郑州大学随机信号处理大作业附程序，Yule-Walker法、Burg法、协方差法举行AR模型的功率谱估计。
楼主拿了90+、4.0。
楼主拿了90+、4.0。
2022/9/3 7:29:28
958KB
1
（一）信号三个不同幅度、不同频率、相位为0~2PI均匀分布的正弦信号之和加上一个幅度为正弦信号总幅度50%，方差为1的正弦随机信号。
（二）要求1. 分别用直接法、间接法和AR谱进行功率谱估计（包括平均运算）；
2. 列出公式，画出一切图谱；
3. 数据长度，采样频率自定；
4. 根据结果讨论三种功率谱分析方法的特点；
5. 给出MATLAB程序。
（二）要求1. 分别用直接法、间接法和AR谱进行功率谱估计（包括平均运算）；
2. 列出公式，画出一切图谱；
3. 数据长度，采样频率自定；
4. 根据结果讨论三种功率谱分析方法的特点；
5. 给出MATLAB程序。
2020/5/1 9:06:10
331KB
1
领取宝AR扫描效果动画实现，具体内容如下之前一个网友说想要一个领取宝扫描动画的效果demo,所以又花了点时间做了下这个东西,先看效果图说一下实现的思路,如图中最外围的蓝色的是用两个相距180°的圆弧实现的,再往里又是两个红色的圆弧再往里面是一个红色的圆,最里面的白色的是由4个间隔的白色圆弧组成的,其实说明白的就是简单的图形的堆积.然后通过控制绘制圆弧的起始角度进行旋转的动画.扫描的红色线条是一张渐变的图片,通过平移动画实现扫描的效果.这个自定义View的代码如下:packagecn.com.hadon.scanner;importandroid.content.Co
2017/2/7 9:41:13
94KB
1
ARIMA预测模型训练集和预测集ARIMA模型全称为自回归积分滑动平均模型(AutoregressiveIntegratedMovingAverageModel,简记ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于70年代初提出一著名时间序列（Time-seriesApproach）预测方法[1]，所以又称为Box-Jenkins模型、博克思-詹金斯法。
其中ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归，p为自回归项；
MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。
所谓ARIMA模型，是指将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。
ARIMA模型根据原序列能否平稳以及回归中所含部分的不同，包括移动平均过程（MA）、自回归过程（AR）、自回归移动平均过程（ARMA）以及ARIMA过程。
其中ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归，p为自回归项；
MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。
所谓ARIMA模型，是指将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。
ARIMA模型根据原序列能否平稳以及回归中所含部分的不同，包括移动平均过程（MA）、自回归过程（AR）、自回归移动平均过程（ARMA）以及ARIMA过程。
2017/5/23 20:02:29
2KB
1
变压器-TTSPytorch实现与众所周知的saco2seq模型（如tacotron）相比，该模型的训练速度快约3至4倍，并且合成语音的质量几乎相同。
通过实验确认，每步花费约0.5秒。
我没有使用波网声码器，而是使用tacotron的CBHG模型学习了后网络，并使用griffin-lim算法将频谱图转换为原始波。
要求安装python3安装pytorch==0.4.0安装要求：pipinstall-rrequirements.txt数据我使用了LJSpeech数据集，该数据集由成对的文本脚本和wav文件组成。
完整的数据集（13,100对）可在下载。
我将和用作预处理代码。
预训练模型您可以下载预训练的模型（AR模型为160K，Postnet为100K）在检查点/目录中找到预训练的模型。
留意图约15k步后出现对角线对齐。
以下留意图以16
通过实验确认，每步花费约0.5秒。
