STM3210E-EVAL官方开发板，主芯片STM32F103ZET6，支持ucLinux开发，官网也给出了开发套件。
但是官网没有给出BOOT的源代码，只有HEX文件（根据推测该HEX文件时KEIL生成的）。
看过UBOOT的启动后，了解了BOOT启动都干些什么事，我仿照UBOOT在KEIL软件下写功能超级简单的BOOT，就是完成外设的初始化，初始化控制器串口1，经过验证，可以跳转到内核，内核能够实现printf打印输出。

目录第1章　HTML5简介11.1　HTML历史与HTML521.2　HTML5的优势61.3　HTML5的基本结构和语法变化81.4　本章小结12第2章　HTML5的常用元素与属性142.1　HTML5保留的常用元素152.2　HTML5增强的iframe元素342.3　HTML5保留的通用属性402.4　HTML5新增的通用属性442.5　HTML5新增的结构元素482.6　HTML5新增的语义元素552.7　HTML5头部和元信息592.8　HTML5新增的拖放API632.9　本章小结71第3章　HTML5表单相关的元素和属性723.1　HTML原有的表单及表单控件733.2　HTML5新增的表单属性833.3　HTML5新增的表单元素903.4　HTML5新增的客户端校验963.5　本章小结100第4章　HTML5的绘图支持1014.1　使用canvas元素1024.2　绘图1034.3　坐标变换1184.4　控制叠加风格1234.5　控制填充风格1244.6　位图处理1284.7　输出位图1324.8　动画制作1334.9　本章小结136第5章　HTML5的多媒体支持1375.1　使用audio和video元素1385.2　使用JavaScript脚本控制媒体播放1415.3　事件监听1445.4　track元素1465.5　本章小结149第6章　级联样式单与CSS选择器1506.1　样式单概述1516.2　CSS样式单的基本使用1526.3　CSS选择器1586.4　伪元素选择器1676.5　CSS3新增的伪类选择器1766.6　在脚本中修改显示样式1956.7　本章小结197第7章　字体与文本相关属性1987.1　字体相关属性1997.2　CSS3支持的颜色表示方法2057.3　文本相关属性2067.4　CSS3新增的服务器字体2127.5　本章小结215第8章　背景、边框和边距相关属性2168.1　盒模型简介2178.2　背景相关属性2178.3　使用渐变背景2268.4　边框相关属性2398.5　使用opacity控制透明度2468.6　padding和margin相关属性2478.7　本章小结249第9章　大小、定位、轮廓相关属性2509.1　width、height相关属性2519.2　定位相关属性2559.3　轮廓相关属性2579.4　用户界面和滤镜属性2589.5　本章小结263第10章　盒模型与布局相关属性26410.1　盒模型和display属性26510.2　对盒添加阴影27510.3　布局相关属性27810.4　CSS3新增的多栏布局28510.5　使用弹性盒布局28910.6　本章小结306第11章　表格、列表相关属性及mediaquery30711.1　表格相关属性30811.2　列表相关属性31311.3　控制光标的属性31611.4　mediaquery和响应式布局31711.5　本章小结323第12章　变形与动画相关属性32412.1　CSS3提供的变形支持32512.2　CSS3新增的3D变换33712.3　CSS3提供的Transition动画34112.4　CSS3提供的Animation动画34512.5　本章小结349第13章　JavaScript语法详解35013.1　JavaScript简介35113.2　数据类型和变量35613.3　基本数据类型36413.4　复合类型37613.5　运算符38113.6　语句39113.7　流程控制39513.8　函数40313.9　函数的参数处理42513.10　面向对象42913.11　创建对象43713.12　本章小结443第14章　DOM编程详解44414.1　DOM模型概述44514.2　DOM模型和HTML文档44614.3　访问HTML元素44814.4　修改HTML元素45614.5　增加HTML元素45814.6　删除HTML元素46314.7　传统的DHTML模型46714.8　使用window对象46914.9　navigator和地理定位47914.10　HTML5增强的HistoryAPI48514.11　使用do

