1.对图象进行二维FFT变换，得到图象的幅度谱信息，分析图像的空间域信息与图像的二维频谱信息之间的关系。
2.利用FIR滤波器对图像信号进行二维滤波。FIR滤波器包括均值滤波器、高斯滤波器、sobel边缘检测滤波器等。对比各种滤波器的效果（空域对比、频域对比）。
3.如果对细节丰富的图象直接降采样，可能导致采样后的图象频谱混叠，如何避免频谱混叠？通过编程实验来分析原因，并寻找解决方法，给出结论。
4.图象包括灰度图像和彩色图象。设计报告格式要规范，要明确阐述研究方案、实现的原理、方法、步骤，实验数据要能充分说明本研究方案的正确性、先进性。
2024-06-19 19:14:29
21.69MB
1
对于设计人员而言，数字电位器正变得越来越重要，它们具有很多优点，但也存在很多限制。下面比较机械电位器，数字电位器的共同点和区别，并由此帮助读者了解如何使用数字电位器。
2024-06-19 11:22:20
116KB
1
"基于51单片机的数字频率计的设计"
基于51单片机的数字频率计的设计是电子测量中最基本的测量之一。频率计是计算机、通讯设备、音频视频等科研生产领域不可缺少的测量仪器。传统的频率计采用测频法测量频率，通常由组合电路和时序电路等大量的硬件电路组成，产品不但体积大，运行速度慢而且测量低频信号不准确。本次采用单片机技术设计一种数字显示的频率计，测量准确度高，响应速度快，体积小等优点。
频率计的发展与应用在我国，单片机已不是一个陌生的名词，它的出现是近代计算机技术的里程碑事件。单片机作为最为典型的嵌入式系统，它的成功应用推动了嵌入式系统的发展。单片机已成为电子系统的中最普遍的应用。单片机作为微型计算机的一个重要分支，其应用范围很广，发展也很快，它已成为在现代电子技术、计算机应用、网络、通信、自动控制与计量测试、数据采集与信号处理等技术中日益普及的一项新兴技术，应用范围十分广泛。
测频的原理归结成一句话，就是“在单位时间内对被测信号进行计数”。被测信号，通过输入通道的放大器放大后，进入整形器加以整形变为矩形波，并送入主门的输入端。由晶体振荡器产生基于51单片机的数字频率计的设计的基频，按十进制分频得出的分频脉冲，经过基选通门去触发主控电路，再通过主控电路以适当的编码逻辑便得到相应的控制指令，用以控制主门电路选通被测信号所产生的矩形波，至十进制计数电路进行直接计数和显示。
频率计系统设计共包括五大模块：单片机控制模块、电源模块、放大整形模块、分频模块及显示模块。各模块作用如下：
1. 单片机控制模块：以AT89C51单片机为控制核心，来完成它待测信号的计数，译码，和显示以及对分频比的控制。利用其内部的定时／计数器完成待测信号周期／频率的测量。
2. 电源模块：为整个系统提供合适又稳定的电源，主要为单片机、信号调理电路以及分频电路提供电源，电压要求稳定、噪声小及性价高的电源。
3. 放大整形模块：放大电路是对待测信号的放大，降低对待测信号幅度的要求。整形电路是对一些不是方波的待测信号转化成方波信号，便于测量。
4. 分频模块：考虑单片机外部计数，使用12 MHz时钟时，最大计数速率为500 kHz，因此需要外部分频。分频电路用于扩展单片机频率测量范围，并实现单片机频率测量使用统一信号，可使单片机测频更易于实现，而且也降低了系统的测频误差。
5. 显示模块：显示电路采用四位共阳极数码管动态显示，为加大数码管的亮度，使用4个PNP三极管进行驱动，便于观测。
本设计的频率计系统设计有单片机控制模块、电源模块、放大整形模块、分频模块及显示模块等组成，频率计的总体设计框图如图2所示。微控制器AT89S52信号放大整形分频电路驱动电路数码管等组成。
2024-06-18 14:48:05
11.32MB
1
基于逻辑门组合电路74ls86、74ls00、74ls20、74ls04的4位、8位电子密码锁Proteus仿真文件
2024-06-16 16:09:24
15.73MB
π /4-DQPSK 是对 QPSK 信号特性的进行改进的一种调制方式。改进之一是将 QPSK 的最大相位 跳变±π ,降为±3π /4,从而改善了π /4-DQPSK 的频谱特性,改进之二是解调方式,QPSK 只能用 于相干解调,而π /4-DQPSK 既可以用相干解调也可以采用非相干解调。
网上的资源比较少，我用2种方法产生调制信号，并用2种方法完成解调。一种是自己写的方法，另外一种是利用malab自带的工具箱的方法。
2024-06-15 10:52:17
4KB
1
数字图像处理与机器视觉++Visual+C++与Matlab实现，原书的pdf版，不是代码，对应书籍的代码：http://download.csdn.net/detail/lvhongwei0627/5108355，
该书对于初学数字图像处理、机器视觉的朋友，帮助颇大，原书的pdf很难找，对应代码，注重实践！加油！空间里还有其他学习数字图像处理、机器视觉的好资料，欢迎学习、交流！
2024-06-14 16:15:11
41MB
1