- 博客(2)
- 资源 (11)
- 收藏
- 关注
RSS订阅原创 《通过仪表实验带你入门信号系统与通信原理》系列1——线性时不变系统
系统的线性性意味着它满足叠加原理，即如果输入信号是 x1(t) 和 x2(t)，对应输出分别是 y1(t) 和 y2(t)，那么当输入信号是 αx1(t) + βx2(t)（其中α和β是任意常数）时，输出信号应该是 αy1(t) + βy2(t)。也就是说，如果输入信号是 x(t) 对应输出是 y(t)，那么当输入信号延迟 τ 秒后，即输入信号为 x(t-τ) 时，输出应该是 y(t-τ)，系统的响应在时间上不受变化。采集后查看采集到的信号，细节如下，可以发现接收到的信号已经与发射信号表现不一样。
2024-03-06 00:16:43
890
原创 记一次惨痛的电感本购买经历！后来电路测试上料电阻/容/感时，我都要用便携仪表来测试下！！！
坑爹的0805电感样品本，里面全是1.x uH(1.4~1.9 UH)，害我当年研发遇挫！多年后，才用LCR阻容感测试仪测了后，才知道原因！！研发物料入库检验很重要！很重要！很重要！说三遍！测试经验之谈！！
2024-01-12 00:45:30
307
neural-networks-master.zip
python神经网络学习代码，基于深度学习的图像超分辨率技术研究
Research on Image Super-Resolution Technology
Based on Deep Learning
图像的超分辨率重建技术指的是将给定的低分辨率图像通过特定的算法恢复成相应的高分辨率图像。随着人工智能的崛起和深度学习的不算发展，基于深度学习的超分辨率重建技术也越来越多的被人关注和研究。本文主要介绍两种基于深度学习的超分辨率重建技术SRCNN(超分辨率卷积神经网络)和SRGAN(超分辨率生成对抗网络)，在Tensorflow框架下进行了两种模型的训练仿真，并测试了模型的效果。最后分析两种超分辨率重建技术对低分辨率图像的超分辨率重建效果图，对比这两种模型的结果可以得出：SRCNN和SRGAN比起传统的SC(SparseCode,稀疏编码)在重构效果上更好，SRCNN重构技术更注重的是对图像的局部特征提取而达到更好的整体重建质量，而SRGAN重构技术则更注重图片精细的细节纹理，使得重构的图片更逼近原始图片。
2019-08-06
包含FMC型号asp-134488-01的Xm101brd文件
包含FMC型号asp-134488-01封装的Xm101.brd文件，加速FMC PCB的开发！只要从brd文件中export出dra psm文件就可以了
2014-09-30
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人