28個實際問題建模MATLAB源程序代碼 - MATLAB神經(jīng)網(wǎng)絡30個案例分析-全文PDF及源程序 - MATLAB語言常用算法14類程序集 - MATLAB遺傳算法工具箱及應用（含源程序） - Matlab在數(shù)學建模中的應用（2部含源程序） - matlab經(jīng)典算法的程序 - 《MATLAB神經(jīng)網(wǎng)絡原理與實例精解》隨書附帶源程序 - 《MATLAB統(tǒng)計分析與應用：40個案例分析》程序與數(shù)據(jù) - 司守奎數(shù)學建模算法課件（2版含源程序） - 數(shù)學建模與數(shù)學實驗課件14講含源程序 - 數(shù)學建模與數(shù)學實驗（電子書含有源程序） - 數(shù)學建模的29個通用模型及matlab解法 - 自學Matlab必備的60個小程序代碼 - 遺傳算法+遺傳退火算法（算法簡介+編程技巧+工具箱+應用大全）（含源代碼） - 高等應用數(shù)學問題的matlab求解（318個源程序） -
上傳時間： 2013-04-15
上傳用戶：eeworm
開發(fā)與利用新能源是我國21世紀的重要能源戰(zhàn)略。風能是一種“取之不盡，用之不竭”、環(huán)境友好的可持續(xù)性能源，已受到了越來越廣泛的重視，并成為發(fā)展最快的新型能源。但是風電具有間歇性和隨機性的固有缺點，隨著大量的風力發(fā)電接入電網(wǎng)，勢必會對電力系統(tǒng)的安全、穩(wěn)定運行以及保證電能質(zhì)量帶來嚴峻挑戰(zhàn)，從而限制風力發(fā)電的發(fā)展規(guī)模。風電場短期風速和發(fā)電功率預測是解決該問題的有效途徑之一。中國的風電場大都是集中的、大容量的風電場，而且處于電網(wǎng)建設相對比較薄弱的地區(qū)，因此，中國更需要進行風電場短期風速和發(fā)電功率預測的研究，而發(fā)電功率的預測主要源自風速的預測。在此背景下，選擇風電場短期風速預測方法作為主要研究內(nèi)容，主要包括以下幾個方面： 首先運用統(tǒng)計學方法來分析風速的時間序列特性及其預測方法和應用特點，說明現(xiàn)實中的風速序列具有很強的非平穩(wěn)性。然后運用具有“數(shù)字顯微鏡”之美譽的小波變換來分析歷史紀錄的風速數(shù)據(jù)，通過運用二進正交小波變換Mallat算法對香港和河西走廊地區(qū)風速序列進行分解和重構(gòu)，分離出風速序列中的低頻信息和高頻信息。對Mallat算法分解后的信號，運用最小二乘支持向量機分別進行向前一步預測，然后再把各預測結(jié)果合成，得到預測值。建立了基于小波變換和最小二乘支持向量機的短期風速預測方法。應用Matlab對該算法進行了仿真，仿真試驗表明，小波變換是非平穩(wěn)風速序列時頻分析的有效工具，對風速序列的高頻和低頻信息起到很好的分離作用；最小二乘支持向量機的應用提高了預測的準確性。應用香港地區(qū)與河西走廊地區(qū)小時平均風速歷史數(shù)據(jù)，驗證了方法的有效性。
上傳時間： 2013-04-24
上傳用戶：xg262122
溫室是設施農(nóng)業(yè)的重要組成部分，國內(nèi)外溫室種植業(yè)的實踐經(jīng)驗表明，提高溫室的自動控制和管理水平可充分發(fā)揮溫室農(nóng)業(yè)的高效性。隨著傳感技術(shù)，計算機技術(shù)及通訊技術(shù)的迅猛發(fā)展，現(xiàn)代化溫室信息自動采集及智能控制系統(tǒng)的開發(fā)已越來越引起人們的重視，并成為一個具有重要意義的研究方向。因此設計了基于PIC單片機的溫室自動控制系統(tǒng)，使其對溫室環(huán)境進行控制，為植物創(chuàng)造適宜的生長條件，從而使農(nóng)作物獲得高產(chǎn)，提高農(nóng)業(yè)生產(chǎn)的經(jīng)濟效益。 