基于STM32的红外测温仪设计与实现

DSP 77个C语言例子程序 包括FFT,FIR IIR等的DSP实现

通过matlab计算综合能源系统（IEEE39节点天然气系统和比利时20节点天然气系统），并通过电力系统指标衡量天然气系统对综合能源系统的影响

ILI9341中文手册+STM32程序示例;最全的中文手册;最好的示例程序,适用于STM32,可移植性也贼强

2018年度中国主要城市交通分析报告，《中国主要城市交通分析报告》以高德交通大数据发布平台、大数据开放平台、阿里云MaxCompute及相关数据挖掘支持为基础，描述城市交通现状、呈现演变规律、预测未来发展趋势，并专注拥堵成因及解决对策的研究。本年报由高德地图联合“中国社会科学院社会学研究所”、“未来交通与城市计算联合实验室”、“阿里云”、“重庆交通大学蔡晓禹教授团队”、“山地城市交通系统与安全重庆市重点实验室”、“华南理工大学林永杰团队”共同联合发布。高德地图愿开放数据与政府、企业、院校等研究机构合作，共建交通共同体。年度高德地圖概述中国主要城市交通分析报告Summary《中国主要城市交通分析报告》以高德交通大数据发布平台、大数据开放平台、阿里云 Maxcompute及相关数据挖掘支持为基础,描述城市交通现状、呈现演变规律、预测未来发展趋势,并专注拥堵成因及解决对策的硏究。本年报由高德地图联合“中国社会科学院社会学研究所”、“未来交通与城市计算联合实验室”、“阿里云”、“重庆交通大学蔡晓禹教授团队”、“山地城市交通系统与安全重庆市重点实验室”、“华南理工大学林永杰团队”共同联合发布。高德地图愿开放数据与政府、企业、院校等研究机构合作,共建交通共同体。联合发布品贴A未来交通与城市计算联含实验室JOINT LABORATORYc】阿里云FOR FUTURE TRANSPORT AN URDAN COMPUTINI年度高德地圖编制说明中国主要城市交通分析报告Report description调研城市:361城+全国高速城市范围:选取城市的中心城区作为城市道路网评价范围,各城市中心城区范围是根据政府公开数据、交通岀行大数据、高德地图开放平台定位数据、交通出行大数据综合挖掘研判划定样本说明:交通评价中,公共交通车流独立区分计算数据呈现:采用“九宫格”指标综合评价和表征城市交通运行健康状况,其中“路网高峰行程延时指数”、“路网高峰拥堵路段里程比”、“骨干道路运行速度偏差率”、“路网高延时运行时间占比”四项指标已兼容公安部、中央文明办、住房和城乡建设部、交通运输部四部委、办联合印发《城市道路交通文明畅通提升行动计划(2017-2020)》的第三方评估标准。时间说明:全天06:0-22:00早高峰07:00-09:00晚高峰17:00-19:00常规说明无特殊说明,本报告统计时间均为2018年1月1日~2018年12月31日分析范围:50城选取361+城市和全国高速50个城市高德地圖编制说明年度中国主要城市交通分析报告Report description指标扩维:路网行程延时指数->九宫格矩阵->健康诊断全国二大堵点治理方案备网高延通勤拥堵时间(时运行时)(压力经济损失九宫格路网高峰常发拥缓行路矩阵空间(拥堵路段】(堵路段】段里程交通健康指数里程比里程比广州沿江西路效率路网高峰平均(珠江北岸-沿江西路)行程延时速度更新说明指数出行扩维:增加公共交通重庆鸿恩路群众艺术馆一鸿恩寺立交私家车公共交通目录Catalog01主要城市交通运行现状交通健康指数立体诊断城市交通畅通文明工程指标研究公共交通运行分析02年度城市出行标签年度出行盘点城市边界及核心区发展03城市交通病解决方案未来交通与城市计算联合实验室年度成果展堵点治理方案年度高德地圖中国主要城市交通分析报告01中国主要城市交通运行现状年度高德地圖中国主要城市交通分析报告“交通健康指数”立体诊断城市交通“交通健康指数”计算说明高德地amap. Cam随着城市交通复杂性增加和智能交通的飞速发展,单一指标的评价和诊断已不能满足我国交通运行的多样化。高德首创城市交通病诊断的综合性评价“交通健康指数”来全面刻画城市交通运行状况,该指数从时间、空间、效率的九项交通运行指标的综合评价,实现城市全方位立体化智慧运行诊断。该指数算法沿用国际通用的信息熵法客观确定评价指标权重(该方法在政府权威部门、社会经济、学术领域的各类报告中得到广泛普遍应用);同时,采用 TOPSIS正负理想解的计算进行排名,最终评分结果代表各城市九宫格指标与理想值之间的接近程度。“交通健康指数”越髙说眀离理想值越近,城市运行相对越健康;指数越低则说明多项指标距离理想值越远,相对越不健康。九项指标信息熵权重分配■权重确定方法—熵值法排名得分方法—TOPS|s1)各项指标运用最大最小值归一化处理,并考1)对于反向指标采用取倒数进行同向处理,然后进行数据规范化效率一骨干时间一路网虑指标的正反向进行调整2道路运行速高延时运行度偏差率,时间占比2)计算第项指标下第个样本值占该指标的比重刻率一高峰平为11.6%114%/时间-通勤2)利用欧式距离计算与最优最劣目标的距离,并乘以权重压力指数pp9.8%;{z;-x)2,D:(21-2)2效率一路网高时间一日拥3〕计算第j项指标的熵值行程延时捐数,10.7%堵经济损失e=-k∑p;lm(P;),=1,…,m3)计算各评价对象与最优方案的贴近程度空间一高峰12.6%缓行路段里空间一路网D:+D程比,98%高峰拥堵路4)计算信息熵冗余度空间一常发段里程比值越接近1,表示评价对象越优秀。在城市健康指薮中,所得结果即代表着该城市健康拥堵路段里10.3%d1=1程比5)计算各项指标权重水平与最优目标的接近百分比。15.2%d∑d最终计算各指标权重如左图所示。2018年度中国“交通健康城市”分布热力图高德地amap. Cam2018年度中国主要城市“交通健康指数”分布热力图地域分布来看■从数据分布来看,一线及省会等大型城市的“交通健康指数”相对普遍较低;其指数与城市均值线差距较远,处于亚健康状态全国50个主要城市中,长三角地区除上海外大部分城市“交通健康指数”相对较高,处于相对健康状态,珠三角的大部分城市指数较高,相对处于亚健康

