直接序列扩频信号参数盲估计系统 估计载频、码速率、码周期等(Blind direct sequence spread spectrum signal parameters estimation system estimates the carrier frequency, code rate, code cycles, etc.)
2023-04-07 19:31:48 158KB matlab 开发语言 GPS
欠定盲源分离的混合矩阵估计算法
2023-04-07 14:53:37 683KB 研究论文
1
在超大规模集成电路( VLSI) 设计中, 随着深亚微米技术的应用、芯片集成度的不断提高以及 系统工作频率的加快, 均导致了集成电路的功耗越来越大. 而功耗的增大, 一方面影响了依赖电池 供电的便携式设备的使用, 另一方面芯片的过热也使系统的可靠性降低. 这使得低功耗设计技术日 益成为VLSI 设计者关注的热点. 美国半导体工业联合会在1992 年已确认低功耗技术是当前集成 电路设计的一个紧急技术需要。
2023-04-06 12:49:15 231KB PSPICE 功耗
1
深层OF 用于使用从自由移动的动物的视频中提取的时间序列进行后处理的套件 您可以使用此包从时间序列中提取预定义的主题(例如时区,攀岩,基本的社交互动),也可以将数据嵌入到序列感知的潜在空间中,以在无人监督的情况下提取有意义的主题方法! 两者都可以在包内使用,例如,以自动比较用户定义的实验组。 我该如何开始? 安装: 打开一个终端(安装了python> 3.6)并输入: pip install deepof 在我们深入研究之前: 首先,为您的项目创建一个文件夹,其中至少包含两个子目录,分别称为“视频”和“表”。 前者应包含您正在使用的视频(原始数据或从DLC获得的带有标签的视频); 后者应该具有您从DeepLabCut获得的所有跟踪表,格式为.h5或.csv。 如果您不想自己使用DLC,请不要担心:一个兼容的小鼠预训练模型将很快发布! my_project -- Videos ->
2023-04-06 01:55:33 5.97MB JupyterNotebook
1
使用unity3d和tensorflow实现基于姿态估计的体感游戏-附件资源
2023-04-04 19:46:54 23B
1
针对嵌入式大气数据系统高空飞行精度低、跨大气层易失效等问题,提出一种融合惯导与飞控系统信息的 飞行大气全参数估计算法.基于飞行器气动模型及动力学方程,建立惯导信息与大气参数之间的函数 关系,进而利用扩展卡尔曼滤波实现大气参数的实时精确估计.仿真结果表明,该方法具有较高的 精度、良好的稳定性和鲁棒性,而且可以提高大气数据系统的测量范围和可靠性,能够适用于全 飞行包线下攻角、侧滑角、真空速的测量.
1
此函数使用 DLT、RANSAC 和 Lev-Mar 优化估计两个图像之间的 2D-2D 投影单应性。 函数调用格式如下: [h wim] = homography(im1, im2); 在哪里 im1 -> 第一张图片im2 -> 第二张图片h -> 返回的单应矩阵wim -> im1 wrt im2 的变形版本
2023-04-03 17:10:12 14KB matlab
1
针对MIMO系统,基于训练序列的信道估计方法,详细推导出ML、LS和LMMSE方法的估计值,并进行了性能比较。在一定条件下,信道系数矩阵的ML、LS估计值具有相同的表达形式。计算机仿真表明,LMMSE方法和ML、LS方法的估计效果基本一致。在高信噪比、有限训练符号数、较少发射天线数的条件下,可以精确地估计出信道系数。
2023-04-03 01:31:19 241KB 自然科学 论文
1
OFDM_ofdm_ofdm信道估计_OFDM信道估计_LMMSE信道估计
2023-03-31 11:27:10 21KB
1
matlab分时代码肌肉冗余求解器 软件用途 提供的MATLAB代码的最初目的是解决肌肉冗余问题,同时使用De Groote F,Kinney AL,Rao AV和Fregly BJ中所述的直接搭配解决肌肉动力学问题。 评价直接搭配的最优控制问题公式,以解决肌肉冗余问题。 生物医学工程学年鉴(2016)。 。 在v3.0中,我们添加了两个附加功能。 首先,可以基于实验肌电图来约束估计的肌肉激活。 其次,有可能在解决肌肉冗余问题的同时,通过使用实验数据(即EMG和超声数据)来估计建模的肌腱单元的参数。 可以将最佳纤维长度,肌腱松弛长度和肌腱刚度设置为肌肉冗余问题内的自由变量。 可以跟踪实验测量的光纤长度(美国跟踪),跟踪误差是目标函数的一部分。 有关此参数估计问题的详细信息,请参见Delabastita等。 2020()。 收集的EMG可以被跟踪(EMG跟踪),也可以被精确地施加(EMG驱动)。 有关在参数估计中使用EMG数据的详细信息,请参见Falisse 2016()。 另一个重要特征是,用户可以在相同动作的不同试验或不同动作的情况下估算肌腱参数。 这允许更可靠的参数估计。 我们认为
2023-03-30 20:04:20 3.42MB 系统开源
1