一、脑电信号特点及一般处理流程 脑电信号特点： 随机性及非平稳性相当强。人脑是一个庞大而复杂的系统，按生理功能可分为许多基本环节，这些基本环节的生理活动相互影响、相互渗透地交织在一起，而其中存在的联系、制约关系及活动规律还没有被我们清楚地认识。因而，脑电信号表现出明显的随机性，一般不能用数学函数来准确表达，它们的规律主要从大量的统计结果中反映出来。 脑电信号具有非线性。脑电信号是大脑中各种神经元之间相互作用的信号的复杂组合，组合的非线性导致脑电信号具有非线性的特点。 信噪比低。在维持正常生理活动的条件下，生物体的各个基本系统之间存在着有机的联系，因而在脑电信号中存在着严重的背景噪声，而且噪声常常超过信号，导致信噪比很低。 信号微弱。人体脑电信号的强度很微弱，一般在微、毫伏级。

数据结构c++代码（栈，队列，斐波那契数列），由devc++软件编写，主要是c语言代码，用了c++的引用

测量方波频率，占空比为50%,芯片stm32zet6,正点原子战舰可直接下载使用。

基于matlab半波整流电路.doc

本设计是运用比较器、积分器及差分放大器级联来产生函数波形的，并产生方波—三角波，再将三角波变成正弦波，且运用Protel 99 SE软件画原理图和制作PCB电路板。

求解波色散关系sig^2 = g*wk*tanh(wk*h) 在哪里g = 重力 [L/T^2] h = 水深 [L] sig = 相对角频率 [rad/T] sig = wa - wk*cos(wd)*u - wk*cos(wd)*v = wa - wk*uk [rad/T] uk = cos(wd)*u + sin(wd)*v [L/T] u = x 方向的当前速度 [L/T] v = y 方向的当前速度 [L/T] Newton-Raphson 方法由下式给出wk(n+1) = wk(n) - f(k(n))/fp(k(n)) 在哪里f = g*wk*tanh(wk*h) - sig^2 fp = g*(tanh(wk*h) - h*wk*(tanh(wk*h)^2-1)) + 2*uk*sig 使用进行初步猜测郭, J. (2002) 波浪色散的简单显式解, 海岸工程, 46

小波去噪是信号处理领域中的热点与前沿课题。阐述了小波去噪的基本原理和方法。利用TMS320F2812 DSP高速的运算能力、强大的实时处理能力等特点，在DSP上实现小波阈值去噪算法，为小波去噪提供了实时处理平台。采用软阁值函数和tein无偏风险阈值2t(rigrure规则)对噪声污染信号进行小波阈值去噪处理，实验发现，该法可以很好的去除噪声，满足信号去噪的光滑性和相似性准则。

该 Matlab 程序使用有限差分、分步网格方法来求解 z 不变介质的二维横截面中弹性波传播的本征模式。 模式求解器假设没有粘性阻尼的线性、弹性、各向同性介质。 已经实现了几个边界条件：自由、固定和对称/反对称； 还可以使用完美匹配的层（吸收/辐射边界条件）。 求解器和所有边界条件均已针对 COMSOL 进行了测试，并证明可以返回约 5% 的 COMSOL 解的本征模式/本征频率。 有关模拟示例，请参见“脚本”文件夹，包括瑞利波、悬浮光束模式和泄漏波导模式。

本文介绍了一个执行连续小波变换的Java示例应用程序。

永磁同步电机方波高频注入加滑模观测器全速度范围无位置传感器控制仿真，加权切换。