FFC/FPC软排线接口PCB封装，带3D预览，4脚-20脚常用脚位数，间距0.5mm；
AltiumDesigner软件

小波与傅里叶分析基础作　者：（美）AlbertBoggess,FrancisJ.Narcowich译　者：芮国胜康健等出版社：电子工业出版社出版时间：2004-1-1许多关于小波的文章和参考书籍均要求读者具有复杂的数学背景知识，本书则只要求学生具有较好的微积分以及线性代数知识，通俗易懂。
第0章内积空间0.1引言0.2内积的定义0.3L2空间和l2空间0.4Schwarz不等式与三角不等式0.5正交0.6线性算子及其伴随算子0.7最小二乘和线性预测编码0.8习题第1章傅里叶级数1.1引言1.2傅里叶级数的计算1.3傅里叶级数的收敛定理1.4习题第2章傅里叶变换2.1傅里叶变换的通俗描述2.2傅里叶变换的性质2.3线性滤波器2.4采样定理2.5不确定性原理2.6习题第3章离散傅里叶分析第4章haar小波分析4.1小波的由来4.2Haar小波4.3Haar分解和重构算法4.4小结4.5习题第5章多分辨率分析5.1多分辨率框架5.2分解和重构的实现5.3傅里叶变换准则5.4习题第6章Daubechies小波分析6.1Daubechies小波的构造6.2分类、矩和平滑性6.3计算问题6.4二进点上的尺度函数6.5习题第7章其它小波主题7.1计算复杂度7.2高维小波7.3相应的分解和重构7.4小波变换7.5习题附录A技术问题附录BMATLAB程序

该设计任务是设计一个超外差接收机的解调电路，其中被解调信号先经过混频变成中频信号，然后通过包络检波电路进行解调。
系统的结构框图如图1所示。
图1超外差接收机的系统结构电路框图相关技术指标如下： ①本地振荡器可以使用高频信号源代替，输出信号频率为1000KHz，幅值为500mV的正弦波。
②调幅波信号由信号发生器产生，输出信号载波为535KHz正弦波，调幅度为0.5，调制信号为1KHz的正弦波。
③设计混频器能够很好的输出465kHz的中频信号，且不失真。
④中频放大器要有选频放大的作用，其输出信号载波幅值U＞0.2V，信号不能失真。
⑤包络检波部分采用二极管包络检波器检波。
超外差接收机与一般高放式收音机相比，有很大的优越性，超外差接收机有整机灵敏度大、选择性显著提高、稳定性较高等优点，因此应用非常广泛，所以该课题具有很大的实用价值。
该课题涉及知识范围较广，涉及到高频电子电路的许多重点内容，通过这次课程设计能够学到高频电子电路的诸多方面，如：调幅波的调制解调、混频放大、检波等。
对于我们对知识的综合应用和掌握有很好的帮助，能更好的指导我们今后的学习，能让我们认识到理论与实际的联系。

第二版在第一版基础上，做了如下改进：1。
修正了第一版所有的已知错误，并删除了部分不经典的例题；
2。
增加了专题分析、答疑精选等内容，书中包含有大量知识点和例题，篇幅增加到620页左右，随书赠送一张DVD光盘，内附带所有源代码，以及50小时左右的视频讲座（本人亲自主讲，手把手教你设计GUI）。
保证全书讲解透彻、内容由浅入深。
3。
规范了代码的结构、可读性，优化了代码的效率。
添加了大量的注释，注释量超过50%。
4。
本书大量例题源自MATLAB论坛读者的提问，在这里对这些读者表示诚挚的感谢。
.5。
书籍+光盘的定价不会太贵，打完折后学生应该是可以负担的起的。
性价比绝对高。
6。
本书所有程序均运行于matlab2010b环境下。
为了提高本书性价比，在本书内容不变的情况下，本书编辑又重新将本书版面压缩了20多页（最终为588页），重新排版后定价减少了近10元，初步定价在69.8元。

VMwareworkstation4.0.56030用于Windows9x/Xp下的虚拟机软件

一个单片机系统的设计经常会用到多种不同目的和用图的定时，例如系统需要输出一个指示“心跳正常”的秒闪信号，间隔0.5s；
按键检测时临时需要约20ms的消抖；
蜂鸣器需要发声延时；
用户菜单选择时可能需要对应的发光管或LCD点阵（字段）闪烁；
通讯时需要设定应答超时判别，等等。
是不是要抱怨一个单片机上的若干个定时器不够用了？其实，用一个定时器资源就可以搞定所有的这一切定时要求。

LC滤波器设计软件，可以设计低通，高通，帯通，帯阻例：rffilterdesign:IndQo=35.0C=0.25pFCapRo=0.21L=0.50nHParasiTIcsde-embeddedDecadeSweepS21pdf

毕业设计和课程设计全套资料，主程序代码clc;clearall;closeall;warningoffall;I=imread('images\\1.jpg');I1=Image_Normalize(I,0);%图像归一化hsize=[33];sigma=0.5;I2=Image_Smooth(I1,hsize,sigma,0);I3=Gray_Convert(I2,0);bw2=Image_Binary(I3,0);%二值化处理[~,~,xy_long]=Hough_Process(bw2,I1,0);%霍夫变换angle=Compute_Angle(xy_long);%计算角度[I4,bw3]=Image_Rotate(I1,bw2,angle*1.8,0);%图像旋转[bw4,Loc1]=Morph_Process(bw3,0);%形态处理[Len,XYn,xy_long]=Hough_Process(bw4,I4,0);[bw5,bw6]=Region_Segmation(XYn,bw4,I4,0);[stats1,stats2,Line]=Location_Label(bw5,bw6,I4,XYn,Loc1,1);[Dom,Aom,Answer,Bn]=Analysis(stats1,stats2,Line,I4);

