虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

标定方法

  • Multisim9安装方法

    Multisim9安装方法,教会你如何完美安装不用愁

    标签: Multisim9 安装方法

    上传时间: 2013-10-23

    上传用户:invtnewer

  • 模拟信号发生频率计方法

     计算方法: 1) A值(相位)的计算:根据设置的相位值D(单位为度,0度-360度可设置),由公式A=D/360,得出A值,按四舍五入的方法得出相位A的最终值; 2) B偏移量值的计算:按B=512*(1/2VPP-VDC+20)/5; 3) C峰峰值的计算:按C=VPP/20V*4095;

    标签: 模拟信号 发生 频率计

    上传时间: 2013-11-18

    上传用户:xdqm

  • 关于MOSFET应用时的散热设计方法

    关于MOSFET应用时的热设计方法。

    标签: MOSFET 散热 设计方法

    上传时间: 2013-10-31

    上传用户:shen954166632

  • 基于改进SIFT算法的图像匹配方法研究

    SIFT算法具有旋转、平移、尺度缩放和亮度的变化保持不变性的优点,也有算法复杂、计算时间长的缺点。本文提出了以街区距离代替欧式距离的新方法,来提高SIFT特征匹配效率,缩短匹配时间,提高SIFT算法的实时性。实验结果表明,该方法在保持图像匹配率和算法鲁棒性的同时,可以减少运算时间。

    标签: SIFT 算法 图像匹配 方法研究

    上传时间: 2013-10-28

    上传用户:zhangzhenyu

  • 基于Contourlet域HMT模型的Cycle Spinning去噪方法

    为了提高图像去噪效果,提出了基于Contourlet域HMT模型的Cycle Spinning去噪方法。首先将待去噪图像进行循环平移,使用Contourlet域HMT模型对平移后的图像进行降噪处理,然后将降噪后的图像进行循环反平移,最后将不同循环平移量下的降噪图像进行平均处理,以减少去噪后图像的失真。实验结果表明,该方法不仅可以提高降噪后图像峰值信噪比,而且可以提高降噪后图像的视觉效果。

    标签: Contourlet Spinning Cycle HMT

    上传时间: 2014-12-23

    上传用户:ddddddos

  • 语音识别组件转化为控件的方法

    在使用一些专用开发工具如Authorware时,常遇到不支持COM组件调用的问题。文中介绍了将COM组件和ActiveX控件的转化方法以解决这种问题。根据组件的函数和数据成员在控件中添加相应的属性、方法和事件来设计控件。文中以一个语音识别组件来详细说明转化方法和流程。最后,在Authorware工具中调用语音识别控件并能够识别出文本。

    标签: 语音识别 控件 转化

    上传时间: 2013-11-03

    上传用户:XLHrest

  • 整流滤波电容的设计与选用方法研究

    整流滤波电路是直流稳压电源设备中常用电路,其中滤波电容的设计选取,直接影响到纹波电压的大小,关系到输出直流电压的质量。本文通过在设定条件下,依据整流滤波电路原理,阐述了纹波电压产生的过程,给出了一种滤波电容设计与选取计算方法,建立了电容选取的计算模型,描绘出了纹波电压、负载电阻与滤波电容之间关系曲线,并通过实验验证其科学性,有利于滤波电容的设计与选用。

    标签: 整流滤波 电容 方法研究

    上传时间: 2013-11-11

    上传用户:kytqcool

  • 电磁阀设计中电磁力的工程计算方法

    电磁阀设计中电磁力的工程计算方法

    标签: 电磁阀 电磁力 工程 计算方法

    上传时间: 2013-11-21

    上传用户:二驱蚊器

  • HHT方法在探地雷达回波信号特征提取上的应用

    探地雷达回波信号是一种非平稳非线性信号,其中不仅包含地下埋藏物的目标信号,还包含有可能掩藏目标信号的直达波信号,给目标的识别带来困难。文中采用HHT方法对探地雷达回波信号进行特征分析,提取回波信号的IMF分量的瞬时频率作为特征向量。实验结果表明,用HHT方法提取特征可较好的避免直达波影响,该方法是可行而有效的,为进一步鉴别地下埋藏物提供了新的思想和方法。

    标签: HHT 探地雷达 回波信号 特征提取

    上传时间: 2013-10-22

    上传用户:hjkhjk

  • 一种改进的LPCC参数提取方法

    为了提高语音信号的识别率,提出了一种改进的LPCC参数提取方法。该方法先对语音信号进行预加重、分帧加窗处理,然后进行小波分解,在此基础上提取LPCC参数,从而构成新向量作为每帧信号的特征参数。最后采用高斯混合模型(GMM)进行说话人语音识别,实验表明新特征参数取得了较好的识别率。

    标签: LPCC 参数提取

    上传时间: 2013-10-10

    上传用户:asdgfsdfht