文中論述了國內(nèi)外溫室環(huán)境控制技術(shù)的發(fā)展及現(xiàn)狀，分析了溫室的內(nèi)部機理，給出了所采用的溫室小氣候溫濕度模型；通過對溫室環(huán)境歷史數(shù)據(jù)的分析，得出了溫室溫度控制系統(tǒng)的近似數(shù)學模型。 系統(tǒng)采用模糊控制算法實現(xiàn)對溫濕度的控制。詳細研究了模糊控制的機理，建立了針對幾種執(zhí)行機構(gòu)的模糊控制規(guī)則表；在模糊推理中采用了T-S模型的推理方法，此方法確定的控制規(guī)則工程意義明確，易于調(diào)整。并以溫度控制系統(tǒng)為對象，使用MATLAB對模糊算法進行仿真；仿真結(jié)果表明，這種算法具有超調(diào)量小、穩(wěn)定性強、適應性好等特點，能夠達到預期的控制效果，是一種較為理想的智能控制方案。 溫室自動控制系統(tǒng)的硬件部分由上位機和下位機及其外圍電路組成。上位機采用PC機，通過與下位機間的通信實現(xiàn)對溫室的統(tǒng)一管理；下位機及其外圍電路實現(xiàn)溫室環(huán)境參數(shù)的檢測、顯示和實時控制，微處理器采用的是PIC16F877A單片機。這種以單片機為核心的控制器還可以在不依賴上位機的情況下獨立實現(xiàn)參數(shù)的測控。 在軟件設計方面，將模糊控制算法引入其中，給出了主程序、模糊算法程序、通信程序等程序流程圖。使用MSComm控件實現(xiàn)上下位機間通信；并采用VB6.0對上位機界面進行了設計，使程序簡單、清晰、為用戶提供了直觀友好的管理平臺。整個系統(tǒng)軟硬件搭配合理，設計、開發(fā)、維護方便，具有較高的性價比。
上傳時間： 2013-07-21
上傳用戶：xz85592677
語音識別技術(shù)就是能使計算機“聽懂”人類的語言，然后根據(jù)其含義來執(zhí)行相應的命令，從而實現(xiàn)為人類服務。 隨著語音識別的深入研究，對它的技術(shù)應用主要有兩個方面： 一個方向是大詞匯量連續(xù)語音識別系統(tǒng)，主要應用于計算機的聽寫機，以及與電話網(wǎng)或者互聯(lián)網(wǎng)相結(jié)合的語音信息查詢服務系統(tǒng)，這些系統(tǒng)都是在計算機平臺上實現(xiàn)的； 另外一個重要的發(fā)展方向是小型化、便攜式語音產(chǎn)品的應用，這些應用系統(tǒng)大都使用專門的硬件系統(tǒng)實現(xiàn)。 隨著后PC年代的到來，后一種發(fā)展將成為語音識別技術(shù)和嵌入式系統(tǒng)交叉研究的一個非常熱門的話題，將進一步推動語音識別技術(shù)往智能化方向發(fā)展。 論文主要研究語音識別系統(tǒng)及其在ARM嵌入式平臺上的實現(xiàn)。 根據(jù)嵌入式系統(tǒng)平臺的特性和系統(tǒng)的實際需求，對目標平臺的硬件和軟件系統(tǒng)進行適當?shù)募舨枚ㄖ疲⑶覍φZ音識別中的算法進行改進和優(yōu)化，同時為了加強系統(tǒng)的交互性，增加了控制界面，為實際應用提供很好的人機交互操作。 首先論文對嵌入式系統(tǒng)及嵌入式操作系統(tǒng)進行研究，通過實際比較后選用嵌入式Linux作為系統(tǒng)的操作系統(tǒng)； 然后對語音識別技術(shù)進行研究，并根據(jù)實際要求，采用Mel倒譜參數(shù)作為系統(tǒng)語音參數(shù)提取算法，DTW作為系統(tǒng)識別的模式匹配方法，并根據(jù)ARM嵌入式平臺的要求，分別對上述兩個算法進行優(yōu)化設計，同時利用QT跨平臺語言對應用控制程序進行代碼實現(xiàn)，并移植到目標板上，構(gòu)建出一個完整的嵌入式語音識別系統(tǒng)。 最后，對整個系統(tǒng)進行整體測試，通過實驗結(jié)果表明，系統(tǒng)達到了預期設計的便攜、智能及很好的交互性的目的。
