当前位置:文档之家› 西电电院自动控制技术上机报告

西电电院自动控制技术上机报告

西电电院自动控制技术上机报告
西电电院自动控制技术上机报告

自动控制技术上机实验报告

班级:021215

学号:021214

姓名:

时域分析

程序源代码:

close all;

clear all;

ft = 30;

M=1;

B=5;

K=20; %系统参数

t0=0;

tfinal = 5;

tspan = [t0 tfinal]; %设置仿真开始和结束时间

x0 = [0,0]; %系统初始值,零初始条件

options = odeset('AbsTol',[1e-6;1e-6]); %设置仿真计算精度[t,x] = ode113('xt4odefile',tspan,x0,options);

%微分方程求解,计算位移x(:,1)和速度x(:,2)

a = 1/M*(ft-B*x(:,2)-K*x(:,1)); %计算加速度

i = 1;

while (abs(a(i))>0.0001|(abs(x(i,2))>0.0001))

i = i+1;

end

disp('稳态时系统的位移、速度和加速度及对应的时间分别为: ');

%显示计算结果

result = sprintf('位移 d=%6.4f\n',x(i,1));

disp(result);

result = sprintf('速度 v=%8.6f\n',x(i,2));

disp(result);

result = sprintf('加速度 a=%9.6f\n',a(i));

disp(result);

result = sprintf('时间 t=%4.2f\n',t(i));

disp(result);

d = x(:,1);

subplot(1,3,1),plot(t,d); %绘制时间-位移曲线xlabel('时间(秒)');ylabel('位移(米)');

title('时间-位移曲线');grid;

v = x(:,2);

subplot(1,3,2),plot(t,v); %绘制时间-速度曲线xlabel('时间(秒)');ylabel('速度(米/秒)');

title('时间-速度曲线');grid;

subplot(1,3,3),plot(d,v); %绘制位移-速度曲线xlabel('位移(米)');ylabel('速度(米/秒)');

title('位移-速度曲线');grid;

运行结果:

>> EX11

稳态时系统的位移、速度和加速度及对应的时间分别为:位移d=1.5000

速度v=-0.000086

加速度a=-0.000084

时间t=4.46

源程序代码:

close all;

clear all;

num = [0,2,5,7];

den = [1,6,10,6];

[z1,p1,k1] = tf2zp(num,den) [r2,p2,k2] = residue(num,den)

运行结果:>> EX12

z1 =

-1.2500 + 1.3919i -1.2500 - 1.3919i

p1 =

-3.7693 + 0.0000i -1.1154 + 0.5897i -1.1154 - 0.5897i

k1 =

2

r2 =

2.2417 + 0.0000i -0.1208 - 1.0004i -0.1208 + 1.0004i

p2 =

-3.7693 + 0.0000i -1.1154 + 0.5897i -1.1154 - 0.5897i

k2 =

[]

源程序代码:

clc

a=[6.3223 18 12.811];

b=[1 6 1.322 18 12.811];

sys=tf(a,b);

t=0:.005:35;

step(sys)

title('系统的单位阶跃响应')

[y,t]=step(a,b,t);

r=1;

while(y(r)<1.001)

r=r+1;end;

rise_time=(r-1)*0.005 %求系统上升时间[ymax,tp]=max(y);

peak_time=(tp-1)*0.005

k=dcgain(sys);

max_overshoot=(ymax-k)/k

s=7001;

while(y(s)>0.98&y(s)<1.02)

s=s-1;end

setting_time=(s-1)*0.005

运行结果:

rise_time =

0.7050

peak_time =

34.6100

max_overshoot =

2.6819e+06 setting_time =

35

源程序代码:

num=[1 1];den=[1 5 6 0]; sys1=tf(num,den)

subplot(3,1,1)

step(sys1)

subplot(3,1,2)

rlocus(num,den)

title('系统的根轨迹曲线')

r=rlocus(num,den,20.575)

a=[1];b=[1 0.8989];

sys2=tf(a,b)

sys=series(sys1,sys2) %串联subplot(3,1,3)

step(sys)

运行结果:

rise_time =

0.7050

peak_time =

34.6100

max_overshoot =

2.6819e+06

setting_time =

35

>> EX14

sys1 =

s + 1

-----------------

s^3 + 5 s^2 + 6 s

Continuous-time transfer function.

r =

-2.0505 + 4.3225i -2.0505 - 4.3225i -0.8989 + 0.0000i sys2 =

1

----------

s + 0.8989

Continuous-time transfer function.

sys =

s + 1

-------------------------------------

s^4 + 5.899 s^3 + 10.49 s^2 + 5.393 s

Continuous-time transfer function.

频域分析:

源程序代码:

clc

num=[0.01,0.0001,0.01];

dun=[0.25,0.01,1,0,0];

sys=tf(num,dun)

figure(1)

bode(sys)

figure(2)

sys2=feedback(sys,1)

bode(sys2)

运行结果:

sys =

0.01 s^2 + 0.0001 s + 0.01

--------------------------

0.25 s^4 + 0.01 s^3 + s^2

Continuous-time transfer function.

sys2 =

0.01 s^2 + 0.0001 s + 0.01

------------------------------------------------

0.25 s^4 + 0.01 s^3 + 1.01 s^2 + 0.0001 s + 0.01 Continuous-time transfer function.

