传统用于总线系统或互联网的仲裁方法已不能很好地适应NoC应用环境。围绕NoC系统性能的关键影响因素——拥塞状态，提出了一种基于全局和本地拥塞预测的仲裁策略(GLCA)，以改善NoC网络延迟。实验结果表明，相对于RR方法，新仲裁算法使得网络平均包延迟和平均吞吐量最大分别可改善20.5%和8%，并且在不同负载条件下都保持了其优势。综合结果显示， GLCA与RR方法相比，路由器仅在组合逻辑上有少许增加(25.7%)。

传统的自适应片上网络(NoC)容错路由算法采用一步一比较的方式来确定最优端口, 未能有效降低传输延迟。根据数据包在2D Mesh NoC前若干连续的跳数内最优端口固定的特点, 提出了一种基于报文检测的快速(FPIB)自适应容错路由算法。算法采用跳步比较的方式来减少数据包的路由时间, 并使用模糊优先级策略来进行容错路由计算。实验结果表明, 与uLBDR容错路由算法相比, 该算法能有效地降低平均延迟, 且实现算法的硬件开销更低。

给定参考信号的样本块和所需信号的样本块，该函数更新滤波器权重并返回误差样本块。

自适应滤波器及其应用PPT学习教案.pptx

基于自适应形态学Top_Hat滤波器的红外弱小目标检测方法

一种简单的自适应限波器，基于matlab实现，自适应频率估计matlab实现，自适应限波器matlab实现，自适应频率估计matlab实现。

改进动态窗口DWA算法，模糊控制自适应调整评价因子权重，matlab代码，完全自己编写 这段代码是一个基于动态窗口法（Dynamic Window Approach，DWA）的路径规划算法的实现。下面我将对代码进行分析，并解释算法的优势、需要注意的地方以及独特算法所用到的内容。 首先，代码开始时定义了一个地图map0，表示机器人的运动环境。地图中的0表示可通行的区域，1表示障碍物。接着，代码对地图进行了旋转，以保证地图和预期设置的地图一致。然后，获取了地图的高度和宽度。 接下来，代码设置了绘图的参数，并绘制了地图中的障碍物。障碍物的坐标保存在obstacle数组中。然后，代码定义了起始点和目标点，并在图中绘制了起始点和目标点。 接着，代码计算了机器人的初始航向角，使其朝向目标点，以防止陷入局部最优。然后，定义了机器人的状态，包括位置、航向、线速度和角速度。 代码中的dt表示仿真步长，predictT表示前向模拟时间。obs表示障碍物的坐标数组，collisionR表示碰撞半径。 接下来，代码定义了运动学的限制，包括最高速度、角速度、加速度、角加速度以及线速度和角速度的分辨率

为了降低滤波参数对单相有源滤波器（APF）的补偿效果的影响，提出了基于超稳定理论的模型跟随控制策略。首先对非线性APF模型线性化，并把线性化后的模型等价由前向回路和反馈回路构成，根据超稳定性理论，反馈回路满足波波夫积分不等式，前向回路的传递函数严格正实，由此设计自适应模型跟随控制律。仿真结果表明所提控制策略较PI控制的补偿效果更好，不仅可以有效消除电网谐波电流，而且具有更强的参数抑制能力。

通过PyQt与Opencv-python实现多线程显示摄像头信息至QLabel，可以同时拉伸窗口，摄像头显示区域自适应拉伸区域。 与Qt+Opencv实现同样功能的代码思路一致，仅仅是通过python语言实现。

支持上传证件照裁剪、ajax 无刷新加载一键生成、 无需等待，可以拿来改成其他生成也很方便。 感兴趣的可以自行添加模块进行修改、美化。 安装使用： 将源码上传到网站根目录或者子目录即可! 裁剪的头像放在 upload 目录，template 是生成的模板。