脈沖編碼調(diào)制（PCM）是數(shù)字通信的編碼方式之一，在通信系統(tǒng)中完成將語(yǔ)音信號(hào)數(shù)字化的功能。PCM的實(shí)現(xiàn)主要包括三個(gè)步驟：抽樣、量化、編碼，分別完成時(shí)間上離散、幅度上離散及量化信號(hào)的二進(jìn)制表示。
標(biāo)簽： Matlab 脈沖編碼調(diào)制 仿真程序
上傳時(shí)間： 2016-10-20
上傳用戶：1260656841
量化另類交易策略-基于時(shí)域分形的相似性匹配日內(nèi)低頻交易(SMT)策略
標(biāo)簽： SMT 時(shí)域 分形 低頻 相似性 策略
上傳時(shí)間： 2017-04-21
上傳用戶：landysag
第二章 習(xí)題參考答案 1. 問題定義的任務(wù)和主要工作? 問題定義的任務(wù)：將用戶提出的要求具體化、定量化；確定研制系統(tǒng)的范圍，明確研制的邊 界。問題定義階段的工作： (1) 通過調(diào)查研究，了解系統(tǒng)需求； (2) 確定系統(tǒng)的功能需求、性能需求、可靠性需求、安全及保密性、資源、開發(fā)費(fèi)用及開發(fā)進(jìn)度等的需求； (3) 問題定義階段的產(chǎn)品——系統(tǒng)目標(biāo)與范圍說明書。 2.可行性研究目的? 確定在問題定義中所提出的問題是否值得去解，在限制條件下，問題能否解決。 3．可行性研究的任務(wù)？ (1) 進(jìn)一步分析和澄清問題的定義，在澄清問題的基礎(chǔ)上，導(dǎo)出系統(tǒng)的邏輯模型； (2) 從系統(tǒng)邏輯模型中，選擇問題的若干種主要解法，研究每一種解法的可行性，為以后的行動(dòng)提出建議； (3) 如果問題沒有可行的解，建議停止系統(tǒng)開發(fā)；如果問題有可行的解，應(yīng)該推薦一個(gè)較好的解決方案，并為工程制定一個(gè)初步的計(jì)劃。 4．可行性研究包括哪幾方面的內(nèi)容？ (1)技術(shù)可行性：現(xiàn)有技術(shù)能否實(shí)現(xiàn)本系統(tǒng)，現(xiàn)有技術(shù)人員能否勝任，開發(fā)系統(tǒng)的資源能否滿足； (2)經(jīng)濟(jì)可行性：經(jīng)濟(jì)效益是否超出開發(fā)成本； (3)操作可行性：系統(tǒng)操作在用戶內(nèi)部行得通嗎？ (4)法律可行性：新系統(tǒng)開發(fā)是否會(huì)侵犯他人、集體或國(guó)家利益，是否違反國(guó)家法律。 5．可行性研究的步驟? (1)復(fù)查系統(tǒng)的規(guī)模和目標(biāo)； (2)研究目前正在使用的系統(tǒng)，總結(jié)現(xiàn)有系統(tǒng)的優(yōu)劣，提出新系統(tǒng)的雛形； (3)導(dǎo)出新系統(tǒng)的高層邏輯模型； (4)推薦建議方案； (5)推薦行動(dòng)方針； (6)書寫計(jì)劃任務(wù)書(可行性報(bào)告)； (7)提交審查。 6. 可行性研究報(bào)告的主要內(nèi)容？ 可行性分析的結(jié)果是可行性研究報(bào)告,內(nèi)容包括： (1) 系統(tǒng)概述：說明開發(fā)的系統(tǒng)名稱,提出單位和開發(fā)單位。 (2) 可行性研究的前提:系統(tǒng)目標(biāo)；要求；約束和限制；可行性研究的基本準(zhǔn)則等。 (3) 對(duì)現(xiàn)有系統(tǒng)的分析:處理流程，圖示說明現(xiàn)有系統(tǒng)的處理流程和數(shù)據(jù)流程；現(xiàn)有系統(tǒng)存在的問題。 (4) 系統(tǒng)需求:主要功能；主要性能及其要求；操作要求；信息要求；限制性要求。 (5) 建議系統(tǒng):系統(tǒng)目標(biāo)；處理流程；系統(tǒng)結(jié)構(gòu),功能,性能；系統(tǒng)技術(shù)可行性；投資和效益分析；操作可行性；法律可行性。 (6) 其它可選方案:與國(guó)內(nèi)外同類型方案的比較；提出一兩個(gè)可行性方案供論證和探討。 (7) 制定下一階段的預(yù)算。 (8) 結(jié)論性意見：由用戶方、設(shè)計(jì)方和投資方共同簽署意見。
標(biāo)簽： 計(jì)算機(jī)圖形學(xué)
上傳時(shí)間： 2017-11-05
上傳用戶：小蟻123