源程序代码:

close all;

clear all;

num = [0 20 20 10]; %开环传递函数分子den = conv([1 1 0],[1 10]); %开环传递函数的分母nyquist(num,den)

%v = [-2 3 -3];

axis([-2 2 -3 3])

grid

x = -pi:0.01:pi;

plot(x,sin(x)), grid on

运行结果:

源程序代码:

close all;

clear all;

num = [2000,2000]; %开环传递函数的分子den = conv([1 0.5 0],[1 14 400]); %开环传递函数的分母nichols(num,den) %绘制nichols图

v = [-270 -90 -40 40];

axis(v)

ngrid %标出nichols图线

运行结果:

源程序代码:

num=[0 2000 2000];

den=conv([1 0.5 0],[1 14 400]); h=tf(num,den);

[gm,pm,wg,wc]=margin(h);

gm,pm,wg,wc

运行结果:

>> EX24

gm =

2.7493

pm =

73.3527

wg =

19.8244

wc =

5.3477

源程序代码:

clc

num=[1];

den=[0.5 1.5 1 0];

sys=tf(num,den)

sys2=feedback(sys,1)

bode(sys2)

[gm pm wg wp]=margin(sys)运行结果:

-------------------------

0.5 s^3 + 1.5 s^2 + s + 1 Continuous-time transfer function.

gm =

3.0000 pm =

32.6133 wg =

1.4142 wp =

0.7494

现代控制理论

源程序代码:

close all;

clear all;

%3.1_A

num = [1 2 3]; %传递函数分子多项式的系数den = [1 3 3 1]; %传递函数分母多项式的系数[A,B,C,D] = tf2ss(num,den)

%3.1_B

z = [-1;-3]; %传递函数的零点

p = [0;-2;-4;-6;]; %传递函数的极点

k = 4;

[A,B,C,D] = zp2ss(z,p,k)

%3.1_C

A = [0,1;-1,-2];

B = [0;1];

C = [1,3];

D = [1];

[num,den] = ss2tf(A,B,C,D)

printsys(num,den,'s')

[z,p,k] = ss2zp(A,B,C,D)

运行结果:

>> EX31

A =

-3 -3 -1

1 0 0

0 1 0

B =

1

C =

1 2 3

D =

A =

-10.0000 -4.8990 0 0

4.8990 0 0 0

-6.0000 -4.2866 -2.0000 0

0 0 1.0000 0

B =

1

1

C =

0 0 0 4

D =

num =

1.0000 5.0000

2.0000 den =

1 2 1

num/den =

s^2 + 5 s + 2

-------------

s^2 + 2 s + 1

z =

-0.4384

-4.5616

p =

-1

-1

k =

1

西电射频大作业(精心整理)

射频大作业 基于PSpice仿真的振幅调制电路设计数字调制与解调的集成器件学习

目录 题目一:基于PSpice仿真的振幅调制电路设计与性能分析 一、实验设计要求 (3) 二、理论分析 1、问题的分析 (3) 2、差动放大器调幅的设计理论 (4) 2.1、单端输出差动放大器电路 2.2、双端输出差动放大器电路 2.3、单二极管振幅调制电路 2.4、平衡对消二极管调幅电路 三、PSpice仿真的振幅调制电路性能分析 (10) 1、单端输出差动放大器调幅电路设计图及仿真波形 2、双端输出差动放大器调幅电路设计图及仿真波形 3、单二极管振幅调制电路设计图及仿真波形 4、平衡对消二极管调幅电路设计图及仿真波形 四、实验总结 (16) 五、参考文献 题目二数字调制与解调的集成器件学习 一、实验设计要求 (17) 二、概述 (17) 三、引脚功能及组成原理 (18) 四、基本连接电路 (20) 五、参考文献 (21) 六、英文附录 (21)

题目一基于PSpice仿真的振幅调制电路设计 摘要 随着大规模集成电路的广泛发展,电子电路CAD及电子设计自动化(EDA)已成为电路分析和设计中不可缺少的工具。此次振幅调制电路仿真设计基于PSpice,利用其丰富的仿真元器件库和强大的行为建模工具,分别设计了差分对放大器和二极管振幅调制电路,由此对线性时变电路调幅有了更进一步的认识;同时,通过平衡对消技术分别衍生出双端输出的差分对放大器和双回路二极管振幅调制电路,消除了没用的频率分量,从而得到了更好的调幅效果。本文对比研究了单端输出和双端输出的差分对放大器调幅电路及单二极管和双回路二极管调幅电路,通过对比观察时域和频域波形图,可知平衡对消技术可以很好地减小失真。 关键词:PSpice 振幅调制差分对放大器二极管振幅调制电路平衡对消技术 一、实验设计要求 1.1 基本要求 参考教材《射频电路基础》第五章振幅调制与解调中有关差分对放大器调幅和二极管调幅的原理,选择元器件、调制信号和载波参数,完成PSpice电路设计、建模和仿真,实现振幅调制信号的输出和分析。 1.2 实践任务 (1) 选择合适的调制信号和载波的振幅、频率,通过理论计算分析,正确选择晶体管和其它元件;搭建单端输出的差分对放大器,实现载波作为差模输入电压,调制信号控制电流源情况下的振幅调制;调整二者振幅,实现基本无失真的线性时变电路调幅;观察记录电路参数、调制信号、载波和已调波的波形和频谱。 (2) 参考例5.3.1,修改电路为双端输出,对比研究平衡对消技术在该电路中的应用效果。 (3) 选择合适的调制信号和载波的振幅、频率,通过理论计算分析,正确选择二极管和其它元件;搭建单二极管振幅调制电路,实现载波作为大信号,调制信号为小信号情况下的振幅调制;调整二者振幅,实现基本无失真的线性时变电路调幅;观察记录电路参数、调制信号、载波和已调波的波形和频谱。 (4) 参考例5.3.2,修改电路为双回路,对比研究平衡对消技术在该电路中的应用效果。 1.3 写作报告 (1) 按论文形式撰写,包括摘要、正文和参考文献,等等。 (2) 正文包括振幅调制电路的设计原理、理论分析结果、实践任务中各阶段设计的电路、参数、波形和频谱,对观察记录的数据配以图像和表格,同时要有充分的文字做分析和对比,有规律性认识。 (3) 论文结构系统、完备、条理清晰、理论正确、数据翔实、分析完整。 1.4 相关提示 (1) 所有电路和信号参数需要各人自行决定,各人有不同的研究结果,锻炼学生的独立研究和实验分析能力。 (2) 为了提高仿真精度和减小调试难度,可以将调制信号和载波的频率设置得较低。 二、理论分析 1、问题的分析 根据题目的要求,差分对放大器和二极管振幅调制电路目的都是实现基本无

