小波分析入门 课程设计或者上机均可，很基础的哦~~

判断一个数是否为素数

STM单片机翻转I/O口模拟PWM波控制步进电机,可以控制方向，控制距离，控制速度

matlab语音小波去创建代码D-VDAMP & SUREMap 该存储库包含与 Christopher A. Metzler 和 Gordon Wetzstein 于 2021 年发表的 ICASSP 论文“D-VDAMP：压缩 MRI 的基于降噪的近似消息传递”以及论文“Suremap：预测基于 Cnn 的图像重建中的不确定性”相关的代码使用 Stein 的无偏风险估计，”ICASSP，2021 年，作者：Ruangrawee Kitichotkul、Christopher A. Metzler、Frank Ong 和 Gordon Wetzstein。 请注意，此代码与论文中用于生成结果的实现略有不同。 依赖关系 该代码已针对 Python 3.8.5 版进行了测试，并安装了以下软件包： numpy 、 matplotlib 、 Pillow 、 PyWavelets 、 torch 、 torchvision 、 tensorboard 、 h5py 、 statsmodel 、 bm3d和torch_dct 。 为了确保包的版本与我们测试代码的版本匹配，我们建议创建一个新的虚

将片上ram的利用最大化。下一步拓展为使用板载的ram来缓存，提升存储深度。

结合小波变换和BP神经网络模型，提出了一种基于小波神经网络的图像边缘检测方法。利用二进小波边缘检测技术对灰度图像局部进行边缘检测，把边缘信息作为神经网络的输出，对局部图像数据进行神经网络模型训练，通过训练得到的局部图像模型预测得到整幅图像像素的边缘信息，通过对BP神经网络和小波神经网络的边缘检测结果进行对比实验可知，小波神经网络模型预测得到的边缘检测信息不仅比BP神经网络模型好，而且也可以更清楚地得到边缘近邻的更多信息。

为提高掌纹图像识别率,首先利用手掌的几何轮廓对所采集到的掌纹图像进行预处理,进行分割得到感兴趣的区域。再利用小波变换对掌纹图像分别进行多层分解,进而提取小波特征。最后利用BP神经网络进行分类。通过仿真实验表明,与单一的神经网络方法进行掌纹识别相比,这种将小波分析与神经网络相结合的方法收敛步数少、用时短、具有较高的识别率。

本文提出了一种构造自适应小波的新方法。其主要思想是通过设计合适的小波滤波器组来提取信号的不同模式。这种构造导致了一种新的小波变换，称为经验小波变换（EWT）。实验结果表明，与经典的经验模式分解(EMD)方法相比，该方法是可行的。

I/A Series® 控制系统是 FOXBORO 公司于 1987 年在世界上第一个推出的开放型 DCS 工业控制系统。 作为开放系统它充分考虑到了用户的当前利益和长远利益， 以其技术上的先进性迫使它的竞争对手在 94 年前后纷纷加入开放性的行列。 I/A Series 系统集十多年开放的经验， 在技术上仍遥遥领先于竞争对手。

Lax-Wendroff格式有限差分法求解2维浅水波方程，使用反射边界条件，初始随机水滴引发重力造成的水波。以动画形式模拟水波演化过程。