標簽： ARM 嵌入式 語音識別 系統(tǒng)研究
上傳時間： 2013-04-24
上傳用戶：1054154823
語音通信是人類通信的重要組成部分，伴隨著數(shù)字通信技術(shù)和計算機技術(shù)的發(fā)展，特別是Internet的出現(xiàn)，基于因特網(wǎng)的數(shù)字語音通信技術(shù)得了到迅速的發(fā)展。由于設備、環(huán)境、人為操作等因素的影響，網(wǎng)絡上傳輸?shù)恼Z音信號可能出現(xiàn)忽大忽小的情況，為了得到較好的語音信號輸出效果，需要在接收端對語音信號進行處理。針對以上情況，本文研究并實現(xiàn)了基于ARM的網(wǎng)絡語音AGC系統(tǒng)。 本文結(jié)合嵌入式系統(tǒng)和AGC技術(shù)的發(fā)展，設計實現(xiàn)了一個基于ARM的網(wǎng)絡語音AGC系統(tǒng)。本文首先對AGC算法進行了深入研究，在對LMS算法進行研究的基礎上提出了一種基于LMS的數(shù)字語音AGC算法，通過Matlab軟件對算法進行了仿真；設計了一個由AT91RM9200微處理器、網(wǎng)絡控制器、音頻芯片構(gòu)成的嵌入式AGC處理終端硬件平臺，構(gòu)建了嵌入式Linux操作系統(tǒng)，并在此基礎上設計實現(xiàn)了網(wǎng)絡語音AGC系統(tǒng)的下位機終端。該終端主要實現(xiàn)了用基于LMS的數(shù)字語音AGC算法實時地處理從網(wǎng)絡上傳過來的忽大忽小的數(shù)字語音信號，取得良好的語音信號輸出，并且穩(wěn)定性可靠；設計實現(xiàn)了上位PC機程序，上位機實現(xiàn)了通過網(wǎng)絡將數(shù)字語音信號實時地傳送到嵌入式終端的功能。 本設計采用高性能微處理器，配合嵌入式Linux強大支持功能的實現(xiàn)方案，具有高性能、低成本、小型化、實時性強等諸多優(yōu)點。相比傳統(tǒng)的實現(xiàn)架構(gòu)，該設計具有更好的靈活性和操作性，性價比更高，功能更強大，同時可擴展性和可移植性也更好，具有一定的技術(shù)先進性和廣泛的應用前景。
標簽： ARM AGC 網(wǎng)絡語音
上傳時間： 2013-06-11
上傳用戶：幾何公差
UM71系列(包括ZPW-2000A)無絕緣軌道電路已成為我國鐵路的主流制式，軌道電路的正常工作對行車安全意義重大。軌道信號失真或者受到噪聲污染有可能導致鐵路信號設備錯誤動作進而發(fā)生行車事故。通過對鐵路信號做出監(jiān)測以及判斷，可以幫助信號設備維護人員對故障設備進行及時修復從而避免事故發(fā)生。 本文設計了一種基于ARM/DSP雙核結(jié)構(gòu)的鐵路信號測試儀，用以幫助設備維護人員及時檢修故障設備。其中，DSP芯片選用TI公司的32位浮點處理器TMS320VC33作為信號分析與處理的核心，實現(xiàn)信號的解調(diào)、頻譜分析和細化處理等功能。本測試儀作為一種實時的信號檢測設備，充分利用了浮點DSP芯片高效靈活以及系統(tǒng)可裁減的特性，因而更適合于現(xiàn)場環(huán)境的應用。本測試儀主要針對目前使用較為廣泛的UM71、ZPW-2000A系統(tǒng)以及站內(nèi)25Hz相敏軌道電路，實現(xiàn)對移頻信號的數(shù)字解調(diào)、區(qū)間載波頻率檢測、信號幅度檢測、站內(nèi)軌道信號的相位角及其幅度檢測等功能。 本文著重分析了頻譜細化技術(shù)中的ZFFT算法在實時信號分析中的應用，采用ZFFT算法可以在保證運算效率的同時提高頻譜的分辨率。在此基礎上，本文就這種算法提出了若干改進措施并且通過MATLAB對該算法及其改進措施進行了軟件仿真。同時本文完成了基于這種算法的DSP軟件設計：為了提高系統(tǒng)實時性，DSP算法均采用匯編語言實現(xiàn)。理論分析和實驗表明調(diào)制頻率的分辨率可以達到0.03Hz，滿足實際應用要求。此外，本文設計了測試儀的硬件結(jié)構(gòu)，主要是VC33的外圍器件及其與雙口RAMCY7C028的接口電路，以及基于這個接口電路的通信規(guī)程。