西电计算机视觉大作业

数字水印技术 一、引言 随着互联网广泛普及的应用,各种各样的数据资源包括文本、图片、音频、视频等放在网络服务器上供用户访问。但是这种网络资源的幵放也带了许多弊端,比如一些用户非法下载、非法拷贝、恶意篡改等,因此数字媒体内容的安全和因特网上的侵权问题成为一个急需解决的问题。数字水印作为一项很有潜力的解决手段,正是在这种情况下应运而生。 数字水印(技术是将一些代表性的标识信息,一般需要经过某种适合的变换,变换后的秘密信息(即数字水印),通过某种方式嵌入数字载体(包括文档、音频、软件等)当中,但不影响原载体的使用价值,也不容易被人的知觉系统(如视觉或听觉系统)觉察或注意到。通过这些隐藏在载体中的信息,可以达到确认内容创建者、购买者、传送隐秘信息或者判断载体是否被篡改等目的。在发生产权和内容纠纷时,通过相应的算法可以提取该早已潜入的数字水印,从而验证版权的归属和内容的真伪。 二.算法原理 2.1、灰度图像水印 2.1.1基本原理 处理灰度图像数字水印,采用了LSB(最低有效位)、DCT变换域、DWT变换域三种算法来处理数字水印。在此过程中,处理水印首先将其预处理转化为二值图像,简化算法。 (1)LSB算法原理:最低有效位算法(Least Sig nificant Bit , LSB)是很常见的空间域信息隐藏算法, 该算法就是通过改变图像像素最不重要位来达到嵌入隐秘信息的效果, 该方法隐藏的信息在人的肉眼不能发现的情况下, 其嵌入方法简单、隐藏信息量大、提取方法简单等而获得广泛应用。LSB 信息嵌入过程如下: S′=S+f S ,M 其中,S 和S′分别代表载体信息和嵌入秘密信息后的载密信息;M为待嵌入的秘密信息, 而隐写分析则是从S′中检测出M以至提取M 。 (2)DCT算法原理:DCT 变换在图像压缩中有很多应用,它是JPEG,MPEG 等数据

西电电院人工智能课程大作业

西电人工智能大作业

八数码难题 一.实验目的 八数码难题:在3×3的方格棋盘上,摆放着1到8这八个数码,有1个方格是空的,其初始状态如图1所示,要求对空格执行空格左移、空格右移、空格上移和空格下移这四个操作使得棋盘从初始状态到目标状态。例如: (a) 初始状态 (b) 目标状态 图1 八数码问题示意图 请任选一种盲目搜索算法(深度优先搜索或宽度优先搜索)或任选一种启发式搜索方法(A 算法或 A* 算法)编程求解八数码问题(初始状态任选),并对实验结果进行分析,得出合理的结论。 本实验选择宽度优先搜索:选择一个起点,以接近起始点的程度依次扩展节点,逐层搜索,再对下一层节点搜索之前,必先搜索完本层节点。 二.实验设备及软件环境 Microsoft Visual C++,(简称Visual C++、MSVC、VC++或VC)微软公司的C++开发工具,具有集成开发环境,可提供编辑C语言,C++以及C++/CLI 等编程语言。 三.实验方法 算法描述: (1)将起始点放到OPEN表; (2)若OPEN空,无解,失败;否则继续; (3)把第一个点从OPEN移出,放到CLOSE表; (4)拓展节点,若无后继结点,转(2); (5)把n的所有后继结点放到OPEN末端,提供从后继结点回到n的指针; (6)若n任意后继结点是目标节点,成功,输出;否则转(2)。

流程图:

代码: #include #include typedef struct Node { int num[9]; //棋盘状态 int deepth; //派生的深度 g(n) int diffnum; //不在位的数目 h(n) int value; //耗散值 f(n)=g(n)+h(n) struct Node * pre; struct Node * next; struct Node * parent; }numNode; /* ---------- end of struct numNode ---------- */ int origin[9]; //棋盘初始状态 int target[9]; //棋盘目标状态 int numNode_num,total_step; numNode *open,*close; //Open表和Close表 numNode *create_numNode() { return (numNode *)malloc(sizeof(numNode)); } numNode *open_getfirst(numNode *head); //返回第一项,并从Open表中删除

西电数据挖掘大作业k-means和k-medoids

题 目: 数据挖掘 学 院: 电子工程学院 专 业: 智能科学和技术 学生姓名: ** 学 号: 02115*** k -means 实验报告 一、 waveform 数据 1、 算法描述 1. 从数据集{X n }n?1N 中任意选取k 个赋给初始的聚类中心c 1, c 2, …,

c k; 2.对数据集中的每个样本点x i,计算其和各个聚类中心c j的欧氏 距离并获取其类别标号: label(i)=arg min ||x i?c j||2,i=1,…,N,j=1,…,k 3.按下式重新计算k个聚类中心; c j=∑x j s:label(s)=j j ,j=1,2,…k 重复步骤2和步骤3,直到达到最大迭代次数为止2、实验结果 二、图像处理 1、算法描述 同上; 2、实验结果

代码: k_means: %%%%%%%%%K_means%%%%%%%% %%%%%%%%%函数说明%%%%%%%% %输入: % sample——样本集; % k ——聚类数目; %输出: % y ——类标(从0开始) % cnew ——聚类中心 % n ——迭代次数 function [y cnew n]=k_means(sample,k) [N V]=size(sample); %N为样本的个数 K为样本的维数 y=zeros(N,1); %记录样本类标 dist=zeros(1,k); rand_num=randperm(N); cnew=(sample(rand_num(1,1:k),:));%随机初始化聚类中心cold=zeros(k,V); n=0;

模式识别大作业02125128(修改版)

