针对变维卡尔曼滤波在ADS-B 实时监视中的漏点实时处理效果欠佳的问题，提出了一种位置/速度混合滤波方法。根据ADS-B 报文位置和速度信息不同时下发的特点，对变维卡尔曼滤波进行改进。设计了位置和速度两种量测方程，根据报文的类别选取不同的量测方程，利用报文中的速度(位置)和导航准确度类别对当前时刻的位置(速度)进行估计，有效改善了航迹的漏点问题。算法仿真结果表明，与变维卡尔曼滤波相比，本方法处理后的航迹点时间间隔更接近ADS-B 报文的下发周期，对延时影响更小。

全国大学生电子设计竞赛E题题目（数字-模拟信号混合传输收发机）

绍兴宏邦T861测试机 数模混合集成电路测试系统软件使用手册

深入浅出MATLAB 7_X混合编程（pdg格式）……

本书介绍CPU和MATLAB的联合编程方法，包括首先介绍了不使用GPU实现MATLAB加速的方法；然后介绍了MATLAB和计算统一设备架（CUDA）配置通过分析进行zuiyou规划，以及利用c-mex进行CUDA编程；接着介绍了MATLAB与并行计算工具箱和运用CUDA加速函数库；zui后给出计算机图形实例和CUDA转换实例。本书还通过大量的实例、图示和代码，深入浅出地引导读者进入GPU的殿堂，易于读者理解和掌握。

电路更多类似资料推荐: 基于STM32多功能虚拟信号分析仪 示波器频谱仪（完整设计资料免费下载），https://www.cirmall.com/circuit/1884/detail?3 3GHZ手持频谱分析仪设计（原理图+PCB+源代码+BOM清单等），https://www.cirmall.com/circuit/2305/detail?3 【开源】仪星电子200M 双通道虚拟示波器（SDK2.0+软件+说明书等），https://www.cirmall.com/circuit/5321/detail?3 概述: Xminilab-B 是一个具有多功能混合信号示波器、频谱分析仪、任意函数发生器。是一种多用途开发工具包，电路设计采用新的XMEGA微控制器设计。主要面向那些开始学习AVR微指令的群体。 Xminilab-B 实物展示: 具体参数如下 一般规格: ATXMEGA32A4微控制器:32KB闪存，4KB SRAM，1KB EEPROM。 128X64背光LCD PDI接口 RS - 232串行接口 用户输入:2个旋转编码器和7个轻触开关 6V至9V直流输入 混合信号示波器产品规格: 1个模拟通道 输入阻抗:1MΩ，15pF的 最大输入电压:+ / - 25V（+ / - 250V，如果使用10:1探头） A / D转换分辨率:8位 最大采样率:16MS / S 模拟带宽:2MHz的 2通道数字输入:3.5V水平 任意波形发生器产品规格: 1 MS / s的。 8位分辨率（XMEGA的是10位的能力，但目前使用8位） 256字节长的缓冲区 预定义的波形:正弦波，方波，三角，指数，噪音 最大输出电压:+ / - 3.5V 附件内容截图:

CCS集成环境下C与汇编的混合编程实现，详细描述了DSP开发过程中运用到的混合编程方法

为了进一步提高多组分气体分析的准确度,对采用AOTF-NIR光谱仪采集甲烷、乙烷和丙烷多组分混合气体的近红外光谱数据建立了新的分析模型。首先对光谱数据采用偏最小二乘法(以下简称PLS)进行特征提取,随后将提取得到的潜变量作为支持向量回归机(以下简称SVR)的输入建立多组分混合气体的定量分析模型。结果显示,PLS特征提取耦合SVR对近红外光谱的定量分析取得了很好的分析效果。

精通Matlab与C/C++混合程序设计 刘维 北京航空航天大学出版社 本书主要介绍Matlab与c／c++进行混合程序设计的方法和技巧。书中以Matlab与C／C++混合程序设计涉及的数据类型转换问题为主线，详细介绍了Matlab开发环境和程序设计基础、Matlab编译器、Mat-lab与c／c++语言的接口、生成可独立执行的Matlab程序、c／c+4-通过引擎和动态链接库调用Matlab程序、c／c++通过COM组件调用Matlab程序、c／c++调用Matlab C++数学库、c／c++调用Matc。m数学库等Matlab与c／c+十混合程序设计的相关内容。本书共分9章，各章包含大量实战型的实例程序，可供寻求将Matlab程序脱离Matlab环境的程序设计人员、寻求在Matlab中调用c／c++程序的程序设计人员、寻求在C／C++中调用Matlab程序的程序设计人员学习和参考。 本书所有的源代码均附在随书光盘中。其中：第7章的开发和编译环境为Visual C++6．0与Matcom4．5．1；第8章的开发和编译环境为Visual C++6．0与Matlab 6．5．1；其他各章除特别说明之外，开发和编译环境均为Visual C++2010与Matlab 2010。

从零开始的高斯混合模型 算法类型：聚类算法使用的数据集：从sklearn导入的虹膜数据集 最终集群的输出 要求： Jupyter笔记本或Google Colab 库： 熊猫： ： numpy： ：//numpy.org/install/ Matplotlib： ：//matplotlib.org/stable/users/installing.html sklearn： ://scikit-learn.org/stable/install.html scipy： ：//pypi.org/project/scipy/ 涉及的步骤： 对于Google Colab： 在任何浏览器上打开google colab。 在Google Colab中上传文件“ 19BCE1328_Gaussian混合物模型”。 运行笔记本中的所有单元并查看输出。 参见图以可视化最终结果。 对于Jup