通过矩阵来计算行列式，支持分数形式输出，也就是说精确到分数，呵呵

MATLAB中AR模型功率谱估计中AR阶次估计的实现-psd_my.rar（最近看了几个关于功率谱的问题，有关AR模型的谱估计，在此分享一下，希望大家不吝指正）（声明：本文内容摘自我的毕业论文——心率变异信号的预处理及功率谱估计）（按：AR模型功率谱估计是对非平稳随机信号功率谱估计的常用方法，但是其模型阶次的估计，除了HOSA工具箱里的arorder函数外，没有现成的函数可用，arorder函数是基于矩阵SVD分解的阶次估计方法，为了比较各种阶次估计方法的区别，下面的函数使用了'FPE','AIC','MDL','CAT'集中准则一并估计，并采用试验方法确定那一个阶次更好。
）………………………………以上省略……………………………………………………………………假设原始数据序列为x，那么n阶参数使用最小二乘估计在MATLAB中实现如下：Y=x;Y(1:n)=[];m=N-n;X=[];%构造系数矩阵fori=1:m  forj=1:n      X(i,j)=xt(ni-j);  endendbeta=inv(X'*X)*X'*Y';复制代码beta即为用最小二乘法估计出的模型参数。
此外，还有估计AR模型参数的Yule-Walker方程法、基于线性预测理论的Burg算法和修正的协方差算法等[26]。
相应的参数估计方法在MATLAB中都有现成的函数，比如aryule、arburg以及arcov等。
4.3.3AR模型阶次的选择及实验设计文献[26]中介绍了五种不同的AR模型定阶准则，分别为矩阵奇异值分解（SingularValueDecomposition,SVD）定阶法、最小预测定误差阶准则（FinalPredictionErrorCriterion,FPE）、AIC定阶准则（Akaika’sInformationtheoreticCriterion,AIC）、MDL定阶准则以及CAT定阶准则。
文献[28]中还介绍了一种BIC定阶准则。
SVD方法是对Yule-Walker方程中的自相关矩阵进行SVD分解来实现的，在MATLAB工具箱中arorder函数就是使用的该算法。
其他五种算法的基本思想都是建立目标函数，阶次估计的标准是使目标函数最小化。
以上定阶准则在MATLAB中也可以方便的实现，下面是本文实现FPE、AIC、MDL、CAT定阶准则的程序（部分）：form=1:N-1  ……    %判断是否达到所选定阶准则的要求  ifstrcmp(criterion,'FPE')    objectfun(m1)=(N(m1))/(N-(m1))*E(m1);  elseifstrcmp(criterion,'AIC')    objectfun(m1)=N*log(E(m1))2*(m1);  elseifstrcmp(criterion,'MDL')    objectfun(m1)=N*log(E(m1))(m1)*log(N);  elseifstrcmp(criterion,'CAT')    forindex=1:m1        temp=temp(N-index)/(N*E(index));    end    objectfun(m1)=1/N*temp-(N-(m1))/(N*E(m1));  end    ifobjectfun(m1)＞=objectfun(m)    orderpredict=m;    break;  endend复制代码orderpredict变量即为使用相应准则预测的AR模型阶次。
（注：以上代码为结合MATLAB工具箱函数pburg,arburg两个功率谱估计函数增加而得，修改后的pburg等函数会在附件中示意，名为pburgwithcriterion）登录/注册后可看大图程序1.JPG(35.14KB,下载次数:20352)下载附件 保存到相册2009-8-2820:54上传登录/注册后可看大图程序2.JPG(51.78KB,下载次数:15377)下载附件 保存到相册2009-8-2820:54上传下面本文使用3.2.1实验设计的输出结果即20例经预处理的HRV信号序列作为实验对象，分别使用FPE、AIC、MAL和CAT定阶准则预测AR模型阶次，图4.1（见下页）为其中一例典型信号使用不同预测准则其目标函数随阶次的变化情况。
从图中可以看出，使用FPE、AIC以及MDL定阶准则所预测的AR模型阶次大概位于10附近，即阶次10左右会使相应的目标函数最小化，符合定阶准则的要求，使用CAT定阶准则预测的阶次较小，在5~10之间。
图4.2（见下页）为另一例信号的阶次估计情况，从中也可以得到同样的结论。
（注，实验信号为实验室所得，没有上传）登录/注册后可看大图图片1.JPG(28.68KB,下载次数:5674)下载附件 保存到相册2009-8-2820:54上传