基于元胞自动机的Matlab仿真程序，都可以运行，还不错哦！拿来和大家分享！

阵列信号的讲义，西电的，着重讲了基本原理，和几种算法，如MUSIC，ESPRIT等

图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统

系统辨识大牛Ljung编写的MATLAB系统辨识使用手册，这本书详细地介绍了在MATLAB已经所属simulink环境下，系统辨识工具箱的一些使用办法，是一本非常经典的教材！Revision Historypril 1988First printingJuly 1991Second printingMay1995Third printingNovember 2000 Fourth printingRevised for Version 5.0(Release 12)pril 2001Fifth printingJuly 2002Online onlyRevised for Version 5.0.2 Release 13)June 2004Sixth printingRevised for Version 6.0.1(Release 14)March 2005Online onlyRevised for Version 6.1.1Release 14SP2)September 2005 Seventh printingRevised for Version 6.1.2(Release 14SP3)March 2006Online onlyRevised for Version 6.1.3(Release 2006a)September 2006 Online onlyRevised for Version 6.2 Release 2006b)March 2007Online onlyRevised for Version 7.0 ( Release 2007a)September 2007 Online onlyRevised for Version 7.1 (Release 2007bMarch 2008Online onlyRevised for Version 7.2(Release 2008a)October 2008Online onlyRevised for Version 7.2.1 Release 2008b)March 2009Online onlyRevised for Version 7.3(Release 2009a)September 2009 Online onlyRevised for Version 7.3.1(Release 2009b)March 2010Online onlyRevised for Version 7. 4 (Release 2010a)eptember2010 Online onlyRevised for Version 7.4.1(Release 2010b)pril 2011Online onlRevised for Version 7.4.2(Release 2011a)September 2011 Online onlyRevised for Version 7.4.3(Release 2011b)March 2012Online onlyRevised for Version 8.0( Release 2012aabout the DevelopersAbout the Developersystem Identification Toolbox software is developed in association with thefollowing leading researchers in the system identification fieldLennart Ljung. Professor Lennart Ljung is with the department ofElectrical Engineering at Linkoping University in Sweden. He is a recognizedleader in system identification and has published numerous papers and booksin this areaQinghua Zhang. Dr. Qinghua Zhang is a researcher at Institut Nationalde recherche en Informatique et en Automatique(INria) and at Institut deRecherche en Informatique et systemes Aleatoires (Irisa), both in rennesFrance. He conducts research in the areas of nonlinear system identificationfault diagnosis, and signal processing with applications in the fields of energyautomotive, and biomedical systemsPeter Lindskog. Dr. Peter Lindskog is employed by nira dynamiAB, Sweden. He conducts research in the areas of system identificationsignal processing, and automatic control with a focus on vehicle industryapplicationsAnatoli Juditsky. Professor Anatoli Juditsky is with the laboratoire JeanKuntzmann at the Universite Joseph Fourier, Grenoble, france. He conductsresearch in the areas of nonparametric statistics, system identification, andstochastic optimizationAbout the developersContentsChoosing Your System Identification ApproachLinear model structures1-2What Are Model objects?Model objects represent linear systemsAbout model data1-5Types of Model objectsDynamic System Models1-9Numeric Models1-11umeric Linear Time Invariant (LTD Models1-11Identified LTI modelsIdentified Nonlinear models1-12Nonlinear model structures1-13Recommended Model Estimation Sequence1-14Supported Models for Time- and Frequency-DomainData,,,,,,,1-16Supported Models for Time-Domain Data1-16Supported Models for Frequency-Domain Data1-17See also1-18Supported Continuous-and Discrete-Time Models1-19Model estimation commands1-21Creating Model Structures at the command Line ... 1-22about system Identification Toolbox Model Objects ... 