模式识别大作业 班级 021252 姓名 谭红光 学号 02125128 1.线性投影与Fisher 准则函数 各类在d 维特征空间里的样本均值向量: ∑∈= i k X x k i i x n M 1 ,2,1=i (1) 通过变换w 映射到一维特征空间后,各类的平均值为: ∑∈= i k Y y k i i y n m 1,2,1=i (2) 映射后,各类样本“类内离散度”定义为: 22 ()k i i k i y Y S y m ∈= -∑,2,1=i (3) 显然,我们希望在映射之后,两类的平均值之间的距离越大越好,而各类的样本类内离 散度越小越好。因此,定义Fisher 准则函数: 2 1222 12||()F m m J w s s -= + (4) 使F J 最大的解* w 就是最佳解向量,也就是Fisher 的线性判别式. 从 )(w J F 的表达式可知,它并非w 的显函数,必须进一步变换。 已知: ∑∈= i k Y y k i i y n m 1,2,1=i , 依次代入上两式,有: i T X x k i T k X x T i i M w x n w x w n m i k i k === ∑∑∈∈)1 (1 ,2,1=i (5) 所以:2 21221221||)(||||||||M M w M w M w m m T T T -=-=- w S w w M M M M w b T T T =--=))((2121 (6)

其中:T b M M M M S ))((2121--= (7) b S 是原d 维特征空间里的样本类内离散度矩阵,表示两类均值向量之间的离散度大 小,因此,b S 越大越容易区分。 将(4.5-6) i T i M w m =和(4.5-2) ∑∈= i k X x k i i x n M 1代入(4.5-4)2i S 式中: ∑∈-= i k X x i T k T i M w x w S 22)( ∑∈?--? =i k X x T i k i k T w M x M x w ))(( w S w i T = (8) 其中:T i X x k i k i M x M x S i k ))((--= ∑=,2,1=i (9) 因此:w S w w S S w S S w T T =+=+)(212221 (10) 显然: 21S S S w += (11) w S 称为原d 维特征空间里,样本“类内离散度”矩阵。 w S 是样本“类内总离散度”矩阵。 为了便于分类,显然 i S 越小越好,也就是 w S 越小越好。

(最新整理)西电射频大作业

(完整)2013西电射频大作业 编辑整理: 尊敬的读者朋友们: 这里是精品文档编辑中心,本文档内容是由我和我的同事精心编辑整理后发布的,发布之前我们对文中内容进行仔细校对,但是难免会有疏漏的地方,但是任然希望((完整)2013西电射频大作业)的内容能够给您的工作和学习带来便利。同时也真诚的希望收到您的建议和反馈,这将是我们进步的源泉,前进的动力。 本文可编辑可修改,如果觉得对您有帮助请收藏以便随时查阅,最后祝您生活愉快业绩进步,以下为(完整)2013西电射频大作业的全部内容。

班级 021171 射频电路基础期中大作业 学院电子工程学院 专业遥感科学与技术 学生姓名(02117017) (02117019) (02117024) 老师姓名朱天桥老师

题目一:基于 PSpice 仿真的振幅调制电路设计 1。1 基本要求 参考教材《射频电路基础》第五章振幅调制与解调中有关差分对放大器调幅和二极管调幅的原理,选择元器件、调制信号和载波参数,完成PSpice电路设计、建模和仿真,实现振幅调制信号的输出和分析。 1。2 实践任务 (1) 选择合适的调制信号和载波的振幅、频率,通过理论计算分析,正确选择晶体管和其它元件;搭建单端输出的差分对放大器,实现载波作为差模输入电压,调制信号控制电流源情况下的振幅调制;调整二者振幅,实现基本无失真的线性时变电路调幅;观察记录电路参数、调制信号、载波和已调波的波形和频谱。 (2)参考例5。3。1,修改电路为双端输出,对比研究平衡对消技术在该电路中的应用效果。 (3) 选择合适的调制信号和载波的振幅、频率,通过理论计算分析,正确选择二极管和其它元件;搭建单二极管振幅调制电路,实现载波作为大信号,调制信号为小信号情况下的振幅调制;调整二者振幅,实现基本无失真的线性时变电路调幅;观察记录电路参数、调制信号、载波和已调波的波形和频谱。 (4) 参考例5。3。2,修改电路为双回路,对比研究平衡对消技术在该电路中的应用效果. 摘要 此次振幅调制电路仿真设计基于PSpice,利用其丰富的仿真元器件库和强大的行为建模

西电数字信号处理大作业

第二章 2.25 已知线性时不变系统的差分方程为 若系统的输入序列x(x)={1,2,3,4,2,1}编写利用递推法计算系统零状态响应的MATLAB程序,并计算出结果。 代码及运行结果: >> A=[1,-0.5]; >> B=[1,0,2]; >> n=0:5; >> xn=[1,2,3,4,2,1]; >> zx=[0,0,0];zy=0; >> zi=filtic(B,A,zy,zx); >> yn=filter(B,A,xn,zi); >> figure(1) >> stem(n,yn,'.'); >> grid on;

2.28图所示系统是由四个子系统T1、T2、T3和T4组成的,分别用单位脉冲响应或差分方程描述为 T1: 其他 T2: 其他 T3: T4: 编写计算整个系统的单位脉冲响应h(n),0≤n≤99的MATLAB程序,并计算结果。 代码及结果如下: >> a=0.25;b=0.5;c=0.25; >> ys=0; >> xn=[1,zeros(1,99)]; >> B=[a,b,c]; >> A=1; >> xi=filtic(B,A,ys); >> yn1=filter(B,A,xn,xi); >> h1=[1,1/2,1/4,1/8,1/16,1/32]; >> h2=[1,1,1,1,1,1]; >> h3=conv(h1,h2); >> h31=[h3,zeros(1,89)]; >> yn2=yn1+h31; >> D=[1,1];C=[1,-0.9,0.81]; >> xi2=filtic(D,C,yn2,xi); >> xi2=filtic(D,C,ys); >> yn=filter(D,C,yn2,xi); >> n=0:99; >> figure(1) >> stem(n,yn,'.'); >> title('单位脉冲响应'); >> xlabel('n');ylabel('yn');

