频率解析Matlab代码基于RNN的强化学习框架，可确保稳定的最佳频率 该存储库包含重现以下论文中显示的结果所必需的源代码： 作者：崔文琦和张宝森 华盛顿大学 动机 除了传统的线性下垂控制器以外，基于逆变器的资源的渗透率的提高还为我们提供了电力系统频率调节方面的更多灵活性。 由于具有快速的电源电子接口，与线性控制器相比，基于逆变器的资源可用于实现复杂的控制功能，并可能在性能上带来较大的收益。 通过将参数化为神经网络来发现这些非线性控制器，强化学习已成为一种流行的方法。 基于学习的方法面临的主要挑战是，很难对学习到的控制器强制执行稳定性约束。 另外，电力系统的时间耦合动力学将大大减慢神经网络的训练。 在本文中，我们建议对基于神经网络的控制器的结构进行显式设计，以确保所有拓扑和参数的系统稳定性。 这可以通过使用Lyapunov函数来指导其结构来完成。 基于递归神经网络的强化学习架构用于有效地训练控制器的权重。 最终的控制器仅使用本地信息并优于线性下降，以及仅通过使用强化学习而学习到的策略。 从提出的框架中学到的灵活的非线性控制器 在这里，我们展示了与线性下降控制相比，神经网络控制器的作用

ADF5355_frequency_generator ADF5355蓝丸频率发生器 该代码允许ADF5355模块用作从52Mhz到1,3600MHz的信号发生器 该代码基于GM8BJF（ ）的代码，而GM8BJF则基于DD7LP的代码。 我最初承担修改GM8BJF的代码的任务，因为它在我的主板上不起作用。 即使看起来正确（伪STM32？），他的代码也始终锁定SPI写入。 我还想使用其他更大的显示器以及板载ADF5355 25Mhz时钟，而不是外部时钟。 现在，该代码在具有1.3英寸128x64 OLED显示屏（SH1106芯片组）的通用STM32F103CB / C8“ Bluepill”上运行。代码更改涉及移至u8g2库，这使使用替代显示器更加容易。 使用发生器后，我发现板载25Mhz XTAL的ADF5355实际上更接近24.99395Mhz。 因此，为了解决这个问题，我添

数字测频matlab代码频率量测 这是清华大学电子工程系的数字信号处理课程。 主要主题是使用MUSIC，ESPRIT，CZT算法进行频率测量，并将结果与​​FFT进行比较。 结果可以在report.md中找到。 档案清单 report.md ：该项目的技术报告，包括结果。 image/ report.md图像 code/src/ ：算法的src代码， multi_或single_表示该功能用于处理多频信号或单频信号。 code/test/ ：用于测试算法性能的src代码。 笔记 该项目需要MATLAB 2016或更高版本。

S7-200SMART_库指令_测定高速脉冲串的频率和速度_frequency,使用该库指令可以测定高速脉冲串的频率和速度

Time-Frequency Signal Analysis Toolbox- Boashash. 非常好的工具箱 里面有很多最新的时频分析方法，包括多项式WVD等。

无线传感器网络中的跳频 描述 Fill this up 去做 3个节点的时间同步 使用 3 个节点中的同步计数器值同步 LED 闪烁 从源到目的地的公共信道消息转发 [ src-->relay-->dest ] 跳频 2个节点 3个节点 4个节点 吞吐量分析

Norden E.Huang, zhaohua Wu, Steven R.Long, On Instantaneous Frequency

Radio Frequency Circuit Design 中文版

Contents Preface page xiii 1 Introduction 1 1.1 RF circuits 2 1.2 Narrowband nature of RF signals 3 1.3 AC circuit analysis – a brief review 3 1.4 Impedance and admittance 4 1.5 Series resonance 4 1.6 Parallel resonance 5 1.7 Nonlinear circuits 5 Problems 5 2 Impedance matching 10 2.1 Transformer matching 11 2.2 L-networks 12 2.3 Higher Q – pi and T-networks 14 2.4 Lower Q – the double L-network 15 2.5 Equivalent series and parallel circuits 16 2.6 Lossy components and efficiency of matching networks 16 Problems 17 3 Linear power amplifiers 19 3.1 Single-loop amplifier 19 3.2 Drive circuitry: common-collector, common-emitter, and common-base 20 3.3 Shunt amplifier topology 22 3.4 Dual-polarity amplifiers 22 3.5 Push–pull amplifiers 23 3.6 Efficiency calculations 25 3.7 AC amplifiers 26 3.8 RF amplifiers 29 3.9 Matching a power amplifier to its load 31 Problems 31 4 Basic filters 34 4.1 Prototype lowpass filter designs 35 4.2 A lowpass filter example 36 4.3 Lowpass-to-bandpass conversion 38 Appendix 4.1 Component values for normalized lowpass filters 41 Problems 43 References 45 5 Frequency converters 46 5.1 Voltage multiplier as a mixer 46 5.2 Switching mixers 48 5.3 A simple nonlinear device as a mixer 51 Problems 53 6 Amplitude and frequency modulation 54 6.1 Amplitude modulation 55 6.2 Frequency and phase modulation 58 6.3 AM transmitters 62 6.4 FM transmitters 65 6.5 Current broadcasting practice 65 Problems 66 7 Radio receivers 67 7.1 Amplification 67 7.2 Crystal sets 68 7.3 TRF receivers 68 7.4 The superheterodyne receiver 69 7.5 Noise blankers 74 7.6 Digital signal processing in receivers 75 Problems 75 References 76 8 Suppressed-carrier AM and quadrature AM (QAM) 77 8.1 Double-sideband suppressed-carrier AM 77 8.2 Single-sideband AM 78 8.3 Product detector 80 8.4 Generation of SSB 81 8.5 Single-sideband with class C, D, or E amplifiers 83 8.6 Quadrature AM (QAM) 84 Problems 85 References 86 9 Class-C, D, and E Power RF amplifiers 87 9.1 The class-C amplifier

基于随机逼近理论，我们在限价单中提出了一个做市商的优化框架。 在最佳清算策略的背景下，我们考虑了Lavelelle，Lehalle和Pagès的文章中类似于Avellaneda-Stoikov模型的离散时间变体。 想法是利用更新出价和要价的过程的迭代性质，以使算法在反复试验的基础上（即在线学习）优化其策略。 这种方法的优点是，通过算法对系统的探索是在运行时执行的，因此不需要像随机控制方法那样对价格动态进行明确的说明。 正如将要讨论的那样，我们的方法的原理可以扩展到除做市商以外的更广泛的算法交易战术问题类别。