1-22When to Construct a Model Structure Independently ofEstimation1-23Commands for Constructing Model Structures1-24Model Properties1-25See als1-27Modeling Multiple-Output Systems ......... 1-28About Modeling multiple-Output Systems1-28Modeling Multiple Outputs Directly1-29Modeling multiple outputs as a Combination ofSingle-Output Models.......1-29Improving Multiple-Output Estimation Results byWeighing Outputs During Estimation ....... 1-30Identified linear Time-Invariant models1-32IDLTI Models1-32Configuration of the Structure of Measured and Noise oRepresentation of the Measured and noise Components foVarious model Types1-33Components ....1-35Imposing Constraints on the Values of ModeParameters1-37Estimation of Linear models1-8Data Import and Processing2「Supported Data ...2-3Ways to Obtain Identification DataWays to Prepare Data for System Identification ... 2-6Requirements on Data SamplingRepresenting Data in MATLAB Workspace·····Time-Domain Data Representation2-9Time-Series Data Representation2-10ContentsFrequency-Domain Data Representation ....... 2-11Importing Data into the Gui2-17Types of Data You Can import into the GUi2-17Importing time-Domain Data into the GUI2-18Importing Frequency-Domain Data into the GUI2-22Importing Data Objects into the GUI ......... 2-30Specifying the data sampling interval2-34Specifying estimation and validation Data2-35Preping data Using Quick StartCreating Data Sets from a Subset of Signal Channelo2-362-37Creating multiexperiment Data Sets in the gUi2-39Managing data in the gui ............. 2-46Representing Time- and Frequency-Domain Data Usingiddata object2-55iddata constructor2-55iddata Properties.........2-58Creating Multiexperiment Data at the Command Line .. 2-61Select Data Channels, I/O Data and Experiments in iddataObjects2-63Increasing Number of Channels or Data Points of iddataObjects2-67Managing iddata Objects2-69Representing Frequency-Response Data Using idfrdObiec2-76idfrd Constructor2-76idfrd Properties2-77Select I/o Channels and Data in idfrd Objects ..... 2-79Adding Input or Output Channels in idfrd Objects2-80Managing idfrd Objects2-83Operations That Create idfrd Objects2-83Analyzing Data quality2-85Is your data ready for modeling?2-85Plotting Data in the guI Versus at the command line2-86How to plot data in the gui2-86How to plot data at the command line2-92How to Analyze Data Using the advice Command2-94Selecting Subsets of Data2-96IXWhy Select Subsets of Data?2-96Extract Subsets of Data Using the GUI2-97Extract Subsets of data at the Command Line2-99Handling Missing Data and outliers2-100Handling missing data2-100Handling outliers2-101Extract and Model Specific Data Segments2-102See also2-103Handling offsets and Trends in Data2-104When to detrend data2-104Alternatives for Detrending Data in GUi or at theCommand-Line2-105Next Steps After detrending2-107How to Detrend Data Using the Gui2-108How to detrend data at the Command line2-109Detrending Steady-State Dat109cending transient Dat2-109See also2-110Resampling Data2-111What Is resampling?...,,.,,,,,,,,,,,.2-111Resampling data without Aliasing Effects2-112See also2-116Resampling data Using the GUi.,,,,2-117Resampling Data at the Command line2-118Filtering Data2-120Supported Filters2-120Choosing to Prefilter Your Data2-120See also2-121How to Filter Data Using the gui2-122Filtering Time-Domain Data in the GuI........ 2-122Content

基于javaswing和javaDB的试题库管理系统~基于javaswing和javaDB的试题库管理系统~基于javaswing和javaDB的试题库管理系统~

在异性好友过生日的时候，特别制作了这个，全屏都在下蛋糕的小程序，蛋糕下降的过程中伴随生日快乐歌曲，文字闪烁标示出主题，绝对值得，自己原创，现将源码分享给大家，希望大家喜欢。