智能控制大作业-神经网络

智能控制与应用实验报告神经网络控制器设计

一、 实验内容 考虑一个单连杆机器人控制系统,其可以描述为: 0.5sin()Mq mgl q y q τ+== 其中20.5M kgm =为杆的转动惯量,1m kg =为杆的质量,1l m =为杆长, 29.8/g m s =,q 为杆的角位置,q 为杆的角速度,q 为杆的角加速度, τ为系统的控制输入。具体要求: 1、设计神经网络控制器,对期望角度进行跟踪。 2、分析神经网络层数和神经元个数对控制性能的影响。 3、分析系统在神经网络控制和PID 控制作用下的抗干扰能力(加噪声干扰、加参数不确定)、抗非线性能力(加死区和饱和特性)、抗时滞的能力(对时滞大小加以改变)。 4、为系统设计神经网络PID 控制器(选作)。 二、 对象模型建立 根据公式(1),令状态量121=,x q x x = 得到系统状态方程为: 12121 0.5**sin() x x mgl x x M y x τ=-= = (1) 由此建立单连杆机器人的模型如图1所示。

图1 单连杆机器人模型 三、系统结构搭建及神经网络训练 1.系统PID结构如图2所示: 图2 系统PID结构图 PID参数设置为Kp=16,Ki=10,Kd=8得到响应曲线如图3所示:

01234 5678910 0.2 0.4 0.6 0.8 1 1.2 1.4 t/s a n g l e /r a d 图3 PID 控制响应曲线 采样PID 控制器的输入和输出进行神经网络训练 p=[a1';a2';a3']; t=b'; net=newff([-1 1;-1 1;-1 1],[3 8 16 8 1],{'tansig' 'tansig' 'tansig' 'logsig' 'purelin'}); net.trainparam.epochs=2500; net.trainparam.goal=0.00001; net=train(net,p,t); gensim(net,-1) 产生的神经网络控制器如图4所示:

西电卫星通信大作业答案.

卫星通信第三次大作业 唐聪 1402005 1. 请简述卫星轨道的特性。 卫星轨道按离地面的高度,可分为低轨道、中轨道和高轨道;按形状分可分为圆轨道和椭圆轨道;按飞行方向分可分为顺行轨道(与地球自转方向相同、逆行轨道(与地球自转方向相反、赤道轨道(在赤道上空绕地球飞行和极轨道 (经过地球南北极上空.地球同步轨道(卫星在顺行轨道上绕地球运行时,其运行周期(绕地球一圈的时间与地球的自转周期相同.这种卫星轨道叫地球同步轨道.地球静止卫星轨道. (如果地球同步轨道卫星正好在地球赤道上空离地面 35786千米的轨道上绕地球运行,由于它绕地球运行的角速度与地球自转的角速度相同,从地面上看去它好像是静止的,这种卫星轨道叫地球静止卫星轨道.地球静止卫星轨道是地球同步轨道的特例,它只有一条.太阳同步轨道(由于地球扁率(地球不是圆球形,而是在赤道部分隆起 ,卫星轨道平面绕地球自转轴旋转.如果卫星轨道平面绕地球自转轴的旋转方向和角速度与地球绕太阳公转的方向和平均角速度相同,则这种卫星轨道叫太阳同步轨道. 2. 请简述多路复用方式的分类,并简述各类的主要特性。 多路复用技术分为以下四种: 1频分多路复用,特点是把电路或空间的频带资源分为多个频段,并将其分配给多个用户, 每个用户终端的数据通过分配给它的子通路传输。主要用于电话和电缆电视系统。 2时分多路复用, 特点是按传输的时间进行分割, 将不同信号在不同时间内传送。又包含两种方式:同步时分复用和异步时分复用。 3波分多路复用,特点是对于光的频分复用。做到用一根光纤来同时传输与多个频率很接近的光波信号。

4码分多路复用,特点是每个用户可在同一时间使用同样的频带进行通信,是一种共享信道的方法。通信各方面之间不会相互干扰,且抗干扰能力强。 3. 请各例举三种常用的 HPA 和 LNA。 高功率放大器(HPA:行波管放大器(TWTA 速调管放大器(KPA 固态功率放大器(SSPA 低噪声放大器(LNA:参量放大器 致冷砷化镓场效应放大器 常温砷化镓场效应放大器 4. 某卫星采用椭圆轨道,近地点高度 2500km,远地点高度 5500km.如地球半径定为 6380Km,求该卫星的轨道周期。如该卫星采用圆轨道,轨道高度为 3000km, 轨道周期将如何变化。 解:(1长轴为远地点和近地点之间的直线距离,在半长轴为 a,地球半径为 Re,近地点高度为 Hp 和远地点高度为 Ha 时,有: 2a=2Re+Hp+Ha=2×6380+2500+5500=20760Km 所以,半长轴 a=10380Km,由此计算轨道周期:μ=GMT=2πμ3 a =10524.61924s(2T=μ=9040.961507s 5. 以 WGS-84为基准椭球。地球上某点的地理坐标为(30? ,60? ,1000m,试求该点对应的椭球三维直角坐标。 DA:-108; DF:0.0000005

西安电子科技大学《管理信息系统》大作业带答案

学习中心/函授站_ 姓名学号 西安电子科技大学网络与继续教育学院 2020 学年上学期 《管理信息系统》期末考试试题 (综合大作业) 题号一二三四五总分 题分20 20 20 20 20 得分 考试说明: 1、大作业试题于2020 年4 月23 日公布,2020 年4 月24 日至2020 年5 月10 日在 线上传大作业答卷(一张图片对应一张A4 纸答题纸),要求拍照清晰、上传完整; 2、考试必须独立完成,如发现抄袭、雷同均按零分计; 3、答案须用《西安电子科技大学网络与继续教育学院标准答题纸》手写完成,要 求字迹工整、卷面干净。 一、系统分析的任务是什么?(10分)如何进行系统分析?(10分) 答案: 系统分析的主要任务是定义或制定新系统应该“做什么”的问题,而不涉及“如何做”,包含了解用户需求和确定系统的逻辑模型,形成系统分析报告。 系统分析的步骤:现行系统的详细调查,组织结构与业务流程分析,系统数据流程分析,建立新系统逻辑模型,提系统分析报告。 二、简述结构化开发方法的优点和缺点。(20分) 优点: 严格区分开发阶段,系统的针对性强; 整体性与全局性好,自顶向下观点。 缺点: 开发周期长; 开发过程繁琐、复杂; 开发工具落后; 与用户交流不直观;

三、什么是企业流程重组?(10分)它与信息技术之间有何关系?(10分) 答案: 企业流程重组就是对企业的业务流程进行根本性的思考和彻底的重新设计,以求获取企业经营方面的巨大业绩。 企业流程重组是一种管理思想,一种经营变革的理念。信息技术是一种技术。这两者相对独立。企业在实现信息化过程中,先要实施BPR,再利用信息技术促进BPR的实现 解释:略 四、什么是决策支持系统?决策支持系统具有哪些特征?(20分) 答案: 决策支持系统是在半结构化和非结构化决策活动过程中,通过人--机对话,向决策者提供信息,协助决策者发现和分析问题,探索决策方案,评价、预测和选择方案,以提高决策有效性的一种以计算机为手段的信息系统。 特征:(1)对决策者提供支持,而不是代替他们的判断。 (2)支持解决半结构化和非结构化决策问题。 (3)支持决策过程的各个阶段。 (4)支持决策者的决策风格和方法,改善个人与组织的效能。 (5)支持所有管理层次的决策,进行不同层次间的沟通和协调。 (6)易于为非计算机专业人员以交互对话方式使用。 (7)要由用户通过对问题的洞察和判断来加以控制。 (8)强调对环境及决策方法改变的灵活性及适应性。 五、简述您对信息系统的理解,举例说明您认为信息系统对组织与社会的影响主要表现在哪 些方面。(20分) 答案: 信息系统是以加工处理信息为主的系统,它由人、硬件、软件和数据资源组成,目的是及时、正确地收集,处理、存储、传输和提供信息。 其发展阶段分为:电子数据交换,经理信息系统,战略信息系统,计算机集成制造系统,制造资源计划,企业资源规划,客户关系管理。 举例: 信息系统对组织的影响: 促使组织结构的扁平化; 组织结构更加灵活和有效;

西电随机大作业

随机大作业题目:高频窄带随机信号的统计特征分析 学院:电子工程 班级:1402071 姓名:张吉凯 学号:14020710021

摘要 随机信号是客观世界中普遍存在的一类信号,因此深入理解其统计特性并掌握相 应的处理与分析方法很重要。因此本文主要分析了随机信号的基本概念,涉及平稳、 遍历随机信号的基本内容;平稳随机信号的谱分析;线性系统对随机信号的作用机理,涉及到一些随机信号特别是平稳随机信号的线性变换或线性滤波的基本问题;窄带随 机信号的表示及其统计特性。为实现窄带信号的表示,对希尔伯特变换给出了较细致 的分析。 引言 在日常生活中,由于噪声和干扰的存在使得我们接受到的信号不再是确知信号, 而是一个随机过程,通常称之为随机信号。随机信号又称随机过程,它是一连串随机 事件动态关系的定量描述。随机信号论目前已经得到广泛的应用,在诸如天气预报、 统计物理、天体物理、运筹决策、经济数学、安全科学、人口理论、可靠性及计算机 科学等很多领域都要经常用到随机过程的理论来建立数学模型。随机信号的分析越来 越重要了。 一、理论分析部分 1.平稳随机信号的定义,满足各态历经性的随机信号的定义和相关性质 狭义平稳概念:所谓平稳随机过程,是指它的任何n维分布函数或概率密度函数 与时间起点无关。也就是说,如果对于任意的n和τ,随机过程ξ(t)的n维概率密度函数满足 则称ξ(t)是平稳随机过程。该平稳称为严格平稳,狭义平稳或严平稳。 若一个随机过程的数学期望及方差与时间无关,而其相关函数仅与τ有关,则称这个随机过程为广义平稳随机过程。 对于一个平稳的随机过程,如果统计平均=时间平均,这个随机过程就叫做各态历经的平稳随机过程。 时间均值必定是与时间无关的常量,而时间自相关函数必定只是时刻间隔的单值 函数,可见遍历过程必定是平稳过程,但反之,并非所有的平稳过程都是遍历过程。

自动化智能控制大作业

《智能控制》大作业 1、简答题: 1.1.根据目前智能控制系统的研究和发展,智能控制系统有哪些类型以及智能控制系统主要有哪些方面的工作可做进一步的探索和开展? 答: 智能控制系统的类型: ①基于信息论的分级递阶智能控制 ②以模糊系统理论为基础的模糊逻辑控制 ③基于脑模型的神经网络控制 ④基于知识工程的专家控制 ⑤基于规则的仿人智能控制 ⑥各种方法的综合集成 智能控制系统的探索和开展: ①离散事件和连续时间混杂系统的分析与设计; ②基于故障诊断的系统组态理论和容错控制方法; ③基于实时信息学习的规则自动生成与修改方法; ④基于模糊逻辑和神经网络以及软计算的智能控制方法; ⑤基于推理的系统优化方法; ⑥在一定结构模式条件下,系统有关性质(如稳定性等)的分析方法等。 1.2.比较智能控制与传统控制的特点? 答:智能控制与传统控制的特点。 传统控制:经典反馈控制和现代理论控制。它们的主要特征是基于精确的系统数学模型的控制。适于解决线性、时不变等相对简单的控制问题。 智能控制:以上问题用智能的方法同样可以解决。智能控制是对传统控制理论的发展,传统控制是智能控制的一个组成部分,在这个意义下,两者可以统一在智能控制的框架下。 1.3.简述模糊集合的基本定义以及与隶属函数之间的相互关系。

答:模糊集合:模糊集合是用从0 到1 之间连续变化的值描述某元素属于特定集合的程度,是描述和处理概念模糊或界限不清事物的数学工具。 相互关系:表示隶属度函数的模糊集合必须是凸模糊集合;模糊集合是由其隶属函数刻画的 1.4.画出模糊控制系统的基本结构图,并简述模糊控制器各组成部分所表示的意思? 答:基本结构图: (1) 模糊化接口:模糊化接口就是通过在控制器的输入、输出论域上定义语言变量,来将精确的输入、输出值转换为模糊的语言值。 (2) 规则库:由数据库和语言(模糊)控制规则库组成。数据库为语言控制规则的论域离散化和隶属函数提供必要的定义。语言控制规则标记控制目标和领域专家的控制策略。 (3) 模糊推理:是模糊控制系统的核心。根据模糊输入和模糊控制规则,获得模糊输出。 (4) 清晰化接口:由模糊推理得到的模糊输出值,只有其转化为精确控制量,才能施加于对象。实行这种转化的方法叫做清晰化/去模糊化/模糊判决 1.5.模糊控制规则的生成方法通常有哪几种,且模糊控制规则的总结要注意哪些问题?

