用移位寄存器和与非门设计一个 1011 序列检测器。电路连续不停地工作，对串 行输入的序列进行检测，当连续检测 4 个码元符合检测码 1011 时，检测器输出为 1， 指示灯亮，其他情况下输出为 0，指示灯灭。 对串行输入的序列 1011011001001011 进行检测，并记录检测结果。 五、实验设备与器材 1．实验组合箱一台 2．主要器材 74LS000（四 2 输入与非门）一片、74LS020（双 4 输入与非门） 一片 、74LS194（4 位双向移位寄存器）一片

用计数器和数据选择器配合产生序列信号 110100。 实验设备与器材 1．实验组合箱一台 2．74LS000 四二输入与非门一片，74LS153 一片，74LS161 一片

为了满足铁路通信系统在数据传输中的大容量、高安全、可靠性等方面的要求， 本文提出了在干线铁路中利用直接序列扩频通信的方法， 它是伪随机序列与窄带信息相乘，形 成扩频谱信号进行宽带传输的一种通信方式。直接序列扩频通信与GSM—R通信系统相比较， 在 处理增益，抗干扰能力，测距、定时和隐蔽性上有着显著优势。将直接序列扩频通信应用到铁 路系统中， 可提升铁路信号系统的安全可靠性和高效快捷程度。

该函数根据加速度时间序列计算地震参数。 具体来说，它计算速度与时间、位移与时间、峰值地面加速度 (PGA)、峰值地面速度 (PGV)、峰值地面位移 (PGD)、Arias 强度与时间、总 Arias 强度 (Ia)、5% 之间的时间和 75% 的 Ia 已经发生（显着持续时间 D5-75），发生 5% 和 95% Ia 之间的时间（显着持续时间 D5-95），平均周期（Tm），伪加速响应谱（Sa），伪速度响应谱 (Sv)、位移响应谱 (Sd) 和傅立叶幅度谱 (FAS)。

预测能源时间序列 该项目处于开发的初期阶段。 我目前正在Tempus Energy处理时间序列问题-在为Tempus构建工作工具时，我尝试将其移植到该库中。 回购目标 此回购的目的是提供一组工具和能源问题的时间序列预测示例。 可重复使用的工具存在于forecast/forecast -项目特定的代码存在于projects/project_name 。 项目文件夹的结构是灵活的。 数据 用于刮擦公开可用的能源数据集的工具以及用于训练模型的清洁和处理数据的工具。 刮ing Elexon（英国网格数据） 加工 埃莱克森 风电场数据 Makridakis_2018_statistical_ml_concerns.pdf Original data: No pre-processing is applied. • Transforming the data: The log or the B

利用Matlab实现的M序列的生成以及MLS算法

goNfCollector:一套收集和分析Netflow并将其导出到许多数据库和应用程序的工具，例如InfluxDB时间序列数据

G-P 算法同时求关联维和Kolmogorov熵 (输入时间序列数据) Contents.m CorrelationIntegral.dll LM2.p LorenzData.dll Main_KolmogorovEntropy_GP.m

利用Matlab造波，给定JONSWAP（J谱）的谱峰周期和有效波高，生成不规则波序列，其他峰形参数等为默认值，可以在函数中自行修改。同时输入参数数目可变，自行调整输出波列的长度。实现类似于海浪实验室推波板所需的“造波文件”的生成

学习时间序列的概念，从传统的技术到最前沿的技术。这本书用全面的例子清楚地说明了时间序列数据的统计方法和分析方法及其在现实世界中的应用。所有的代码都可以在Jupyter中找到。 您将从回顾时间序列的基础知识、时间序列数据的结构、预处理以及如何通过数据争论来构建这些特性开始。接下来，您将使用statmodels和pmdarima等趋势框架来研究传统的时间序列技术，如ARMA、SARIMAX、VAR和VARMA。 该书还解释了使用sktime构建分类模型，并涵盖了先进的基于深度学习的技术，如ANN, CNN, RNN, LSTM, GRU和Autoencoder，以解决使用Tensorflow的时间序列问题。最后介绍了时间序列分析建模的流行框架fbprophet。在使用Python阅读了Hands -On Time Series Analysis之后，您将能够在行业中应用这些新技术，如石油和天然气、机器人、制造业、政府、银行、零售、医疗保健等。 你将学习: 解释时间序列高级概念的基础知识 如何设计、开发、培训和验证时间序列方法 什么是平滑，ARMA, ARIMA, SARIMA,S