APM飞控源代码(V2.7)

《optimization using nondominated sorting genetic algorithms》的论文中提出的。该算法在快速找到Pareto前 沿和保持种群多样性方面都有很好的效果，不过在这么多年的应用中也出现了如下的一些问题： 1。非支配排序的时NSGA2主要是对NSGA算法的改进。NSGA是N. Srinivas 和 K. Deb在1995年发表的一篇名为 《Multiobjective function间复杂的很大，为O（MN3）。其中M为目标函数的数量，N为种群规模。 2。不支持精英策略。精英策略在保持好的个体及加速向Pareto前沿收敛方面都有很好的表现。 3。需要自己指定共享参数。该参数将对种群的多样性产生很大的影响。 NSGA2算法将在以下方面进行改进： 1。快速的非支配排序     在NSGA进行非支配排序时，规模为N的种群中的每个个体都要针对M个目标函数

05年全国大学生数学建模比赛的优秀论文，对参加数学建模比赛的同学是一个很好的参考资料。-Best papers of 2005 Mathematical Modelling Contest, is a a good reference for the students preparing for the mathematical modelling Contest.

（1）Msls分三步对系统和噪声模型进行辨识，采用脉冲序列作为辅助系统模型，用 计算输出数据 ；用原输出数据 计算 ，用递推最小二乘方法分别对系统参数和模型参数进行估计。 （2）M.dat,wnoise1.dat分别为M和白噪声序列。Wnoise1.dat的长度为700，wnoise2.dat的长度为1000。Msls6.c为N=600的程序，Msls8.c为N=800的程序。 （3）程序运行后，生成的两个h文件为产生的脉冲响应函数。Msls6.dat为msls6.c的参数估计结果，msls8.dat为msls8.c的参数辨识结果。分别如下所示： a1=0.906331 a2=0.160170 a3=0.025525 b1=0.704475 b2=-1.497551 c1=1.009114 c2=0.446890 a1=0.906347 a2=0.159066 a3=0.024650 b1=0.700720 b2=-1.493327 c1=1.008787 c2=0.425714 （4）由数据结果可以看出，采用msls辨识方法估计精度要比els法的估计精度差一些。尤其是噪声参数c2的估计误差不在1％以内。这是由于msls法计算上较为简便，计算上的简化就带来了估计精度上的误差。由N=600和N=800相比较，可以看出当N增大时，误差有所减小。理论上当N趋于无穷时， 。 -err

CRC_FIC檢查CRC碼 計算CRC碼 檢查程式的CRC碼算法 CRC_FIC檢查CRC碼 計算CRC碼 檢查程式的CRC碼算法   CRC_FIC檢查CRC碼 計算CRC碼 檢查程式的CRC碼算法  

这个是关于DSP6713的一个FIR算法的实现，仿真以通过，可以直接观察波形，基本的使用时，产生波形后，在CCS的view下观看波形的产生/*  Purpose:FIR filter procedure for processing a group of data               *//*  Prototype in C:void fir_filter(const int x[],const int h[],              *//*                                 short y[],int n,int m,int s);              *//*  const int x[]：输入信号的缓冲数组，int类型，在滤波中不可修改              *//*  const int h[]：滤波器的系数数组，int类型，在滤波中不可修改                *//*  short y[]：输出信号的缓冲数组，short类型                                  *//*  n：滤波器长度，本例中为ORDER_FIR                 &nbs

FPGA实现DFT快速算法-FPGA DFT Fast Algorithm

实现Hough Transform检测直线和圆的代码，通过自适应画线和圆，能够找到当前的圆和直线位置

应用背景背包问题和背包问题是一个问题组合优化：给定一组项目，每一个有一个重量和一个值，确定每个项目的数目，以包括在集合中，以便总重量小于或等于一个给定的限制和总的值是尽可能大。它的名字来自于一个被人所面对的问题受限于一个固定大小的背包，必须用最有价值的项目。问题往往出现在资源分配，有财务约束和在组合数学领域等，学习计算机科学，复杂性理论，密码学与应用数学。背包问题已经研究了一个多世纪，与早期的作品约会远1897。它不知道如何命名“背包问题”起源，但问题被称为在早期的作品数学家托拜厄斯丹（1884–1956），这表明这个名字可能在民间传说中存在的数学问题已经完全定义。并；https://en.wikipedia.org/wiki/knapsack_problem并；关键技术代码是用matlab遗传算法。在人工的领域智能，遗传算法（遗传算法）是一种模拟的搜索启发式自然选择过程。这种启发式（有时也被称为启发式）通常用于生成优化有用的解决方案搜索问题。遗传算法属于大类进化算法（环境），它生成的解决方案，优化问题利用自然进化启发的技术，如遗传、突变，选择和交叉。https://en.wikipedia.org/wiki/genetic_algorithm

用C解方程的第2种算法-C solution of the equation algorithms No. 2

应用背景在计算机视觉领域，图像分割（Segmentation）指的是将数字图像细分为多个图像子区域（像素的集合）（也被称作超像素）的过程。图像分割的目的是简化或改变图像的表示形式，使得图像更容易理解和分析。图像分割通常用于定位图像中的物体和边界（线，曲线等）。更精确的，图像分割是对图像中的每个像素加标签的一个过程，这一过程使得具有相同标签的像素具有某种共同视觉特性。关键技术 灰度阈值分割法是一种最常用的并行区域技术，它是 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报