我没有使用波网声码器，而是使用tacotron的CBHG模型学习了后网络，并使用griffin-lim算法将频谱图转换为原始波。
要求安装python3安装pytorch==0.4.0安装要求：pipinstall-rrequirements.txt数据我使用了LJSpeech数据集，该数据集由成对的文本脚本和wav文件组成。
完整的数据集（13,100对）可在下载。
我将和用作预处理代码。
预训练模型您可以下载预训练的模型（AR模型为160K，Postnet为100K）在检查点/目录中找到预训练的模型。
留意图约15k步后出现对角线对齐。
以下留意图以16
2016/5/8 12:34:51
1.51MB
1
eNSP新版本V1.3eNSP(EnterpriseNetworkSimulationPlatform)是可扩展的、图形化操作的网络仿真工具平台，主要对企业网络路由器、交换机进行软件仿真，完美呈现真实设备实景，支持大型网络模仿，让广大用户有机会在没有真实设备的情况下能够模仿演练，学习网络技术。
可模仿华为AR路由器、x7系列交换机的大部分特性。
可模仿PC终端、Hub、云、帧中继交换机等。
仿真设备配置功能，快速学习华为命令行。
可模仿大规模设备组网。
可通过真实网卡实现与真实网络设备的对接。
模仿接口抓包，直观展示协议交互过程。
安装包内包含了enspV1.3安装包、virtualbox--5.2安装包、winpcap--4.1安装包、wireshark--3.4安装包四件套，安装路径切记不要有中文。
可模仿华为AR路由器、x7系列交换机的大部分特性。
可模仿PC终端、Hub、云、帧中继交换机等。
仿真设备配置功能，快速学习华为命令行。
可模仿大规模设备组网。
可通过真实网卡实现与真实网络设备的对接。
模仿接口抓包，直观展示协议交互过程。
安装包内包含了enspV1.3安装包、virtualbox--5.2安装包、winpcap--4.1安装包、wireshark--3.4安装包四件套，安装路径切记不要有中文。
2017/4/14 23:51:26
703.85MB
1
改SDK可以在多个平台上，以高保真度为XR，3D和360视频项目渲染数百个同步3D音源，包括两个unity独有功能：现场录制和几何混响烘培。
共振音频（ResonanceAudio）技术其实是一整套关于AR/VR中3D声源定位、混音、处理、多音轨合成的高功能音频处理技术。
前面我们说unity2018版集成了共振音频（ResonanceAudio）技术，实际是集成了共振音频（ResonanceAudio）音频引擎但并没有提供相应组件。
所以我们要使用它，还得下载共振音频（ResonanceAudio）UnitySDK。
共振音频（ResonanceAudio）技术其实是一整套关于AR/VR中3D声源定位、混音、处理、多音轨合成的高功能音频处理技术。
前面我们说unity2018版集成了共振音频（ResonanceAudio）技术，实际是集成了共振音频（ResonanceAudio）音频引擎但并没有提供相应组件。
所以我们要使用它，还得下载共振音频（ResonanceAudio）UnitySDK。
2019/5/26 9:20:52
50.33MB
1
适合初学者作为练习和巩固的文件实验一运算器组成实验 51．算术逻辑运算实验 52．带进位算术运算实验 83.移位运算器实验 9实验二存储器实验 101、FPGA中LPM_ROM配置与读出实验 102．LPM_RAM_DP双端口RAM实验 113．FIFO读/写实验 134．FPGA与外部RAM接口实验 145．FPGA与外部EEPROM接口实验 16实验三微控制器实验 171时序电路实验 172.程序计数器PC与地址寄存器AR实验 183.微控制器组成实验 20实验四总线控制实验 22二．实验原理 22三．实验内容 22五．思考题实验题 23实验五基本模型机设计与实现 24二．实验原理 24六．思考题实验题 29实验六带移位运算的模型机设计与实现 31一．实验目的 31二．实验原理 31六．思考题和实验题 33实验七复杂模型机的设计与实现 34二．实验原理 34三．实验内容 36七．设计实验题目 38实验八．较复杂CPU设计示例 38实验九.8051/89C51单片机FPGA实现
2019/5/26 9:37:53
2.69MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB