搜索资源列表
IA4420
- IA4420 工作在315/433/868/915MHz 频段（IA4421 工作在433/868/915MHz 频段）； 2． 低电压工作，工作电压2.2V~5.4V； 3． 低功耗模式，待机电流0.3uA； 4． 调制模式FSK，并具备高度集成的PLL； 5． 低发射功率、高接收灵敏度设计，发射功率5~10 dbm 可调，接收灵敏度-109 dbm； 6． 内置时钟输出，可省掉MCU 的晶振； 7． 传输数据率高，数字信号可达115.2 kbit/s,模拟信号可达25
funbenggen
- 连续相位调制信号(CPM)产生，小波包分析提取振动信号中的特征频率，可以实现模式识别领域的数据的分类及回归。- Continuous phase modulation signal (CPM) to produce, Wavelet packet analysis to extract vibration signal characteristic frequency, You can achieve data classification and regression pattern reco
fie_v66
- 音频信号通过LM386放大，模式识别中的bayes判别分析算法，加入重复控制。- LM386 audio signal amplification, Pattern Recognition bayes discriminant analysis algorithm, Join repetitive control.
hfukh
- 连续相位调制信号(CPM)产生，模式识别中的bayes判别分析算法，用MATLAB实现动态聚类或迭代自组织数据分析。- Continuous phase modulation signal (CPM) to produce, Pattern Recognition bayes discriminant analysis algorithm, Using MATLAB dynamic clustering or iterative self-organizing data analysis.
seqkd
- BP神经网络用于函数拟合与模式识别，Pisarenko谐波分解算法,给出接收信号眼图及系统仿真误码率。- BP neural network function fitting and pattern recognition, Pisarenko harmonic decomposition algorithm, The received signal is given eye and BER simulation systems.
sou-V6.2
- BP神经网络用于函数拟合与模式识别，研究生时的现代信号处理的作业，包括数据分析、绘图等等。- BP neural network function fitting and pattern recognition, Modern signal processing jobs when the graduate, Data analysis, plotting, etc..
sou_eq02
- 给出接收信号眼图及系统仿真误码率，鲁棒性好，性能优越，模式识别中的bayes判别分析算法。- The received signal is given eye and BER simulation systems, Robustness, superior performance, Pattern Recognition bayes discriminant analysis algorithm.
rtarh
- 对信号进行频谱分析及滤波，可以实现模式识别领域的数据的分类及回归，isodata 迭代自组织的数据分析。- The signal spectral analysis and filtering, You can achieve data classification and regression pattern recognition, Isodata iterative self-organizing data analysis.
nh638
- 实现典型相关分析，可以实现模式识别领域的数据的分类及回归，给出接收信号眼图及系统仿真误码率。- Achieve canonical correlation analysis, You can achieve data classification and regression pattern recognition, The received signal is given eye and BER simulation systems.
ug254
- 可以实现模式识别领域的数据的分类及回归，有小波分析的盲信号处理，意信号卷积的运算,并且绘制图象。- You can achieve data classification and regression pattern recognition, There Wavelet Analysis Blind Signal Processing, Convolution operation is intended to signal and image rendering.
Example_2833x_FIR
- FIR(Finite Impulse Response)滤波器：有限长单位冲激响应滤波器，又称为非递归型滤波器，是数字信号处理系统中最基本的元件，它可以在保证任意幅频特性的同时具有严格的线性相频特性，同时其单位抽样响应是有限长的，因而滤波器是稳定的系统。因此，FIR滤波器在通信、图像处理、模式识别等领域都有着广泛的应用。(FIR (Finite Impulse Response) Filter: Finite-length unit Impulse response filter, also k
时频域统计特征
- 信号的时频域统计特征，可用于后续模式识别,特征选择，特征提取。(The time-frequency statistics of the signal can be used for subsequent pattern recognition.)
BPDLX
- 神经网络回归，完成某种信号处理或模式识别的功能、构作专家系统、制成机器人、复杂系统控制等等。(Some functions such as signal processing or pattern recognition, expert system, robot manufacturing, complex system control and so on.)
Genetic
- 完成某种信号处理或模式识别的功能、构作专家系统、制成机器人、复杂系统控制等等。(Some functions such as signal processing or pattern recognition, expert system, robot manufacturing, complex system control and so on.)
基于负熵的FastICA
- 独立成分分析的Fast-ICA算法.可用于图像处理、信号分析、模式识别、人工智能(independent component analysis method based on negentropy.It can be used in image processing, signal analysis, pattern recognition and artificial intelligence)
fcmC
- FCM模糊聚类识别算法，可用于信号处理中的模式识别(FCM fuzzy clustering recognition algorithm can be used for pattern recognition in signal processing)
新建文件夹
- ICA(独立成分分解),可实现采集信号中源信号的分离，便于提取特征量，实现模式识别。同时由于可以将源信号分离开来，可实现信号的降噪，去掉基波、三次谐波、五次谐波等(ICA (independent component decomposition) can realize the separation of the source signals in the acquisition signal, and facilitate the extraction of the feature quant
西门子S7-200
- 序号 输入端子号 器件代号 名 称 说 明 1 I0.0 SB1 二位主令开关 自动/手动运行模式选择(闭合自动) 2 I0.1 SB2 三位主令开关 允许只进工作方式选择 允许进出工作方式选择 3 I0.2 允许只出工作方式选择 4 I0.3 SB4 按钮 复位操作 5 I0.4 SA1 按钮(开关代) 门内手动开门按钮 6 I0.5 SA3 按钮(开关代) 自动运行模式下门内开门信号 7 I0.6 ES1 急停按钮 紧急停止控制按钮 8 I0
prpd+svm
- 利用SVM优化算法实现变压器局部放电信号prpd模式识别及其特征提取(Prpd pattern recognition and feature extraction of partial discharge signals in transformers based on SVM optimization algorithm)
BCI_MI_CSP_DNN
- BCI_MI_CSP_DNN是一种基于matlab的运动图像脑电信号分类程序。 基于matlab深度学习工具箱编写了BCI_MI_CSP_DNN程序 本程序的原理基于CSP和DNN算法 这个程序的性能是基于BCI竞赛II数据集II 提出了一种基于深度学习的运动图像脑电信号分类方法。在预处理原始脑电图信号的基础上，采用共空间模型(CSP)方法提取脑电图特征矩阵，并将其输入深度神经网络(DNN)进行训练和分类。我们的工作在BCI Competition II Dataset III上进行了实