汇编的递归子程序实现阶乘部分代码DATAsegmenttishidb'intputN(0~7):$'jieguodb0dh,0ah,'jieguois:$'quitdb0dh,0ah,'pressanykeytoexit...$'DATAendsSTACKsegmentdb100dup(?)STACKendsCODEsegmentassumecs:CODE,ss:STACK,ds:DATAmainprocfarstart:movax,DATAmovds,ax;初始化数据段movah,09hleadx,tishi;输出提示int21hxorax,ax;清零movah,01hint21h;键盘输入数据movah,00handal,0fh;转化为非压缩的BCD码callsubproc;调用子过程movbx,dxmovah,09h;输出提示leadx,jieguoint21hmovax,bxcalldisplay;调用子过程movah,09hleadx,quit;输出提示。
。
。
。
。
。
。
。
。

在多分布式电源(distributedgenerations，DGs)并联系统中，通常采用传统下垂控制实现负荷分配。
由于线路阻抗和本地负荷的影响，传统下垂控制会产生较大的功率分配误差。
为提高功率分配的精确性，提出了一种自动调节下垂系数的控制策略。
各逆变器在传统P-V下垂控制下，将输出有功功率信息送到中央控制器，计算给定功率，并返回给各逆变器本地控制器，通过PI调节器自动调节各自的P-V下垂系数。
仿真和实验结果验证了该策略的可行性。

格式为中国知网的标准文献阅读格式：用CAJView软件就可以很方便的浏览了！本文设计了一种适于对声码器输出码流进行前向纠错编码的半规则化低密度奇偶校验码(LD-PC码)。
该低密度奇偶校验码具有编、译码简单,存储量少,易于硬件实现等特点。
同时对汉明码、卷积码、低密度奇偶校验码在AWGN信道下的传输性能进行了仿真比较。
结果表明,长度适合的LDPC码误码性能超过汉明码、卷积码。

微型计算机控制技术（于海生）课件值得看看！第一章 绪论1. 什么是计算机控制系统?计算机控制系统就是利用计算机来实现生产过程自动控制的系统。
2. 计算机控制系统的工作原理(过程)可归纳为几步?（1）实时数据采集；
（2）实时控制决策；
（3）实时控制输出3. 熟悉计算机控制系统的组成。
计算机控制系统由工业控制机和生产过程两大部分组成。
工业控制机是指按生产过程控制的特点和要求而设计的计算机，它包括硬件和软件两部分。
生产过程包括被控对象、测量变送、执行机构、电器开关等装置。
4. 熟悉计算机控制系统的典型形式。
（1）操作指导控制系统；
（2）直接数字控制系统；
（3）监督控制系统；
（4）分散型控制系统；
（5）现场总线控制系统。
5. 了解工业控制机的组成结构和特点。
工业控制机的组成：包括硬件和软件两部分。
硬件包括主机板、内部总线和外部总线、任-机接口、系统支持板、磁盘系统、通信接口、输入输出通道。
软件包括系统软件、支持软件和应用软件。
工业控制机的特点：（1）可靠性高和可维修性好；
（2）环境适应性强；
（3）控制的实时性好；
（4）完善的输入输出通道；
（5）丰富的软件；
（6）适当的计算机精度和运算速度。

通过stm32f103读取ADXL345加速度传感器的值，用模拟IIC通信协议，最后用串口换算成角度输出，亲自测试可用

1、本资源核心为.cpp源代码，利用OpenCV实现人脸及眼睛鼻子嘴巴等五官的检测与识别。
2、压缩包内包含训练好的人脸等数据，存放在xml文件夹中。
3、该项目可以识别检测出人脸和五官的大小及位置信息，并一并输出，内附Lena图及明星图识别范例。

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。