ST20 Embedded Toolset R2.3.1用于開發基于ST20芯片機頂盒軟件的開發平臺!是目前國外能下載到的最高版本。從http://slugworth.mylivepage.com/file/210_General下載的
標簽: mylivepage slugworth Embedded Toolset
上傳時間: 2013-12-22
上傳用戶:lo25643
學生的綜合素質受多種因素影響,如何建立科學的評估體系是各大學多年來一直探索的問題。經 過分析各種因素建立了高校學生綜合素質 模型,并對高校學生的綜合素質進行科學地定性與定量分析,通 AHP 過模型計算表明:綜合指數得出的結果能對學生的優點和弱點作出客觀評價,有利于學生的全面發展,對當前進 行素質教育具有現實意義。
上傳時間: 2014-02-02
上傳用戶:253189838
本人在閱讀Linux源代碼過程中發現如果要全面了解Linux的結構、理解Linux的編程總體設計及思想必須首先全部讀通Linux源代碼中各級的Makefile文件。目前,在網上雖然有一些著作,但都不能全面的解釋Linux源代碼中各級的Makefile文件,因此本人認真閱讀了GNU Make 使用手冊(3.79)版原文,在此基礎上翻譯了該手冊,以滿足對Linux源代碼有興趣或者希望采用GCC編寫程序但對缺乏GNU Make全面了解之人士的需要。
上傳時間: 2017-07-11
上傳用戶:chens000
為設計一種正交鏡像濾波器組(QM F)的原型濾波器,使川高邊瓣衰減(SLFO R的可變性和組合窗函 數設計了低通原型濾波器,并且應川線性優化使近似重構的誤差最小結果表明,該方法程序運行簡單,優化 算法使計算機處理的速度加快,而且高邊瓣衰減(SLFOR)組合窗減少了能量的泄漏,防止了子帶間的混疊
上傳時間: 2017-08-30
上傳用戶:tuilp1a
摘 要:曝光瞬間造成圖像模糊的運動通常作為直線運動近似處理 ,若能找出模糊圖像的運動模糊方向 ,并將之旋轉到水平軸 ,則二維問題可簡化為一維來處理 ,大大簡化由模糊圖像估計出運動模糊點擴散函數以及圖像恢復的過程 ,并為圖像恢復的并行計算創造有利條件。由于運動模糊降低了運動方向上圖像的高頻成 分 ,沿著運動方向實施高通濾波 方向微分 ,可保證微分圖像灰度值 絕對值 之和最小。基于此 ,本文利用雙線性插值的方法 ,固定并適當選取方向微分的微元大小 ,構造出3 ×3方向微分乘子 ,得到了高效高精度的自動鑒別運動模糊方向的新方法 ,并通過數值實驗進行了驗證。
上傳時間: 2013-12-08
上傳用戶:lmeeworm
暖通與空調常用數據手冊,希望能對設計人員有所幫助。
上傳時間: 2016-07-18
上傳用戶:15235171426
NT6008是繼PI SC0163D之后一顆能兼容USB智能識別的QC3.0識別芯片,打破了支持蘋果識別就不能通過高通QC3.0認證的傳言。 聯系人:唐云先生(銷售工程) 手機:13530452646(微信同號) 座機:0755-33653783 (直線) Q Q: 2944353362
上傳時間: 2019-03-18
上傳用戶:lryang
作者:何亮,劉揚論文摘要:氮 化 鎵 (G a N )材 料 具 有 優 異 的 物 理 特 性 ,非 常 適 合 于 制 作 高 溫 、高 速 和 大 功 率 電 子 器 件 ,具 有 十 分 廣 闊 的 市場前景 。 S i襯 底 上 G a N 基 功 率 開 關 器 件 是 目 前 的 主 流 技 術 路 線 ,其 中 結 型 柵 結 構 (p 型 柵 )和 共 源 共 柵 級 聯 結 構 (C asco de)的 常 關 型 器 件 已 經 逐 步 實 現 產 業 化 ,并 在 通 用 電 源 及 光 伏 逆 變 等 領 域 得 到 應 用 。但 是 鑒 于 以 上 兩 種 器 件 結 構 存 在 的 缺 點 ,業 界 更 加 期 待 能 更 充 分 發 揮 G a N 性能的 “ 真 ” 常 關 M 0 S F E T 器件。而 GaN M 0 S F E T 器件的全面實用 化 ,仍 然 面 臨 著 在 材 料 外 延 方 面 和 器 件 穩 定 性 方 面 的 挑 戰 。
上傳時間: 2021-12-08
上傳用戶:XuVshu