以水仙花為例，對(duì)水仙花的一些特征進(jìn)行量化描述，進(jìn)行神經(jīng)網(wǎng)絡(luò)模型構(gòu)建，從而達(dá)到對(duì)水仙花進(jìn)行分類的目的
標(biāo)簽： BP神經(jīng)網(wǎng)絡(luò) 模型 代碼
上傳時(shí)間： 2020-12-04
上傳用戶：
一個(gè)專門全自動(dòng)量化萊特幣的炒幣機(jī)器人，好用，智能，帶有追蹤功能，分批建倉(cāng)，分批止盈，延緩做單防瀑布機(jī)制等，自動(dòng)加減倉(cāng)，資產(chǎn)利用率極高。
標(biāo)簽： 機(jī)器人
上傳時(shí)間： 2021-11-09
上傳用戶：qdxqdxqdxqdx
準(zhǔn)確量化和預(yù)測(cè)陸地生態(tài)系統(tǒng)碳水通量對(duì)于理解陸氣間相互作用，預(yù)測(cè)未來(lái)氣候變化和控制溫室效應(yīng)具有重要意義。通量觀測(cè)和模型模擬是目前研究碳水通量的兩種主要方法。通量觀測(cè)精度較高，但觀測(cè)范圍局限、站點(diǎn)分布不均勻，易受環(huán)境影響，難以區(qū)域擴(kuò)展；模型模擬可實(shí)現(xiàn)不同尺度參量估算，但由于理想化假設(shè)、模型參數(shù)和驅(qū)動(dòng)數(shù)據(jù)等限制，導(dǎo)致其模擬結(jié)果往往與真實(shí)值存在較大偏差。模型-數(shù)據(jù)融合方法主要是通過參數(shù)估計(jì)和數(shù)據(jù)同化兩種技術(shù)集成觀測(cè)和模型信息，建立兩者相互制約調(diào)節(jié)的優(yōu)化關(guān)系，以提高模型結(jié)果與真實(shí)值之間的匹配程度?；谠撍悸?，本研究在地面觀測(cè)數(shù)據(jù)、遙感衛(wèi)星資料以及相關(guān)氣候環(huán)境數(shù)據(jù)基礎(chǔ)上，重點(diǎn)突破全球動(dòng)態(tài)植被模型（Lund-Potsdam-Jena Dynamic Globa Vegetation Model.LPJ-DGVM）敏感參數(shù)優(yōu)化方法，獲取適宜中國(guó)的參數(shù)化方案：在此基礎(chǔ)上，引入數(shù)據(jù)同化算法，將遙感衛(wèi)星產(chǎn)品信息與模型相融合，在模擬過程中不斷校正原有模型模擬軌跡，提高模型適用性。將以上改進(jìn)的模型推廣至中國(guó)區(qū)域，實(shí)現(xiàn)對(duì)20002015年中國(guó)地區(qū)總初級(jí)生產(chǎn)力（Gross Primary Productivity GPP）和敬發(fā)（Evapotranspiration，ET的空間格局模擬及分析。主要結(jié)論如下1）將LP」DGwM中所選出的22個(gè)可調(diào)參數(shù)（涉及光合、呼吸、水平衡異速生長(zhǎng)、死亡、建立以及土壤和掉落物分解共七個(gè)作用領(lǐng)域）在各自取值范圍內(nèi)隨機(jī)獲得不同的參數(shù)組合，結(jié)果表明22個(gè)參數(shù)可引起GPP和ET模擬結(jié)果產(chǎn)生較大的不確定性，尤其集中在生長(zhǎng)季。所有站點(diǎn)GPP相對(duì)不確定性（Relative Uncertainty，RU）基本保持在09-1.25之間，不具有明顯的年際變異性：ET相對(duì)不確定性RU月變化趨勢(shì)明顯，且基本處于0.5以下，明顯低于GPP，說明所篩選的22個(gè)參數(shù)對(duì)GP模擬產(chǎn)生的影響更為顯著。
標(biāo)簽： 數(shù)據(jù)融合
上傳時(shí)間： 2022-03-16
上傳用戶：shjgzh
斯坦福大學(xué)-深度學(xué)習(xí)基礎(chǔ)教程.pdfUFLDL教程 From Ufldl 說明：本教程將闡述無(wú)監(jiān)督特征學(xué)習(xí)和深入學(xué)習(xí)的主要觀點(diǎn)。通過學(xué)習(xí)，你也將實(shí)現(xiàn)多個(gè)功能 學(xué)習(xí)/深度學(xué)習(xí)算法，能看到它們?yōu)槟愎ぷ?，并學(xué)習(xí)如何應(yīng)用/適應(yīng)這些想法到新問題上。 本教程假定機(jī)器學(xué)習(xí)的基本知識(shí)（特別是熟悉的監(jiān)督學(xué)習(xí)，邏輯回歸，梯度下降的想法），如果 你不熟悉這些想法，我們建議你去這里 機(jī)器學(xué)習(xí)課程 (http://openclassroom.stanford.edu/MainFolder/CoursePage.php? course=MachineLearning) ，并先完成第II，III，IV章（到邏輯回歸）。 稀疏自編碼器 神經(jīng)網(wǎng)絡(luò) 反向傳導(dǎo)算法 梯度檢驗(yàn)與高級(jí)優(yōu)化 自編碼算法與稀疏性 可視化自編碼器訓(xùn)練結(jié)果 稀疏自編碼器符號(hào)一覽表 Exercise:Sparse Autoencoder 矢量化編程實(shí)現(xiàn) 矢量化編程 邏輯回歸的向量化實(shí)現(xiàn)樣例 神經(jīng)網(wǎng)絡(luò)向量化 Exercise:Vectorization
標(biāo)簽： 深度學(xué)習(xí)
上傳時(shí)間： 2022-03-27
上傳用戶：kingwide
詳細(xì)介紹了運(yùn)算放大器使用時(shí)，針對(duì)閃爍噪聲、熱噪聲等進(jìn)行數(shù)學(xué)量化分析，針對(duì)微弱信號(hào)的拾取有一定參考設(shè)計(jì)價(jià)值
標(biāo)簽： 運(yùn)算放大器 噪聲優(yōu)化
上傳時(shí)間： 2022-05-05
上傳用戶：XuVshu
本書一方面詳盡地討論了數(shù)字信號(hào)處理中的兩大基本內(nèi)容：離散傅里葉變換和數(shù)字濾波器，另一方面深入淺出地介紹了數(shù)字信號(hào)處理中深入發(fā)展的一些新課題。主要內(nèi)容包括：周期采樣、離散傅里葉變換（DFT）、快速傅里葉變換（FFT）、數(shù)字濾波器、離散希爾伯特（Hilbert）變換、采樣速率轉(zhuǎn)換、量化，信號(hào)取均值、無(wú)限沖激響應(yīng)濾波器（HR）、沖激頻率采樣和內(nèi)插式有限沖激響應(yīng)濾波器（FIR）、多相濾波器和串級(jí)積分器—梳狀有限沖激響應(yīng)濾波器（FIR）等內(nèi)容。本書適合作為電子工程專業(yè)、通信專業(yè)及其他相關(guān)專業(yè)的教材及教學(xué)參考書，也可供工程師以及專業(yè)技術(shù)人員參考。本書對(duì)數(shù)字信號(hào)處理（DSP）的基本內(nèi)容進(jìn)行了系統(tǒng)闡述，包括目前數(shù)字信號(hào)處理的新技術(shù)成果，是一本理論和實(shí)踐結(jié)合得十分完美的教材。本書自1997年出版以來(lái)，深受讀者歡迎，十分暢銷。本書是對(duì)第1版的內(nèi)容修訂和擴(kuò)充后推出的第2版。書中通過具有啟發(fā)性的解釋和精心挑選的例子，采用易于理解的數(shù)學(xué)表示方法，循序漸進(jìn)地對(duì)數(shù)字信號(hào)處理技術(shù)加以說明和解釋，幫助讀者從整體掌握DSP基礎(chǔ)，并逐步掌握較高層次的DSP概念和應(yīng)用。本書特點(diǎn)：·包含大量實(shí)際直觀的例子·強(qiáng)調(diào)實(shí)際的、日常的DSP應(yīng)用和解決方案·提供了全新的正交信號(hào)處理內(nèi)容，包括易于理解的三維空間圖·包括即使是經(jīng)驗(yàn)豐富的專業(yè)人士也可能忽略的技術(shù)方法·涵蓋頻率采樣、內(nèi)插式FER、CIC等重要濾波器提供流行的數(shù)字信號(hào)處理技巧。
標(biāo)簽： 數(shù)字信號(hào)處理
上傳時(shí)間： 2022-05-22
上傳用戶：zhaiyawei
LwM2M協(xié)議是OMA組織制定的輕量化的M2M協(xié)議，主要面向基于蜂窩的窄帶物聯(lián)網(wǎng)（Narrow Band Internet of Things, NB-IoT）場(chǎng)景下物聯(lián)網(wǎng)應(yīng)用，聚焦于低功耗廣覆蓋（LPWA）物聯(lián)網(wǎng)（IoT）市場(chǎng)，是一種可在全球范圍內(nèi)廣泛應(yīng)用的新興技術(shù)。具有覆蓋廣、連接多、速率低、成本低、功耗低、架構(gòu)優(yōu)等特點(diǎn)
標(biāo)簽： lwm2m協(xié)議
上傳時(shí)間： 2022-06-05
上傳用戶：kent
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
