几个Matlab编程示例，其中包括：单位抽样序列、复正弦序列、离散系统的差分方程、冲激响应和卷积分析、离散系统的频率响应分析和零、极点分布、基于Matlab的数字滤波器设计和FFT算法的应用等。
上传时间： 2017-04-12
上传用户：磊子226
clean算法，可用于求信道的冲激响应，对通信专业很有用。
上传时间： 2014-01-27
上传用户：1101055045
软件的名称：AA制用餐管理系统 软件的功能：管理消费中产生的费用，对每次消费自动对帐户余额进行处理，对账户进行冲值，查询，停用操作。
上传时间： 2017-07-18
上传用户：ruixue198909
差分方程求解 实验步骤： 主界面下进入实验五的“差分方程求解”子系统,输入希望看到的输出样点数 输入差分方程系数向量 输入顺序为：，。其中 N+1 为差分方程两边系数最大数目，如果有一边输入系数个数小于 N+1，将按不足系数为零计算。 输入系统初始状态向量 输入顺序为 鼠标单击确定按钮，以数值和图形两种方式显示单位冲激响应和输出响应 3） 确定差分方程形式：y(k)-y(k-1)+0.35y(k-2)=2x(k)-x(k-1)，
上传时间： 2017-07-24
上传用户：zhyiroy
基于dsp的iir滤波器设计包括matlab介绍，ccs介绍。 IIR（Infinite Impulse Response，无限冲激响应）滤波器原理及使用方法； 使用MATLAB语言设计IIR滤波器的方法； 了解DSP对IIR滤波器的设计及编程方法； 在CCS环境下对IIR滤波器的调试方法；
上传时间： 2016-05-08
上传用户：梅浩梅浩
无线信道的建模方法主要有统计性建模和确定性建模两种方法，本文基于确定型建模的基本方法，在射线跟踪法和时域有限差分法(FDTD)的基础上，分别对矿井和室内无线信道进行建模，并提取了冲激响应，路径损耗，时延扩展以及接收功率等信道参数，并将所得数据与商用软件进行对比，说明无线信道建模方面的有效性；同时，由于矿井巷道围岩和室内墙壁的材料参数不是固定的，本文还重点讨论了材料参数对无线信道的影响。
标签： 无线信道
上传时间： 2017-05-11
上传用户：triman
也是在别的地方淘来的，希望对大家有点用，感觉无线冲还可以
标签： DSP
上传时间： 2017-12-14
上传用户：BOEU贺城
可见光室内建模程序，包含信噪比，冲激响应等多个衡量指标。
上传时间： 2019-12-04
上传用户：小馒头yy
计算帆过程控制技术在各种删量与控制系统中已获得越来{ l越广泛的应用。许多坝I控系统需要PC机与现场数据采集仪器l冲 0}进行控制秆l煎掂变换，可靠地实现PC机与单片机之问的郜行l I通信己成为各种测拉系统实现的重要条忭之一。
上传时间： 2021-11-30
上传用户：ooaaooxx
神经网络在智能机器人导航系统中的应用研究1神经网络在环境感知中的应 用 对环境 的感 知 ，环境模型 妁表示 是非常重要 的。未 知 环境中的障碍物的几何形状是不确定的，常用的表示方浩是 槽格法。如果用册格法表示范围较大的工作环境，在满足 精度要求 的情况下，必定要占用大量的内存，并且采用栅 格法进行路径规划，其计算量是相当大的。Kohon~n自组织 神经瞬络为机器人对未知环境的蒜知提供了一条途径。 Kohone~冲经网络是一十自组织神经网络，其学习的结 果能体现出输入样本的分布情况，从而对输入样本实现数 据压缩 。基于 网络 的这些特 性，可采 用K0h0n曲 神经元 的 权向量来表示 自由空间，其方法是在 自由空间中随机地选 取坐标点xltl【可由传感器获得】作为网络输入，神经嘲络通 过对大量的输八样本的学习，其神经元就会体现出一定的 分布形 式 学习过程如下：开 始时网络的权值随机地赋值 ， 其后接下式进行学 习： ， 、 Jm(，)+叫f)f，)一珥ff)) ∈N，(f) (，) VfeN．(f1 其 中M(f1：神经元 1在t时刻对 应的权值 ；a(∽ 谓整系 数 ； (『l网络的输八矢量；Ⅳ()：学习的 I域。每个神经元能最 大限度 地表示一 定 的自由空间 。神经 元权 向量的最 小生成 树可以表示出自由空问的基本框架。网络学习的邻域 (，) 可 以动 态地 定义 成矩形 、多边 形 。神经 元数量 的选取取 决 于环境 的复杂度 ，如果神 经元 的数量 太少 ．它们就 不能 覆 盖整十空间，结果会导致节点穿过障碍物区域 如果节点 妁数量太大 ．节点就会表示更多的区域，也就得不到距障 碍物的最大距离。在这种情况下，节点是对整个 自由空间 的学 习，而不是 学习最 小框架空 间 。节 点的数 量可 以动态 地定义，在每个学习阶段的结柬．机器人会检查所有的路 径．如检铡刊路径上有障碍物 ，就意味着没有足够的节点 来 覆盖整 十 自由窑 间，需要增加 网络节点来 重新学 习 所 138一 以为了收敛于最小框架表示 ，应该采用较少的网络 节点升 始学习，逐步增加其数量。这种方法比较适台对拥挤的'E{= 境的学习，自由空间教小，就可用线段表示；若自由空问 较大，就需要由二维结构表示 。 采用Kohonen~冲经阿络表示环境是一个新的方法。由 于网络的并行结构，可在较短的时间内进行大量的计算。并 且不需要了解障碍物的过细信息．如形状、位置等 通过 学习可用树结构表示自由空问的基本框架，起、终点问路 径 可利用树的遍 历技术报容易地被找到 在机器人对环境的感知的过程中，可采用人】：神经嘲 络技术对 多传 感器的信息进 行融台 。由于单个传感器仅能 提 供部分不 完全 的环境信息 ，因此只有秉 甩 多种传感器 才 能提高机器凡的感知能力。 2 神经 网络在局部路径规射中的应 用 局部路径 规删足称动吝避碰 规划 ，足以全局规荆为指 导 利用在线得到的局部环境信息，在尽可能短的时问内
上传时间： 2022-02-12
上传用户：qingfengchizhu
