早在20世纪50年月末了，硫系玻璃由于具备宽红外透明波段以及高折射率的特殊性子而引起了钻研者们的浓重兴趣，特意是含Te元素硫系玻璃的红外透过阻滞波长可抵达18μm的远红当地域，开拓出的硫系玻璃资料在远红外传感、CO2激光能量的传输、生物传感、外太空人命探测等方面有了普及使用。
除了在传统红外能量传输及成像等方面的使用，连年来硫系玻璃由于其超高的非线性、超短的照料功夫而成为光开关、超络续光源、拉曼增益等非线性光学使用的最佳候选资料。
总结了之后主流硫系玻璃的非线性特色及其使用，并在阐发玻璃组分与其三阶非线性上下关连底子上比力了之后主流的三个系列硫系玻璃非线性的实际阐发以及料想模子，介绍了一种最

该文档详尽报告了动态增益抑制的原理、实现组成以及实现方式，对于处置音频处置、语音识别、家养智能等规模的人员有弥留指点意思

试验实现为了基于钠铝硼硅酸盐玻璃的近红外PbSe量子点光纤放大器(QDFA),并在钠铝硼硅酸盐玻璃基底中,经由优化熔融-退火法的热处置前提,制备中间粒径为4.08~5.88nm的PbSe量子点光纤。
该QDFA由量子点光纤、波分复用器、阻止器、抽运源等组成。
试验评释：QDFA在1260~1380nm区间实现为了信号光的放大,增益波长区间与量子点的粒径大小无关。
当输入信号光功率为-17dBm时,输入信号光增益为16.4dB,-3dB带宽达80nm。
试验视察到明晰的鼓舞阈值以及增益饱以及征兆。
与老例的掺铒光纤放大器以及少模掺铒光纤放大器相比,本钻研的QDFA的鼓舞阈值低、带宽敞重办奔放、噪

VSB调制及解调仿真（搜罗三角函数及语音信号测试）搜罗各模块代码教学，时域波形，频谱阐发以及信噪比增益曲线

提出并研究了一种用于超高频（UHF）射频识别（RFID）读取器系统的新型天线。
天线在830-950MHz的整个UHFRFID频带上具有很强的磁场分布，并且在UHFRFID系统中应用时在检测标签方面具有良好的功能，在各个方向上的增益都低于-10dBi。
描述了天线配置并解释了工作原理。
为了研究每个参数对天线功能的影响，进行了全面的参数研究，并对结果进行了详细介绍和讨论。
为了证明这一概念，开发并制造了原型。
测量结果表明，该天线可以实现较宽的带宽和低增益，并在天线的近场区域产生相对集中的场分布的强磁场。
因此，这项工作对于UHF近场RFID阅读器应用来说是非常有前途的。

卫星通信系统测试作者:殷琪编著出版社:北京市：人民邮电出版社页数:368页出版日期:1997目录1.1　卫星通信系统简介第1页1.1.1　卫星通信系统组成和特点第1页1.1.2　卫星通信频段和频率再用第4页1.1.3　卫星通信地球站第6页1.1.4　通信卫星第10页1.2　卫星通信系统传输方式第13页1.3　卫星通信系统传输参数和链路估算第20页1.3.1　卫星通信系统传输参数第21页1.4　卫星通信系统的质量目标第31页1.5　地球站测试概述第36页第二章天线测试第42页2.1.3　地球站天线系统测试概述第49页2.2　天线馈源网络测试第50页2.2.1　端口驻波比测试第51页2.2.2　端口隔离度测试第55页2.4　G/T值测试第62页2.5　天线增益测试第81页2.5.2　卫星法测量天线增益第82页2.6　天线方向图测试第86页2.6.2　天线同极化方向图测试第89页2.6.3　天线交叉极化方向图测试第97页2.7　交叉极化隔离度测试（离轴轴比测试）第101页2.7.1　天线发射交叉极化隔离度测试第103页2.7.2　天线接收交叉极化隔离度测试第108页2.8　发射EIRP及频率稳定度测试第110页第三章　波导测试第112页3.2　波导损耗测试第120页3.3　波导驻波比测试第126页第四章　高功率放大器测试第131页4.2　输出功率和增益测试第138页4.2.1　输出功率测试第138页4.2.2　增益测试第140页4.3　增益—频率特性测试第142页4.3.1　增益—频率特性测试原理第142页4.3.2　速调管放大器增益—频率特性测试第143页4.3.3　行波管放大器增益—频率特性测试第146页4.4　互调失真测试第148页4.4.2　互调失真测试第151页4.5　调幅—调相转换特性测试第154页4.5.2　调幅—调相转换系数Kp测试第156页4.6　功率放大器的其它测试第159页4.6.1　剩余调幅测试第159页4.6.2　输出噪声和杂散测试第161页第五章　低噪声放大器测试第164页5.2　增益—频率特性测试第169页5.3　噪声温度测试第172页5.3.2　噪声温度测试第173页5.4　互调失真测试第175页5.4.2　互调失真特性测试第178页第六章　变频器测试第181页6.2　变频器的幅度频率特性测试第187页6.2.2　变频器幅度频率响应特性测试第188页6.3　变频器群时延特性测试第190页6.3.2　变频器群时延特性测试第193页6.4　相位噪声测试第198页6.4.3　变频器相

