一、特性参数 1、16位无失真AD转换器 2、增益可调，在1,2,32,128可切换。 3、数字地和模拟地分开，可以减少噪声。 4、具有较大的输出电流，有比较好的带载能力。 二、管脚排列 三、引脚功能 引脚名称 功能 SCLK 串行时钟，施密特逻辑输入。将一个外部的串行时钟加于这一输入端口，以访问A...
分类：
其他好文 时间：
2015-08-19 10:48:07
阅读次数：
213
Multisim12.0仿真 - 通信电路 - 白噪声
分类：
其他好文 时间：
2015-08-16 16:30:59
阅读次数：
85
前言：我慢慢地慢慢地注意到，在看书的时候，我的一双耳朵压根听不进去一点噪声，如果有噪声出现，我发现，眼睛刚刚读过去的内容好似没有一丁点进入我的脑海。...
分类：
其他好文 时间：
2015-08-13 15:54:02
阅读次数：
94
一、音响的动态范围是指音响系统重放时最大不失真输出功率与静态时系统噪声输出功率之比的对数值，又指一个多媒体硬盘播放器输出图像的最亮和最暗部分之间的相对比值。 单位为分贝(dB)。一般性能较好的音响系统的动态范围在100(dB)以上。二、音响系统整体技术指标性能的优劣，取决于每一个单元自身性能的好坏，...
分类：
其他好文 时间：
2015-08-13 11:23:45
阅读次数：
547
电流镜是模拟电路里的一个基本单元，可以用于复制电流，也可以用作给差分对做负载。作为一个模块，一般设计考虑的参数包括电流的匹配，输出阻抗，输入阻抗，输出电压范围，有时还包括噪声。而可以调整的参数就包括电路的拓扑结构，管子的w和l。这些书上都讲了很多，我也不多罗嗦了。在实际设计中，一般也很少把这么小的模...
分类：
其他好文 时间：
2015-08-11 00:05:46
阅读次数：
194
一、引言
在机器学习以及优化组合问题中，最常用的方法就是梯度下降法。比如BP神经网络，多层感知器的神经元(units)越多，对应的权矩阵也就越大，每个权可视为一个自由度或者变量。我们知道自由度越高，变量越多，模型越复杂，模型的能力越强。但是模型能力越强，模型就越容易过拟合，对噪声太敏感。另一方面，使用梯度下降进行最优解搜寻时，多变量的误差曲面很像是连绵起伏的山峰一样，变量越多，山峰和山谷也越多，...
分类：
其他好文 时间：
2015-08-10 12:02:38
阅读次数：
261
本文重点将以Rob Hess等人用C实现的代码做解析，结合代码SIFT原理会更容易理解。一些难理解点的用了☆标注。 SIFT（Scale-invariant feature transform）即尺度不变特征转换，提取的局部特征点具有尺度不变性，且对于旋转，亮度，噪声等有很高的稳定性。本文将以下函数为参照顺序介绍SIFT特征点提取与描述方法。
1.图像预处理
2.构建高斯金字塔（不同尺度下的图像）
3.生成DOG尺度空间
4.关键点搜索与定位
5.计算特征点对应原图的位置
6.为特征点分配方向角...
分类：
其他好文 时间：
2015-08-09 18:55:21
阅读次数：
210
这是图像去模糊的第三篇，接着上节说道逆滤波对噪声特别敏感。约束最小二乘方滤波（Constrained Least Squares Filtering，aka Tikhonov filtration,Tikhonov regularization）核心是H对噪声的敏感性问题。减少噪声敏感新问题的一种方法是以平滑度量的最佳复原为基础的，因此我们可以建立下列...
分类：
其他好文 时间：
2015-08-08 16:35:24
阅读次数：
861
一、引言
在机器学习以及优化组合问题中，最常用的方法就是梯度下降法。比如BP神经网络，多层感知器的神经元(units)越多，对应的权矩阵也就越大，每个权可视为一个自由度或者变量。我们知道自由度越高，变量越多，模型越复杂，模型的能力越强。但是模型能力越强，模型就越容易过拟合，对噪声太敏感。另一方面，使用梯度下降进行最优解搜寻时，多变量的误差曲面很像是连绵起伏的山峰一样，变量越多，山峰和山谷...
分类：
其他好文 时间：
2015-08-08 10:31:01
阅读次数：
270
EM 算法是求参数极大似然估计的一种方法，它可以从非完整数据集中对参数进行估计，是一种非常简单实用的学习算法。这种方法可以广泛地应用于处理缺损数据、截尾数据以及带有噪声等所谓的不完全数据，可以具体来说，我们可以利用EM算法来填充样本中的缺失数据、发现隐藏变量的值、估计HMM中的参数、估计有限混合分布中的参数以及可以进行无监督聚类等等。贴相关几个好文章：从最大似然到EM算法浅解混合高斯模型（Mixtu...
分类：
编程语言 时间：
2015-08-06 22:21:12
阅读次数：
326