Echarts的仪表盘组件是一个比较炫酷的图表，能瞬间提升页面B格。
但是默认的仪表盘组件的刻度都是按照设置的最大值均匀分布的。
而实际应用中很多场景需要将部分数值区间放大显示到仪表盘上，比如仪表盘前面50%显示0-10的数值范围后面50%就显示10-50的范围。
这种不规则的刻度不能直接调用Echarts提供的方法。
需要将数据根据需求进行转换。
本资源代码解决了不规则刻度的需求，提供了通用的数据转换方法，及可运行的实例。
实现效果请参考：https://blog.csdn.net/evanyanglibo/article/details/114010213

【目录】-MATLAB神经网络30个案例分析(开发实例系列图书)第1章BP神经网络的数据分类——语音特征信号分类1本案例选取了民歌、古筝、摇滚和流行四类不同音乐，用BP神经网络实现对这四类音乐的有效分类。
第2章BP神经网络的非线性系统建模——非线性函数拟合11本章拟合的非线性函数为y=x21+x22。
第3章遗传算法优化BP神经网络——非线性函数拟合21根据遗传算法和BP神经网络理论，在MATLAB软件中编程实现基于遗传算法优化的BP神经网络非线性系统拟合算法。
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36对于未知的非线性函数，仅通过函数的输入输出数据难以准确寻找函数极值。
这类问题可以通过神经网络结合遗传算法求解，利用神经网络的非线性拟合能力和遗传算法的非线性寻优能力寻找函数极值。
第5章基于BP_Adaboost的强分类器设计——公司财务预警建模45BP_Adaboost模型即把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器。
第6章PID神经元网络解耦控制算法——多变量系统控制54根据PID神经元网络控制器原理，在MATLAB中编程实现PID神经元网络控制多变量耦合系统。
第7章RBF网络的回归——非线性函数回归的实现65本例用RBF网络拟合未知函数，预先设定一个非线性函数，如式y=20+x21-10cos（2πx1）+x22-10cos（2πx2）所示，假定函数解析式不清楚的情况下，随机产生x1,x2和由这两个变量按上式得出的y。
将x1,x2作为RBF网络的输入数据，将y作为RBF网络的输出数据，分别建立近似和精确RBF网络进行回归分析，并评价网络拟合效果。
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73根据货运量影响因素的分析，分别取国内生产总值（GDP），工业总产值，铁路运输线路长度，复线里程比重，公路运输线路长度，等级公路比重，铁路货车数量和民用载货汽车数量8项指标因素作为网络输入，以货运总量，铁路货运量和公路货运量3项指标因素作为网络输出，构建GRNN，由于训练数据较少，采取交叉验证方法训练GRNN神经网络，并用循环找出最佳的SPREAD。
第9章离散Hopfield神经网络的联想记忆——数字识别81根据Hopfield神经网络相关知识，设计一个具有联想记忆功能的离散型Hopfield神经网络。
要求该网络可以正确地识别0~9这10个数字，当数字被一定的噪声干扰后，仍具有较好的识别效果。
第10章离散Hopfield神经网络的分类——高校科研能力评价90某机构对20所高校的科研能力进行了调研和评价，试根据调研结果中较为重要的11个评价指标的数据，并结合离散Hopfield神经网络的联想记忆能力，建立离散Hopfield高校科研能力评价模型。
第11章连续Hopfield神经网络的优化——旅行商问题优化计算100现对于一个城市数量为10的TSP问题，要求设计一个可以对其进行组合优化的连续型Hopfield神经网络模型，利用该模型可以快速地找到最优（或近似最优）的一条路线。
第12章SVM的数据分类预测——意大利葡萄酒种类识别112将这178个样本的50%做为训练集,另50%做为测试集,用训练集对SVM进行训练可以得到分类模型,再用得到的模型对测试集进行类别标签预测。
第13章SVM的参数优化——如何更好的提升分类器的性能122本章要解决的问题就是仅仅利用训练集找到分类的最佳参数，不但能够高准确率的预测训练集而且要合理的预测测试集，使得测试集的分类准确率也维持在一个较高水平，即使得得到的SVM分类器的学习能力和推广能力保持一个平衡，避免过学习和欠学习状况发生。
第14章SVM的回归预测分析——上证指数开盘指数预测133对上证指数从1990.12.20-2009.08.19每日的开盘数进行回归分析。
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141在这个案例里面我们将利用SVM对进行模糊信息粒化后的上证每日的开盘指数进行变化趋势和变化空间的预测。
若您对此书内容有任何疑问，可以凭在线交流卡登录中文论坛与作者交流。
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153本案例中给出了一个含有60个个体基因表达水平的样本。
每个样本中测量了114个基因特征，其中前20个样本是癌症病人的基因表达水平的样本(其中还可能有子类),中间的20个样本是正常人的基因表达信息样本,余下的20个样本是待检测的样本(未知它们是否正常)。
以下将设法找出癌症与正常样本在基因表达水平上的区

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。