摘要：超声波测距是一种典型的非接触测量方式,应用非常广泛。
本文提出了一种基于STM32单片机的高精度超声波测距方案。
与传统单片机相比,STM32的主频和定时器的频率可以通过PLL倍频高达72MHz,高分辨率的定时器为高精度的测量提供了保证。
超声波的发射使用定时器的PWM功能来驱动,回波信号的接收使用定时器的输入捕获功能,开始测距时,定时器的开启将同时启动PWM和输入捕获,完全消除了启动发射和启动计时之间的偏差,提高了测量精度。
为使回波信号趋于稳定,设计了时间增益补偿电路(TGC),在等待回波的过程中随着时间的推移需要将放大器的增益值不断增大,通过实验获取不同距离需要设置的增益值,对应不同时间需要设置数字电位器的增量,并将该参数固化在单片机的FALSH中,在测距过程中,根据时间查询电位器增量表改变电位器阻值,实现回波信号的时间补偿,提高了测量的精度。
为了在减小盲区的同时而不减小测量范围,设计了双比较器整形电路分别处理近、远距离的回波信号,近距离比较器可以有效屏蔽超声波衍射信号从而减小了测量盲区。
传统的峰值检测方法大多通过硬件电路实现,设计较复杂,稳定性差。
本文通过软件算法对回波信号进行峰值时间检测。
不只简化了电路,降低了成本,而且提高了系统的稳定度。
经研究表明,该系统测量精度达到了lmm,盲区低至3cm,量程可达500cm。
本系统在近距离测试时,系统的精度较理想,可作为停车时的倒车雷达使用,也可以用于液面检测(油箱液位),还可以用于自动门感应,机器人视觉识别等。
如果多使用几个测距仪,将这些集成一个大系统,那么整个大系统可用于定位避障。

目前，降低功耗已成为超大规模集成电路的一个重要的发展方向。
而通过降低片上系统电源电压来降低功耗是目前普遍使用的一种方法。
为了给存储器的编程、擦写过程提供高电压，必须在低电源电压的输入形态下提高电荷泵的输出电压，但也导致每级电荷泵节点电压大幅上升，使得MOS体效成为降低电荷泵输出效率的主要因素。
本文设计了一种四相位电荷泵电路，消除了MOS体效应导致的阈值电压上升的影响，提高了电荷泵电路的电压增益。
在相同的低电源电压下，本文所设计的电荷泵电路可以大幅的减少电荷泵的级数和所消耗的芯片面积，该电路特别适用于低电源电压下工作的嵌入式快闪存储器。

周志华的《机器学习》第83页的决策树延续值处理中以西瓜为案例，计算延续值“密度”的信息增益

数据挖掘算法算法目录18大DM算法包名 目录名 算法名AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法Classification DataMining_CART CART-分类回归树算法Classification DataMining_ID3 ID3-决策树分类算法Classification DataMining_KNN KNN-k最近邻算法工具类Classification DataMining_NaiveBayes NaiveBayes-朴素贝叶斯算法Clustering DataMining_BIRCH BIRCH-层次聚类算法Clustering DataMining_KMeans KMeans-K均值算法GraphMining DataMining_GSpan GSpan-频繁子图挖掘算法IntegratedMining DataMining_CBA CBA-基于关联规则的分类算法LinkMining DataMining_HITS HITS-链接分析算法LinkMining DataMining_PageRank PageRank-网页重要性/排名算法RoughSets DataMining_RoughSets RoughSets-粗糙集属性约简算法SequentialPatterns DataMining_GSP GSP-序列模式分析算法SequentialPatterns DataMining_PrefixSpan PrefixSpan-序列模式分析算法StatisticalLearning DataMining_EM EM-期望最大化算法StatisticalLearning DataMining_SVM SVM-支持向量机算法其他经典DM算法包名 目录名 算法名Others DataMining_ACO ACO-蚁群算法Others DataMining_BayesNetwork BayesNetwork-贝叶斯网络算法Others DataMining_CABDDCC CABDDCC-基于连通图的分裂聚类算法Others DataMining_Chameleon Chameleon-两阶段合并聚类算法Others DataMining_DBSCAN DBSCAN-基于密度的聚类算法Others DataMining_GA GA-遗传算法Others DataMining_GA_Maze GA_Maze-遗传算法在走迷宫游戏中的应用算法Others DataMining_KDTree KDTree-k维空间关键数据检索算法工具类Others DataMining_MSApriori MSApriori-基于多支持度的Apriori算法Others DataMining_RandomForest RandomForest-随机森林算法Others DataMining_TAN TAN-树型朴素贝叶斯算法Others DataMining_Viterbi Viterbi-维特比算法18大经典DM算法18大数据挖掘的经典算法以及代码实现，涉及到了决策分类，聚类，链接挖掘，关联挖掘，模式挖掘等等方面,后面都是相应算法的博文链接，希望能够协助大家学。
目前追加了其他的一些经典的DM算法，在others的包中涉及聚类，分类，图算法，搜索算等等，没有具体分类。
C4.5C4.5算法与ID3算法一样，都是数学分类算法，C4.5算法是ID3算法的一个改进。
ID3算法采用信息增益进行决策判断，而C4.5采用的是增益率。
详细介绍链接CARTCART算法的全称是分类回归树算法，他是一个二元分类，采用的是类似于熵的基尼指数作为分类决策，形成决策树后之后还要进行剪枝，我自己在实现整个算法的时候采用的是代价复杂度算法，详细介绍链接KNNK最近邻算法。
给定一些已经训练好的数据，输入一个新的测试数据点，计算包含于此测试数据点的最近的点的分类情况，哪个分类的类型占多数，则此测试点的分类与此相同，所以在这里,有的时候可以复制不同的分类点不同的权重。
近的点的权重大点，远的点自然就小点。
详细介绍链接NaiveBayes朴素贝叶斯算法。
朴素贝叶斯算法是贝叶斯算法里面一种比较简单的分类算法，用到了一个比较重要的贝叶斯定理，用一句简单的话概括就是条件概率的相互转换推导

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。