西电最优化大作业

最优化大作业 学院电子工程学院 专业 学号 姓名

1.第一题 分别用牛顿法和变尺度法求解优化问题. Minf(x)=x12-2x1x2+4x22+x1-3x2. 牛顿法 初始点选择 [2 2]T 迭代步骤 已知目标函数f(X)及其梯度g(X),Hesee矩阵G(X),终止限ε.(1)选定初始点X0;计算f0=f(X0),g0=g(X0);置k=0. (2)计算Hesee矩阵 (3)由方程G k P k=-g k解出P k。 (4)计算X k+1=X k+P k,f k+1=f(X k+1),gk+1=g(X k+1). (5)判别终止条件是否满足,若满足,则打印结果。否则令k=k+1,转(2). 实验结果如下:

变尺度法 初始点选择 [0 0]T 迭代步骤 (1)选定初始点X0;计算F0=F(X0),G0=G(X0);选定初始矩阵H0,要求H0对称正定。置k=0 (2)计算搜索方向P K=-H K G K. (3)作直线搜索X K=1=ls(X K+1),S K=X K+1-X K,y k=g k+1-g k。 (4)判别终止条件是否满足:若满足,则X k+1就是所求的极小点,打印,结束。否则转(5)。 (5)计算H K+1=H K+E K.

(6)K=K+1.转(2)。 实验结果如下: 2.第二题 利用外点法和内点法解下列约束问题. minf(x)=(x1-3)2+(x2-2)2 s.t. h(x)=x1+x2-4≤0 外点法 初始点选择 [2 1]T 迭代步骤 给定终止限ε(可取ε=6- 10).

(1).选定初始点0X ,惩罚因子01>M (可取11=M ). 惩罚因子放大系数10=C ,置1=k . (2).假设已获得迭代点1-k X ,以1-k X 为初始点,求解无约束问题 ),(min k M X F . 设其最优点为k X . (3).若εα≤)(X M k 则k X 就是所要求的最优解,打印输出))(,(k k X f X ,结束; 否则转至过程(4). (4).置,1,1+==+k k CM M k k 转至过程(2). 实验结果如下: 内点法 初始点选择 [2 1]T

智能控制第一次大作业

智能控制 第一次作业 指导老师李俊民 学院数学与统计学院 专业数学与应用数学 班级071011 学号07101075 学生姓名

作业题目: 假设输入空间X 和Y 都为[-10,10],输出空间Z 等于[-100,100]。试在X ,Y 和Z 空间中确定五个梯形模糊集合:NB 、NS 、ZE 、PS 、PB 。假定未知系统转移函数为z =(x 2-y 2)exp(-|xy |),写出准确描述系统行为的五条(至少)模糊规则,利用z =(x 2-y 2)exp(-|xy |),产生数据流,按模糊推理规则和面积中心法去模糊化,将输入数据对(x ,y )映射到输出数据z 。画出模糊输出F (x ,y )和期望输出z 的曲面,计算均方误差, 画出误差曲面。 解答: 一、 五个梯形模糊集合的确定 1、 X 中的梯形模糊集合{(,())|}A A x x x X μ=∈,其中A 可取NB 、NS 、 ZE 、PS 、PB 这五个集合,[10,10]X =-, 其中0 -10 () 1 0 10 x a b a A d x d c x a a x b x b x c c x d d x μ----≤≤??≤≤?? =≤≤??≤≤?≤≤?? 可以看到梯形模糊集合的隶属度函数由四个参数(a,b,c,d )来确定, 所以只要给定不同的五组(a,b,c,d )的值,就可以确定五个不同的梯形模糊集合NB 、NS 、ZE 、PS 、PB 。下面我们给出X 中NB 、NS 、ZE 、PS 、PB 这五个模糊集合分别对应的(a,b,c,d ): 表1 a b c d NB -10 -10 -5 -4 NS -6 -5 0 1 ZE -1 0 0 1 PS -1 0 5 6 PB 4 5 10 10 X 中NB 、NS 、ZE 、PS 、PB 的隶属度函数mf1,mf2,mf3,mf4,mf5的图形分

西电EDA满分大作业

EDA报告 题目 VHDL设计初步 学院电子工程学院 专业 学号 导师姓名朱燕

目录 第一章实验部分(流水灯) (3) 1、程序设计: (3) 2、程序代码........................................................................................... 错误!未定义书签。 3、程序调试........................................................................................... 错误!未定义书签。 第二章习题部分............................................................................................. 错误!未定义书签。 习题一..................................................................................................... 错误!未定义书签。 习题二..................................................................................................... 错误!未定义书签。 习题三..................................................................................................... 错误!未定义书签。 习题四..................................................................................................... 错误!未定义书签。 习题五..................................................................................................... 错误!未定义书签。 习题六..................................................................................................... 错误!未定义书签。 习题七..................................................................................................... 错误!未定义书签。 引言 随着大规模集成电路技术和计算机技术的不断发展,在涉及通信、国防、航天、医学、工业自动化、计算机应用、仪器仪表等领域的 电子系统设计工作中,EDA技术的含量正以惊人的速度上升;电子类 的高新技术项目的开发也逾益依赖于EDA技术的应用。即使是普通的电子产品的开发,EDA技术常常使一些原来的技术瓶颈得以轻松突破,从而使产品的开发周期大为缩短、性能价格比大幅提高。不言而喻,EDA技术将迅速成为电子设计领域中的极其重要的组成部分。

自动控制大作业-西电

自动控制大作业-西电-标准化文件发布号:(9456-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII

