GMP可以让您的运算不会受到精度或者值域的限制。在追求超高精度运算的理想选择。
2021-09-18 10:29:40 1.93MB GMP GNU Linux 高精度 任意精度
1
基于标准杆件的CRTSⅢ型轨道板自动化检测系统精度评定.pdf
2021-09-18 09:03:25 1.11MB 自动化 智能系统 系统开发 参考文献
该音频数字电桥,比较简单,但设计这个电路并不断改进,前后花费了近一个月时间。 数字电桥电路设计基本状况: 工作频率: 100Hz,1kHz,7.813kHz 最小分辨:最小分辨0.5毫欧,0.03uH,0.02pF 最大分辨:G欧 基本量程精度:1kHz基本量程精度,0.5%,选好电阻,精心制作,可以轻松达到0.25%精度 AD非线性误差小于0.05%,AD零点误差采用直流偏置消除 信号源:软件合成正弦DDS、软件合成方波DDS 显示:4LED 单片机:STC12C5A60S2 该LCR表的具体特性: AD转换器的字数:约1000字,采用了过采样技术,有效分辨力约为2000字 测量方法:准桥式测定,测量原理类似于比例法测电阻。 主要测量范围:1欧至0.5兆欧,精度0.5%(理论),阻抗实测比对,均未超过0.3% 有效测量范围:2毫欧至10兆欧,最小分辨力1毫欧 串联残余误差:2毫欧,低阻测量时此误差不可忽略 并联残余误差:50M欧,高阻测量时此误差不可忽略 Q值误差:±0.003(Q2,相对误差,简易算法),其它按0.5%左右估算 D值误差:±0.003(D2,相对误差,简易算法),其它按0.5%左右估算 注意:Q = 1/D 测试信号幅度:峰值200mV(100Hz),180mV(1kHz),140mV(7.8kHz) 电感:0.02uH分辨力,测量范围0.1uH至500H,超出500H未测试(因为我没有更大的电感器)。 电容:分辨力与夹具有关。夹具好的话,分辨0.1pF或0.05pF,不屏蔽只能分辨到0.2pF,甚至只有1pF。上限测量,没有测试,只测过10000uF电容,手上没有更大的电容。 实测误差,比上述精度指标好许多。 本表基准源:分别为4个基准电阻,一个时间基准。电阻基准就是电桥的4个下臂电阻,要求精度达到0.1%,对1%精度的金属膜电阻筛选即可。时间基准用32MHz石英晶振得到,精度可以满足电桥要求的。如果电阻达不到要求,可以使用软件校准。 频率精度:实际频率为99.18Hz、999.45Hz、7812.5Hz,简写为(100Hz、1kHz、7.8kHz)。由于DDS的频率分辨力有限,所以不采用整数频率。频率精度约为0.02%(由石英晶振决定)。 信号源失真度:没有专用仪器测试,只做估测。对输出信号做一次高通滤波后,用示波器观察,未发现可觉察失真。如果有可觉察失真,对D值测量有小量一些影响。 LCR开关式相敏检波器的检波效率分析图: 高精度音频数字电桥PCB截图: LCR表驱动程序部分展示:
1
研旭TMS320F28335开发板的外设开发示例程序-高精度PWM波部分,F28335的初学者做参考很不错!可以参考代码中的寄存器配置和工程构建方式。
2021-09-16 10:06:57 461KB F28335 HRPWM
1
针对现有的采用Booth算法与华莱士(Wallace)树结构设计的浮点乘法器运算速度慢、布局布线复杂等问题,设计了基于FPGA的流水线精度浮点数乘法器。该乘法器采用规则的Vedic算法结构,解决了布局布线复杂的问题;使用超前进位加法器(Carry Lookahead Adder,CLA)将部分积并行相加,以减少路径延迟;并通过优化的4级流水线结构处理,在Xilinx ISE 14.7软件开发平台上通过了编译、综合及仿真验证。结果证明,在相同的硬件条件下,本文所设计的浮点乘法器与基4-Booth算法浮点乘法器消耗时钟数的比值约为两者消耗硬件资源比值的1.56倍。
2021-09-15 15:00:46 792KB 浮点乘法器
1
棋盘格边长20mm 双目左右相机拍摄图片高精度.rar
2021-09-15 10:03:56 25.39MB 标定 计算机视觉
1
MS1022 是一款高精度时间测量(TDC)电路,是 MS1002 的升级产品,与 MS1002 管脚完全兼容,且兼容 MS1002 的所 有功能。MS1022 内部集成了模拟比较器、模拟开关、施密 特触发器等器件,从而大大简化了外围电路
2021-09-15 10:00:48 2.87MB MS1022
1
CS175分心驾驶员检测 #RESNET18 #PYTORCH#机器学习 分心驾驶: 建议作为导致致命事故从2014年到2018年增加的原因 由于使用智能设备的增加,引起公众越来越多的关注 我们在建筑物探测器中的数据:(由StateFarm在他们的Kaggle挑战赛中提供: 训练数据:在训练数据中包含22,424张图像,分为10个带标签的课程文件夹 测试数据:7.97万张未标记的图像(通过kaggle提交进行了准确性测试) 提供给我们的每张图像的大小为640×480像素 我们的模型: ResNet18(必须对图像进行预处理,并对在ResNet18中内置的pyTorch进行一些更改) 使用交叉熵损失和SGD优化器,其学习率为0.001,动量为0.9和Nesterov动量 火车精度大约为98%! 测试准确率近97%! 以下是我们所做操作和报告的全面说明:幻灯片: ://docs
2021-09-14 17:49:43 47.18MB JupyterNotebook
1
用STM32触发捕捉实现高速高精度测频.rar
2021-09-14 13:03:30 586KB
The GMP computers are maintained by a single person on a volunteer basis. The current situation with Intel Meltdown + Spectre hardware, Intel ME bugs/backdoors are making the GMP servers far from as secure as we'd like them to be. We don't have the time or resources to keep up with the bugs nor the financial resources to purchase safer hardware. The system which runs this web server as well as mail server, mailing list server, firewall, etc, has an Intel E5-1650 v2 Meltdown + Spectre CPU with buggy Intel ME and it runs Xen with a poor history of guest escape vulnerabilities. Please keep that in mind when using the resources here. Please understand that we don't take security lightly, but that we effectively are DoS'ed by sloppy engineering. 没办法选择0积分。非常抱歉。
2021-09-13 23:01:43 1.86MB GMP 大整数 高精度 C++
1