AP5600310_ADC_AnalogAspects_AD采样原理.pdf
2021-12-16 13:01:59 2.26MB 硬件
1
实验一 7段数码显示译码器设计………………………………P3 实验二 8位硬件加法器设计……………………………………P7 实验三 7人投票表决器Verilog HDL设计……………………P11 实验四 巴克码信号发生器……………………………………P16 实验五 多功能数字钟设计……………………………………P22 实验六 状态机实现的ADC0809采样控制电路………………P29 实验总结与感悟 …………………………………………………P36 实验一 7段数码显示译码器设计 一、实验目的 (1)学习使用Verilog HDL语言设计简单组合逻辑电路。 (2)学习使用case语句来描述真值表。 二、实验设备与器材 GW-PK2 EDA实验箱一台。 三、实验内容及实验步骤 1.实验原理及内容 7 段数码是纯组合电路,通常的小规模专用 IC,如 74 或 4000 系列的器件只能作十进制 BCD码译码,然而数字系统中的数据处理和运算都是 2 进制的,所以输出表达都是 16 进制的,为了满足 16 进制数的译码显示,最方便的方法就是利用译码程序在 FPGA/CPLD中来实现。 2.实验步骤 (1)用Verilog HDL设计一个共阴数码管的译码电路,用case语句描述7段译码器的真值表。 (2)编译、综合、适配、下载,验证结果。 (3)进行功能仿真。 (4)设计提示:建议选实验电路模式6,用数码8显示译码输出(PIO46~PIO40),键8、键7、键6、键5四位控制输入,硬件验证译码器的工作性能。注意,在仿真中,4位输入都必须用总线方式给数据。 ………………………………………………………………………………………… 好用不贵,祝您用餐愉快~
2021-12-15 22:08:31 3.4MB 合工大 FPGA 译码器 加法器
1
生态环境检测实验室现场采样质量管理技术数字化研究与应用.pdf
2021-12-15 17:04:17 1.74MB 新金融 金融行业 数据分析 参考文献
ICP实施 此任务的主要任务是从初始重叠区域开始,尽可能使两个3D几何图形对齐。 一种获得良好结果的广泛使用的算法称为“迭代最近点”(ICP)。 该算法输出由旋转矩阵和平移矢量形成的刚性变换作为输出。 这是为了解决最小化问题而完成的,其中最小化的误差定义如下: 其中p_i是我们要尝试保留的点,而q_i是参考点。 此外,R是我们要查找的旋转矩阵,而t是平移矢量。 当我们想计算最接近的点以匹配两次扫描时,而不是强行强制进行具有O(n ^ 2)复杂度的计算时,可以通过使用将点存储在其中的KD-tree数据结构来大大提高速度基于它们在空间中位置的树。 请注意,K表示点所在的维数,在这种情况下,我们有3D树。 因此,最近邻居搜索的时间复杂度下降为O(log(n))。 ICP的改进 二次抽样 一个非常直接的改进是尝试不使用两次扫描中的所有点。 有两种方法可以正确地对两个扫描进行二次采样,特别是一
2021-12-13 19:53:24 42.93MB c-plus-plus point-cloud geometry-processing ucl
1
1.矩形脉冲的取样 取样信号频谱推导: 由于 p(t) 是周期信号,可知 p(t) 的傅立叶变换为: 取样脉冲序列的傅立叶变换为 设取样为均匀抽样,周期为Ts,则取样角频率为: 令模拟带限信号傅立叶变换为 ,即
2021-12-13 17:27:52 1.51MB 采样定理
1
本实验建立在本研究第一部分 FIR 滤波的理论思想基础上,请务必先完成第一部分的工作,或者请了解上一节中应用 Kaiser 滤波器的方法。 目标是研究样条、频率采样和最佳 FIR 滤波器,然后将它们的特性与上一节中观察到的特性进行比较。 然后将过滤器应用于分离的 DTMF 音调。
2021-12-12 21:38:46 582KB matlab
1
线性卷积和循环卷积;模拟采样定理的实现;切比雪夫I型低通滤波器设计; 凯塞窗设计数字高通滤波器
2021-12-11 19:49:46 976KB matlab
1
所有ML算法 它包括所有ML模型。(用于KTM和银行数据) 由所有ML预处理技术组成,如a。 采样技术(欠采样,过采样-ROS和SMOTE)b。 交叉验证(K折,分层K折)c。 主成分分析 具有HYPER参数校正的Boston数据集的套索和岭回归。 该存储库还包含我在编码文件中使用的RAW数据文件
2021-12-11 01:12:55 577KB JupyterNotebook
1
smote的matlab代码不平衡数据问题 在机器学习中,我们经常会遇到不平衡的数据。 例如,在银行的信用数据中,97% 的客户可以按时还款,而只有 3% 的客户不能。 如果我们忽略 3% 无法按时付款的客户,模型的准确率可能仍然很高,但可能会给银行带来巨大的损失。 因此,我们需要适当的方法来平衡数据。 许多研究论文提供了许多技术,包括过采样和欠采样,以处理数据不平衡。 该存储库实现了其中一些技术。 要求 sklearn numpy SMOTE SMOTE 是 NV Chawla、KW Bowyer、LO Hall 和 WP Kegelmeyer 的论文中提到的一种合成少数过采样技术 Parameters ---------- sample 2D (numpy)array minority class samples N Integer amount of SMOTE N% k Integer number of nearest neighbors k k <= number of minority class samples Attributes ---------- newInde
2021-12-11 00:04:28 155KB 系统开源
1
这里面有ffmpeg录制的琵琶行歌曲,一共三首,两种采样率,供读者读博客时,好体验
2021-12-10 20:00:20 2.03MB ffmpeg
1