使用MATLAB软件,实现对QAM系统调制与解调过程的仿真,然后分析系统的可靠性。 (1)对原始信号分别进行4QAM和16QAM调制,画出星座图; (2)采用高斯白噪声信道传输信号,画出信噪比为15dB时,4QAM和16QAM的接收信号星座图; (3)画出两种调制方式的眼图; (4)解调接收信号,分别绘制4QAM和16QAM的误码率曲线图,并与理论值进行对比; (5)提交详细的设计报告和实验报告。
2024-05-02 20:42:58 526KB matlab
1
简单实现购物车选购,累加商品,选择,合计,搜索物品功能,其中主要使用了父子组件传值以及数组检索过滤,去重等方法
2024-05-02 11:07:27 2.86MB vue
1
大家都知道微信小程序图片自适应,是一个比较常见的需求,平时我们在WEBView中,只需要设置max-width:100%.在微信里面虽然widthFix也能实现,但有一个缺陷就是图片的宽度值要大于或者等于设定的值,否则就会发生拉伸变形,本文通过另外一种来适应。 首先我们来看看图片组件给的一些说明: 属性名 类型 默认值 说明 src String 图片资源地址 mode String ‘scaleToFill’ 图片裁剪、缩放的模式 binderror HandleEvent 当错误发生时,发布到 AppService 的事件名,事件对象event.detail =
2024-05-01 13:51:42 62KB 微信 微信小程序
1
在这个计算机快速发展的世界里,计算机为信息处理提供了物美价廉的手段,对于推动我国管理信息处理现代化起到了重要作用。 工资管理是一项琐碎、复杂而又十分细致的工作,工资计算、发放、核算的工作量很大,一般不允许出错,如果实行手工操作,每月发放工资须手工填制大量的表格,这就会耗费工作人员大量的时间和精力,计算机进行工资发放工作,不仅能够保证工资核算准确无误、快速输出,而且还可以利用计算机对有关工资的各种信息进行统计,既方便又快捷地完成员工工资的发放。 课程设计过程中根据设计中的需求与对工资管理系统采用了模块化的设计思想,在 Windows XP 操作系统环境下,采用 myeclipse7 作为开发工具,主要连接 Access 数据库来实现公司的工资管理系统的主要功能。在设计过程中,我们首先小组首先对整体的思路进行分析,然后进行分工。对数据库和类进行设计,实现了工资管理系统的功能。其功能主要包括公司用户管理、人员管理、部门管理、工资管理等功能。
2024-05-01 06:53:56 2.48MB java 毕业设计
1
DataGridView多维表头实现: 可以二维,也可以多维。可随意设置
2024-04-30 22:59:06 228KB
1
基于对称三对角矩阵特征求解的分而治之方法,提出了一种改进的使用MPI/Cilk模型求解的混合并行实现,结合节点间数据并行和节点内多任务并行,实现了对分治算法中分治阶段和合并阶段的多任务划分和动态调度.节点内利用Cilk任务并行模型解决了线程级并行的数据依赖和饥饿等待等问题,提高了并行性;节点间通过改进合并过程中的通信流程,使组内进程间只进行互补的数据交换,降低了通信开销.数值实验体现了该混合并行算法在计算效率和扩展性方面的优势.
2024-04-30 15:00:14 860KB 并行计算 分治算法
1
转自Github
2024-04-30 12:02:58 1.07MB stm32
1
基于机器视觉的害虫种类及数量检测 一、研究目的 研究的目的在于建立一套远程病虫害自动识别系统,有助于缓解农业植保人员和病虫害鉴定专家的人力资源紧张,有助于病虫害知识有限的农业人员进行及时的病虫害检测,并且,通过害虫种类数目的监测和信息收集,定期对昆虫数据进行整理和分析,建立病虫害爆发的规律模型,进而预测判断病虫害爆发的时间,及时通知农业植物保护人员和农户进行合理地科学地预防。提高农作物产量和质量。 二、研究内容及结论 (1) 设计实现了一套可适用于野外的害虫捕获和图像采集装置。该装置放置在农业种植区域,24 小时进行害虫的诱杀和图像采集,同时,装置可以通过无线网络将害虫图像上传至农业监控中心虫类鉴别服务器,并进行害虫种类的识别,进行产区内害虫种类数目的信息收集。 (2) 开发了一套基于机器视觉的昆虫计数工作方法。开发了一套的适用于苍蝇粘板等包含多数昆虫设备的图像的基于机器视觉的昆虫计数工作方法。该方法首先对包含多数昆虫的图片进行二值化预处理,然后进行轮廓的查找,并进行轮廓的计数,得到的数目反映了图片中的昆虫数目的数量级。该方法适用于苍蝇粘板图像等包含多数昆虫虫体的图像上。 (3)
1
【STM32+HAL】ADC采集波形实现
2024-04-29 21:14:53 1.08MB stm32
1
在进行image captioning实验时,通常会使用COCO、Flickr8k和Flickr30k等数据集。这些数据集已经处理好了格式,因此我们可以直接使用它们。然而,当我们需要使用自定义的数据集来完成特定任务时,就需要将其转换为json格式的数据集。目前,关于这方面的代码资料相对较少。因此,本文作者花费了一些时间,从头编写了一个能够将自定义的image captioning数据集转换为COCO JSON格式的代码。
2024-04-29 20:51:16 402KB 数据集 json
1