、我们这次的课程设计是以单片机为基础，设计并开发能输入多种波形（正弦波、三角波、锯齿波、方波、梯形波等）且频率、幅度可变的函数发生器。

均值、中值、维纳、TV、小波五种图像去噪方法源码（matlab）.均经过运转调试。
包括对一种方法的研究报告（word）。

本程序不只可以实现正弦、方波、三角波、锯齿波等几种基本信号对正弦信号的调制效果,而且还能够实现正弦调制情况下对原始信号的解调,从解调电路设计中完整的恢复出基带调制信号,分析不同调制参数对调制效果的影响。

该设计是基于sm32f103zet6所设计的一个建议示波器，stm32接上一个lcd显示屏后，可以在显示屏上显示正弦波，方波等波形

使用STM32F4系列单片机（本次使用的是STM32F429，此程序F4全系列使用，只需留意修改好主频就行了）加陶晶驰3.5寸T0系列串口屏，由触摸屏上的按键开启测量，然后显示信号峰峰值，频率，画出波形，判断波形。
对频率变化的信号测量频率后确定时钟触发频率，即确定了采样率，用ADC双通道测量两路信号，用DMA传输至一个数组内存中，然后显示波形、计算Vpp、并对数据进行FFT，分析频谱确定波形名称（可判断正弦波，三角波，方波，脉冲波（有误差），锯齿波，等幅DTMF）

1．基本要求(1）输出电压：范围0～＋9.9V，步进0.1V，纹波不大于10mV；
（2）输出电流：500mA；
（3）输出电压值由数码管显示；
（4）由“＋”、“－”两键分别控制输出电压步进增减；
（5）为实现上述几部件工作，自制一稳压直流电源，输出±15V，＋5V。
2．发挥部分（1）输出电压可预置在0～9.9V之间的任意一个值；
（2）用自动扫描代替人工按键，实现输出电压变化（步进0.1V不变）；
（3）扩展输出电压品种（比如三角波等）。

VERILOG_HDL_高等数字设计第2版,MichaelD.Ciletti著，李广军/林水生/阎波等译影印版，非常清晰

读者调用案例的时候，只要把案例中的数据换成自己需要处理的数据，即可实现自己想要的网络。
如果在实现过程中有任何疑问，可以随时在MATLAB中文论坛与作者交流，作者每天在线，有问必答。
该书共有30个MATLAB神经网络的案例(含可运行程序)，包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络;还包含PSO(粒子群)、灰色神经网络、模糊网络、概率神经网络、遗传算法优化等内容。
该书另有31个配套的教学视频帮助读者更深入地了解神经网络。
本书可作为本科毕业设计、研究生项目设计、博士低年级课题设计参考书籍，同时对广大科研人员也有很高的参考价值。
图书目录第1章P神经网络的数据分类--语音特征信号分类第2章BP神经网络的非线性系统建模--非线性函数拟合第3章遗传算法优化BP神经网络--非线性函数拟合第4章神经网络遗传算法函数极值寻优--非线性函数极值寻优第5章基于BP_Adaboost的强分类器设计--公司财务预警建模第6章PID神经元网络解耦控制算法--多变量系统控制第7章RBF网络的回归--非线性函数回归的实现第8章GRNN的数据预测--基于广义回归神经网络的货运量预测第9章离散Hopfield神经网络的联想记忆--数字识别第10章离散Hopfield神经网络的分类--高校科研能力评价第11章连续Hopfield神经网络的优化--旅行商问题优化计算第12章SVM的数据分类预测--意大利葡萄酒种类识别第13章SVM的参数优化--如何更好的提升分类器的功能第14章SVM的回归预测分析--上证指数开盘指数预测第15章SVM的信息粒化时序回归预测--上证指数开盘指数变化趋势和变化空间预测第16章自组织竞争网络在模式分类中的应用--患者癌症发病预测第17章SOM神经网络的数据分类--柴油机故障诊断第18章Elman神经网络的数据预测--电力负荷预测模型研究第19章概率神经网络的分类预测--基于PNN的变压器故障诊断第20章神经网络变量筛选--基于BP的神经网络变量筛选第21章LVQ神经网络的分类--乳腺肿瘤诊断第22章LVQ神经网络的预测--人脸朝向识别第23章小波神经网络的时间序列预测--短时交通流量预测第24章模糊神经网络的预测算法--嘉陵江水质评价第25章广义神经网络的聚类算法--网络入侵聚类第26章粒子群优化算法的寻优算法--非线性函数极值寻优第27章遗传算法优化计算--建模自变量降维第28章基于灰色神经网络的预测算法研究--订单需求预测第29章基于Kohonen网络的聚类算法--网络入侵聚类第30章神经网络GUI的实现--基于GUI的神经网络拟合、模式识别、聚类

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。