题目:自动控制原理大作业指导老师: 学院:电子工程学院 专业:电子信息工程 学生姓名: 学号: 2017年7月11日

实验目的 1,学会使用matlab模拟仿真系统的根轨迹图。 2,理解K值对系统响应的影响。 3,理解校正环节对系统性能的影响。 实验内容 一、对教材P84页的图3-38天线位置控制系统,在给定传递函数下,试用MATLAB程序仿真 1,单位反馈作用下系统的根轨迹图 2,画出Bode图 3,若限定系统超调量σ%<35%,确定K的取值范围(K为开环传递系数)。 4,当K取不同的值时,画出单位阶跃响应曲线。 Matlab程序如下所示: echo on pause %strike any key to continue clc

K=[1 7 17.1 28 60]; num1=K(1);p1=[1 0];p2=[0.05 1];p3=[0.025 1]; den=conv(conv(p1,p2),p3); H1=tf(num1,den); H2=tf(K(2),den); H3=tf(K(3),den); H4=tf(K(4),den); H5=tf(K(5),den); pause;clc; damp(H1); rlocus(H1);%单位反馈作用下系统的根轨迹图 pause;clc; bode(H1);pause;clc; impulse(H1);pause;clc; step(feedback(H1,1));pause;clc;%K=1是的单位阶跃响应step(feedback(H2,1));pause;clc;%K=7是的单位阶跃响应step(feedback(H3,1));pause;clc;%K=17.1是的单位阶跃响应step(feedback(H4,1));pause;clc;%K=28是的单位阶跃响应step(feedback(H5,1));pause;clc;%K=60是的单位阶跃响应echo off

西电DSP大作业报告

学院:电子工程学院 学号:1202121013 姓名:赵海霞 指导教师:苏涛

DSP 实验课大作业设计 一 实验目的 在DSP 上实现线性调频信号的脉冲压缩、动目标显示(MTI )和动目标检测(MTD),并将结果与MATLAB 上的结果进行误差仿真。 二 实验内容 2.1 MATLAB 仿真 设定带宽、脉宽、采样率、脉冲重复频率,用MATLAB 产生16个脉冲的LFM ,每个脉冲有4个目标(静止,低速,高速),依次做 2.1.1 脉压 2.1.2 相邻2脉冲做MTI ,产生15个脉冲 2.1.3 16个脉冲到齐后,做MTD ,输出16个多普勒通道 2.2 DSP 实现 将MATLAB 产生的信号,在visual dsp 中做脉压,MTI 、MTD ,并将结果与MATLAB 作比较。 三 实验原理 3.1 线性调频 线性调频脉冲压缩体制的发射信号其载频在脉冲宽度内按线性规律变化即用对载频进行调制(线性调频)的方法展宽发射信号的频谱,在大时宽的前提下扩展了信号的带宽。 若线性调频信号中心频率为0f ,脉宽为τ,带宽为B ,幅度为A ,μ为调频斜率,则其表达式如下: ]2 1 2cos[)()(20t t f t rect A t x μπτ+??=;)(为矩形函数rect 在相参雷达中,线性调频信号可以用复数形式表示,即 )]2 1 2(exp[)()(20t t f j t rect A t x μπτ+??= 在脉冲宽度内,信号的角频率由220μτπ-f 变化到2 20μτ π+f 。 3.2 脉冲压缩原理 脉冲雷达信号发射时,脉冲宽度τ决定着雷达的发射能量,发射能量越大, 作用距离越远;在传统的脉冲雷达信号中,脉冲宽度同时还决定着信号的频率宽度B ,即带宽与时宽是一种近似倒数的关系。脉冲越宽,频域带宽越窄,距离分辨率越低。 脉冲压缩的主要目的是为了解决信号的作用距离和信号的距离分辨率之间的矛盾。为了提高信号的作用距离,我们就需要提高信号的发射功率,因此,必须提高发射信号的脉冲宽度,而为了提高信号的距离分辨率,又要求降低信号的脉冲宽度。

西电数据挖掘大作业k-means和k-medoids

西电数据挖掘大作业k- m e a n s和k-m e d o i d s -标准化文件发布号:(9456-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII

题目:数据挖掘 学院:电子工程学院专业:智能科学与技术学生姓名: ** 学号: 02115*** k-means实验报告

一、waveform数据 1、算法描述 1.从数据集中任意选取k个赋给初始的聚类中心c1, c2, …, c k; 2.对数据集中的每个样本点x i,计算其与各个聚类中心c j的欧氏 距离并获取其类别标号: 3.按下式重新计算k个聚类中心; 重复步骤2和步骤3,直到达到最大迭代次数为止 2、实验结果

二、图像处理 1、算法描述 同上; 2、实验结果 代码: k_means: %%%%%%%%%K_means%%%%%%%% %%%%%%%%%函数说明%%%%%%%% %输入: % sample——样本集; % k ——聚类数目; %输出: % y ——类标(从0开始) % cnew ——聚类中心 % n ——迭代次数

function [y cnew n]=k_means(sample,k) [N V]=size(sample); %N为样本的个数 K为样本的维数 y=zeros(N,1); %记录样本类标 dist=zeros(1,k); rand_num=randperm(N); cnew=(sample(rand_num(1,1:k),:));%随机初始化聚类中心 cold=zeros(k,V); n=0; while(cold~=cnew) cold=cnew; n=n+1; %记录迭代次数 %对样本进行重新分类 for i=1:N for j=1:k if(V==1) dist(1,j)=abs(sample(i,:)-cold(j,:)); else dist(1,j)=norm(sample(i,:)-cold(j,:)); end end for s=1:k if(dist(1,s)==min(dist)) y(i,1)=s-1; end end end %更新聚类中心 cnew=zeros(k,V); flag=zeros(k,1); for i=1:N for j=1:k if (y(I,1)==j-1) flag(j,1)=flag(j,1)+1; cnew(j,?=cnew(j,?+sample(I,?; end end end for j=1:k cnew(j,?=cnew(j,?/flag(j,1); end end k_means_waveform: clear;clc;

相关主题
文本预览
相关文档 最新文档