的风速分布及有效风电出力密度，进而求得了风电场风机出力功率及发电量等重要数据

LD3320为内核是51单片机，LD3320当输入不同的语句通过串口输出相应的代码，利用STM32与51单片机的串口通讯，将代码传输给STM32实现STM32端口控制。注意事项：1：STM32串口，51串口波特率以及电脑端串口调试助手波特率均为9600。2：51的TX端口与STM32的PB11(USART3_RX)端口连接；51的RX端口不接；STM32的PB10(USART3_TX)端口与STM32的RXD端口连接。3：DS0，DS1均为STM32Mini板板上硬件资源。

利用小波去噪的Maltab程序，有源代码

【实例简介】CUDA by example代码实例

学习神经网络及深度学习实战代码.本书共有43章，内容涵盖常见的神经网络（BP、RBF、SOM、Hopfield、Elman、LVQ、Kohonen、GRNN、NARX等）以及相关智能算法（SVM、决策树、随机森林、极限学习机等）。同时，部分章节也涉及了常见的优化算法（遗传算法、蚁群算法等）与神经网络的结合问题。此外，本书还介绍了MATLAB R2012b中神经网络工具箱的新增功能与特性，如神经网络并行计算、定制神经网络、神经网络高效编程等

粒子群算法工具箱 http://blog.csdn.net/niuyongjie 里面的完整代码