程序能夠實現將十二位的二進制數5V對應fffH變換成一路0~5V的電壓。 精度方面:在使用時上下波動范圍大約是0~2fH能保證高位寄存器準確; 調試過程中遇到了一系列問題:(1)p0口的使用需接上拉電阻,內部沒有帶電阻;(2)調試的過程最好使用單步運行,以便于察看寄存器的內容;(3)對系統板不熟悉,一些硬件方面容易出問題,像口連接,電源、地的連接。(4)直流電源使用不準確,內部的各個電源輸出是獨立的,需要共地。
上傳時間: 2015-11-10
上傳用戶:一諾88
牛頓-拉夫遜法潮流計算 基本步驟: (1)形成節點導納矩陣 (2)將各節點電壓設初值U, (3)將節點初值代入相關求式,求出修正方程式的常數項向量 (4)將節點電壓初值代入求式,求出雅可比矩陣元素 (5)求解修正方程,求修正向量 (6)求取節點電壓的新值 (7)檢查是否收斂,如不收斂,則以各節點電壓的新值作為初值自第3步重新開始進行狹義次迭代,否則轉入下一步 (8)計算支路功率分布,PV節點無功功率和平衡節點柱入功率。
上傳時間: 2013-12-11
上傳用戶:宋桃子
PIC18F87J10是MICROCHIP公司最新推出的高性價比MCU。此文是其SUART(增強型)的驅動,已經調試通過,拿出代大家分享。
上傳時間: 2016-01-13
上傳用戶:龍飛艇
用Gauss消元法、選列主元的Gauss消元法求線性方程組(1)的解,要求輸出增廣矩陣的消元變化過程。 用Gauss消元法、選列主元的Gauss消元法求線性方程組(1)的解,要求輸出增廣矩陣的消元變化過程 42x1+2x2+3x3=3 x1+7x2+7x3=1 -2x1+4x2+5x3=-7 算法思想:Gauss消元法是將線性方程組化為上三角形線性方程組,然后再用一個回代過程求這個上三角形線性方程組的解;選主元的Gauss消元法是在Gauss消元法上增加了選列主元的過程,選列主元是為了避免當akk 為零或絕對值充分小時使計算過程被迫終止或計算誤差較大,選列主元是將akk、a(k+1)k 、…、ank 中絕對值最大的元素移到主對角線上,從而改進Gauss消元法性能
上傳時間: 2016-02-06
上傳用戶:tyler
(1)利用多項式擬合的兩個模塊程序求解下題: 給出 x、y的觀測值列表如下: x 0 1 2 3 4 5 y 2.08 7.68 13.8 27.1 40.8 61.2 試利用二次多項式y=a0+a1x+a2x2進行曲線擬合。 (1)多項式擬合方法:假設我們收集到兩個相關變量x、y的n對觀測值列表: x x0 x1 x2 x3 x4 x5 y y0 y1 y2 y3 y4 y5 我們希望用m+1個基函數w0(x),w1(x),…,wm(x)的一個線形組合 y=a0w0(x)+a1w1(x)+…+amwm(x) 來近似的表達x、y間的函數關系,我們把幾對測量值分別代入上式中,就可以得到一個線形方程組: a0w0(x0)+a1w1(x0)+…+amwm(x0)=y0 a0w0(x1)+a1w1(x1)+…+amwm(x1)=y1 … … a0w0(xn)+a1w1(xn)+…+amwm(xn)=yn 只需要求出該線形方程組的最小二乘解,就能得到所構造的的多項式的系數,從而解決問題。
上傳時間: 2016-02-07
上傳用戶:爺的氣質
《自己動手寫操作系統》于淵(著) 一書的源代碼,里面有一些小工具和已編譯好的鏡像文件
上傳時間: 2016-04-16
上傳用戶:縹緲
第一步是計算輸人信號單邊功率譜密度(ESD)。使用快 %速傅里葉(FFr)算法將信號從時域轉換到頻域。因為FFr算法的輸出是離散譜,而這 %里我們需要的是連續譜,因此需要引人不同的比例因子來實現從離散譜到連續譜的轉換。 %在第二步中,我們利用迭代算法計算出相對于特定閡值的ESD的最高和最低頻率,從而 %估算出被檢測信號所占用的帶寬。這種算法同時適用于基帶信號和已調制信號。最后, %在第三步中,我們給出了輸出圖形的原代碼。
上傳時間: 2013-12-28
上傳用戶:watch100
最小均方(LMS)自適應算法就是一中已期望響應和濾波輸出信號之間誤差的均方值最小為準的,依據輸入信號在迭代過程中估計梯度矢量,并更新權系數以達到最優的自適應迭代算法。LMS算法是一種梯度最速下降方法,其顯著的特點是它的簡單性。這算法不需要計算相應的相關函數,也不需要進行矩陣運算。
上傳時間: 2013-12-15
上傳用戶:zhaiye
《數字信號處理實驗指導書(MATLAB 版)》 著者: (美)米特拉著 作譯者: 孫洪等譯 ISBN號: 7-121-00700-2 出版日期: 2005-01 出版社:電子工業出版社 內有書中個例子的源代程序。MAC,PC及UNIX環境下運行的不同代碼。
上傳時間: 2014-11-24
上傳用戶:thuyenvinh
人工魚群算法(AFSA)是2002年李曉磊提出的基于魚群行為的尋求全局最優 的新型搜索策略,該算法具有較優的全局收斂能力及較快的尋優速度。本文首次將 人工魚群算法應用于人工神經網絡的學習,形成了人工魚群神經網絡模型,通過與 BP算法、模擬退化算法、進化算法訓練的人工神經網絡進行比較,驗證了人工魚群 神經網絡在全局尋優能力上的優勢,進而利用人工魚群神經網絡進行電力系統短期 負荷預測,建立了人工魚群神經網絡預測模型。為了進一步提高算法的穩定性,以 及求得全局最優值的能力,文中給出了改進的人工魚群算法。當人工魚種群的最優 值在多代未變的情況下,加入了“跳躍”行為,改變人工魚個體的參數,避免陷入 局部最優并提高了尋求全局最優解的能力。然后建立了新的預測模型,實際編程表 明,改進后的模型具有更好的全局最優化能力及穩定性。
上傳時間: 2013-12-18
上傳用戶:BOBOniu