上傳時間： 2013-06-29
上傳用戶：qazwsxedc
:文章針對目前數(shù)字信號處理中大量采用的快速傅立葉變換[FFT] 算法采用軟件編程來處理的應用現(xiàn)狀,在對FFT 算法進行\(zhòng)\\\\\\\r\\\\\\\\n分析的基礎上,給出了用FPGA[Field Programmable Gate Array] 實現(xiàn)的8 點32 位FFT 處理器方案,并得到了系統(tǒng)的仿真結(jié)果。\\\\\\\\r\\\\\\\\n最后在Altera 公司FLEX10K系列FPGA 芯片上成功地實現(xiàn)了綜合。
上傳時間： 2013-08-09
上傳用戶：yangzhiwei
正交頻分復用技術(shù)（Orthogonal Frequency Division Multiplexing， OFDM）非常適合高速通信系統(tǒng)，但存在高峰均功率比（PAPR）的問題。對OFDM系統(tǒng)中如何降低PARR的問題進行了研究，討論了降低PAPR的主要方法，重點分析了選擇性映射法（SLM），并在此基礎上提出了一種基于預編碼矩陣的改進算法，最后通過matlab進行了算法仿真，仿真結(jié)果表明，改進算法在使得OFDM系統(tǒng)在降低峰均功率比的性能上得到了進一步的改善。
上傳時間： 2014-01-23
上傳用戶：zwei41
Hopfield 網(wǎng)——擅長于聯(lián)想記憶與解迷路 實現(xiàn)H網(wǎng)聯(lián)想記憶的關(guān)鍵，是使被記憶的模式樣本對應網(wǎng)絡能量函數(shù)的極小值。 設有M個N維記憶模式，通過對網(wǎng)絡N個神經(jīng)元之間連接權(quán) wij 和N個輸出閾值θj的設計，使得: 這M個記憶模式所對應的網(wǎng)絡狀態(tài)正好是網(wǎng)絡能量函數(shù)的M個極小值。 比較困難，目前還沒有一個適應任意形式的記憶模式的有效、通用的設計方法。 H網(wǎng)的算法 1）學習模式——決定權(quán)重 想要記憶的模式，用-1和1的2值表示 模式：-1，-1，1，-1，1，1，... 一般表示： 則任意兩個神經(jīng)元j、i間的權(quán)重： wij=∑ap(i)ap(j)，p=1…p； P：模式的總數(shù) ap(s)：第p個模式的第s個要素（-1或1） wij：第j個神經(jīng)元與第i個神經(jīng)元間的權(quán)重 i = j時，wij=0，即各神經(jīng)元的輸出不直接返回自身。 2)想起模式： 神經(jīng)元輸出值的初始化 想起時，一般是未知的輸入。設xi(0)為未知模式的第i個要素（-1或1） 將xi(0)作為相對應的神經(jīng)元的初始值，其中，0意味t=0。 反復部分：對各神經(jīng)元，計算： xi (t+1) = f (∑wijxj（t）-θi), j=1…n, j≠i n—神經(jīng)元總數(shù) f（）--Sgn（） θi—神經(jīng)元i發(fā)火閾值 反復進行，直到各個神經(jīng)元的輸出不再變化。
上傳時間： 2015-03-16
上傳用戶：JasonC
這個是用來進行基頻檢測的，目前做的最好的應該數(shù)Paul的基頻提取算法了，誤差可以小于萬分之五。該源代碼的算法是我根據(jù)Paul的算法修改得到，省略了插值部分，所以誤差在百分之五以內(nèi)，但是在實際工作中已經(jīng)足夠了。
上傳時間： 2015-04-05
上傳用戶：6546544
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
