根據(jù)美國(guó)交通部的一項(xiàng)研究,全世界人們每周在汽車上度過(guò)的交通時(shí)間超過(guò)5億小時(shí)。既然花在汽車上的時(shí)間如此之多,人們希望能夠利用這些時(shí)間來(lái)享受娛樂(lè),同心愛(ài)的人說(shuō)說(shuō)話,甚至完成一些通常需要在工作場(chǎng)所才能完成的任
市場(chǎng)需求 RFID射頻識(shí)別技術(shù)以其識(shí)別速度快、價(jià)位低等優(yōu)勢(shì)廣泛應(yīng)用于物流倉(cāng)儲(chǔ)管理領(lǐng)域,它取代了條形碼一次只能檢驗(yàn)一箱貨物的檢驗(yàn)方式,兼有貨物和叉車的區(qū)域定位優(yōu)勢(shì),加快了貨物倉(cāng)儲(chǔ)循環(huán)速度,大幅度提高的倉(cāng)儲(chǔ)
在數(shù)字通信系統(tǒng)的性能測(cè)試中,通常使用誤碼分析儀對(duì)其誤碼性能進(jìn)行測(cè)量。它雖然具有簡(jiǎn)單易用、測(cè)試內(nèi)容豐富、誤碼測(cè)試結(jié)果直觀、準(zhǔn)確等優(yōu)點(diǎn),但是,價(jià)格昂貴、不易與某些系統(tǒng)接口適配,通常需要另加外部輔助長(zhǎng)線驅(qū)動(dòng)
導(dǎo)讀:由于移動(dòng)性和成本的優(yōu)勢(shì),無(wú)線通信領(lǐng)域的新用戶和新服務(wù)不斷增多,人們對(duì)無(wú)線通信技術(shù)的需求也持續(xù)升溫。為應(yīng)對(duì)當(dāng)前無(wú)線通信技術(shù)領(lǐng)域中的產(chǎn)品設(shè)計(jì)與制造所面臨的巨大挑戰(zhàn),吉時(shí)利推出新一代射頻測(cè)試儀器。
調(diào)頻(FM)收音機(jī)在高傳真音樂(lè)和語(yǔ)音廣播中已經(jīng)被采用好多年了,它能提供極佳的音質(zhì)、信號(hào)穩(wěn)定性和抗噪聲能力。最近,F(xiàn)M收音機(jī)已開(kāi)始出現(xiàn)在更多的移動(dòng)和個(gè)人媒體播放器等市場(chǎng)應(yīng)用中。然而,傳統(tǒng)的FM設(shè)計(jì)方法必須使用很
1 引言 移動(dòng)數(shù)據(jù)處理傳輸系統(tǒng)主要應(yīng)用在小型或便攜儀器上。它能夠采集、處理和并通過(guò)無(wú)線移動(dòng)網(wǎng)傳送和接收數(shù)據(jù)。由于無(wú)線移動(dòng)網(wǎng)的費(fèi)用,應(yīng)使移動(dòng)數(shù)據(jù)處理傳輸系統(tǒng)有較強(qiáng)的實(shí)時(shí)數(shù)據(jù)處理和數(shù)據(jù)壓縮功能,以減少通
本文采用CPLD實(shí)現(xiàn)了AD芯片、高速FIFO存儲(chǔ)器以及MCU之間的接口電路。實(shí)驗(yàn)表明,該電路工作穩(wěn)定可靠,且通用性強(qiáng),易于移植到其它數(shù)據(jù)采集系統(tǒng)中。同時(shí),QuartusII等嵌入式技術(shù)的使用,簡(jiǎn)化了開(kāi)發(fā)流程,提高了設(shè)計(jì)效率。目前,該電路已成功應(yīng)用于某數(shù)據(jù)采集系統(tǒng)中。
在當(dāng)今變化的市場(chǎng)環(huán)境中,產(chǎn)品是否便于現(xiàn)場(chǎng)升級(jí)、便于靈活使用,已成為產(chǎn)品進(jìn)入市場(chǎng)的關(guān)鍵因素。而基于 SRAM結(jié)構(gòu)的 FPGA器件的出現(xiàn),為系統(tǒng)設(shè)計(jì)者動(dòng)態(tài)改變運(yùn)行電路中的邏輯功能創(chuàng)造了條件,也為現(xiàn)場(chǎng)升級(jí)等奠定了基礎(chǔ)
為了評(píng)價(jià)3G無(wú)線網(wǎng)絡(luò)——UTRAN(UMTS Terrestrial Radio Access Network,陸地?zé)o線接入網(wǎng))網(wǎng)絡(luò)質(zhì)量,提出了一個(gè)UTRAN網(wǎng)絡(luò)質(zhì)量評(píng)價(jià)指標(biāo)體系。在該指標(biāo)體系的基礎(chǔ)之上,將模糊數(shù)學(xué)理論引入網(wǎng)絡(luò)管理領(lǐng)域,根據(jù)模糊綜合評(píng)價(jià)算法建立了UTRAN網(wǎng)絡(luò)質(zhì)量模糊綜合評(píng)價(jià)模型。最后應(yīng)用此模型,對(duì)UTRAN試驗(yàn)網(wǎng)絡(luò)的測(cè)試結(jié)果進(jìn)行了模糊綜合評(píng)價(jià),得到了UTRAN網(wǎng)絡(luò)質(zhì)量的量化評(píng)價(jià)結(jié)果。
在人臉識(shí)別中,高維、小樣本是一個(gè)問(wèn)題。對(duì)此,提出了一種基于Gabor小波與徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法。首先對(duì)人臉進(jìn)行Gabor濾波,選取有效的Gabor組合。進(jìn)行小波分解,獲取低頻圖像,構(gòu)造特征矢量,采用主分量分析降低特征維數(shù)。接著,提出了一種聚類方法用于確定RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和初值,采用混合學(xué)習(xí)法訓(xùn)練RBF神經(jīng)網(wǎng)絡(luò)。用ORL人臉庫(kù)進(jìn)行試驗(yàn),結(jié)果表明本文提出的方法具有優(yōu)秀的學(xué)習(xí)效率和識(shí)別效果。