神經網絡在智能機器人導航系統中的應用研究1神經網絡在環境感知中的應 用 對環境 的感 知 ,環境模型 妁表示 是非常重要 的。未 知 環境中的障礙物的幾何形狀是不確定的,常用的表示方浩是 槽格法。如果用冊格法表示范圍較大的工作環境,在滿足 精度要求 的情況下,必定要占用大量的內存,并且采用柵 格法進行路徑規劃,其計算量是相當大的。Kohon~n自組織 神經瞬絡為機器人對未知環境的蒜知提供了一條途徑。 Kohone~沖經網絡是一十自組織神經網絡,其學習的結 果能體現出輸入樣本的分布情況,從而對輸入樣本實現數 據壓縮 。基于 網絡 的這些特 性,可采 用K0h0n曲 神經元 的 權向量來表示 自由空間,其方法是在 自由空間中隨機地選 取坐標點xltl【可由傳感器獲得】作為網絡輸入,神經嘲絡通 過對大量的輸八樣本的學習,其神經元就會體現出一定的 分布形 式 學習過程如下:開 始時網絡的權值隨機地賦值 , 其后接下式進行學 習: , 、 Jm(,)+叫f)f,)一珥ff)) ∈N,(f) (,) VfeN.(f1 其 中M(f1:神經元 1在t時刻對 應的權值 ;a(∽ 謂整系 數 ; (『l網絡的輸八矢量;Ⅳ():學習的 I域。每個神經元能最 大限度 地表示一 定 的自由空間 。神經 元權 向量的最 小生成 樹可以表示出自由空問的基本框架。網絡學習的鄰域 (,) 可 以動 態地 定義 成矩形 、多邊 形 。神經 元數量 的選取取 決 于環境 的復雜度 ,如果神 經元 的數量 太少 .它們就 不能 覆 蓋整十空間,結果會導致節點穿過障礙物區域 如果節點 妁數量太大 .節點就會表示更多的區域,也就得不到距障 礙物的最大距離。在這種情況下,節點是對整個 自由空間 的學 習,而不是 學習最 小框架空 間 。節 點的數 量可 以動態 地定義,在每個學習階段的結柬.機器人會檢查所有的路 徑.如檢鍘刊路徑上有障礙物 ,就意味著沒有足夠的節點 來 覆蓋整 十 自由窯 間,需要增加 網絡節點來 重新學 習 所 138一 以為了收斂于最小框架表示 ,應該采用較少的網絡 節點升 始學習,逐步增加其數量。這種方法比較適臺對擁擠的'E{= 境的學習,自由空間教小,就可用線段表示;若自由空問 較大,就需要由二維結構表示 。 采用Kohonen~沖經阿絡表示環境是一個新的方法。由 于網絡的并行結構,可在較短的時間內進行大量的計算。并 且不需要了解障礙物的過細信息.如形狀、位置等 通過 學習可用樹結構表示自由空問的基本框架,起、終點問路 徑 可利用樹的遍 歷技術報容易地被找到 在機器人對環境的感知的過程中,可采用人】:神經嘲 絡技術對 多傳 感器的信息進 行融臺 。由于單個傳感器僅能 提 供部分不 完全 的環境信息 ,因此只有秉 甩 多種傳感器 才 能提高機器凡的感知能力。 2 神經 網絡在局部路徑規射中的應 用 局部路徑 規刪足稱動吝避碰 規劃 ,足以全局規荊為指 導 利用在線得到的局部環境信息,在盡可能短的時問內
上傳時間: 2022-02-12
上傳用戶:qingfengchizhu
基于傳感器和模糊規則的機器人在動態障礙環境中的智能運動控制基于傳感器和模糊規則的機器人在動態障礙環境中的智能運動控制 oIlI~0(、r> 王 敏 金·波斯科 黃心漢 ,O、l、L (華i 面面辜寫j幕.武漢,43074) \I。L上、o 捌要:提出了一種基于傳感器和模糊規則的智能機器人運動規劃方法 .該方法運用了基于調和函數分析的人 工勢能 場原 理 .采用模糊規則 可減少推導勢能函數所 必須的計算 ,同時給機器人伺服 系統發 出指令 ,使它能夠 自動 地尋找通向目標的路徑.提出的方法具有簡單、快速的特點,而且能對 n自由度機械手的整個手臂實現最碰.建立 在非線性機器人動力學之上的整 個閉環系統和模糊控制器 的穩定性 由李雅普諾 夫原理 保證 .仿真結 果證明 了該方 法 的有效性 ,通 過比較分析顯示 出文 中所提 出的最障算法的優越性 . 美t詞:基于傳感器的機器人運動控制;模糊規則;人工勢能場;動態避障;機器人操作手 1 叫啞oducd0n R。boIsarewjdelyusedfor詛sb inchasma~ia]b柚· 血 , spot : ng, spray Ijl岫 1g, mech卸icaland elec咖 icas搴enlb1y,ma al塒 IIovaland wa時 cut· ring 咖 . ofsuch tasks_堋 llldea pri|柚ary ptd 眥 of 她 ar0botto e oncpositiontoanother withoutbur叩inginto anyobstacles. s 曲km,de. notedasthefDbotm ∞ pJan,liDgp∞ 舶1,hasbeen the倒 娜bj0ct鋤l哪gIeseat℃ll∞ . Every method o0血∞rI1ing 如b0tmotionplanninghas itsownadv∞ngesandapplicationdoma~ asweftasits di戤ldvaIIta麟 and constr~dnts. Therefore it would be ratherdifficulteithertoc0Ⅱ】paremethodsorton~ vate thechoio~ofan dl0‘iupon othP~s. 0州 d眥 :1999—07—29;Revised~ :2000一∞ 一絲 In conU~astto many n~ hods,rob
上傳時間: 2022-02-15
上傳用戶: