摘要:AD8370是美国AD公司推出的一种低成本、数字控制的可变增益放大器,它具有高IP3和低噪声系数以及优良的失真性能和较宽的带宽,可以广泛应用于差分ADC驱动器、IF采样接收器、射频/中频放大中间级、SAW滤波器接口、单端差动转换器中。文章介绍了AD8370的基本原理及应用设计方法。     关键词:AD8370;数字控制;可变增益;放大器 1 概述 AD8370是美国AD(ANALOG DEVICES INC)公司推出的一种低成本、数字控制的可变增益放大器,它具有高IP3和低噪声系数。由于其具有优良的失真性能和较宽的带宽,所以特别适合作为现代接收器设计中的增益控制器件应用。图1是
1
资源包含文件:课程报告word+项目源码 人脸属性编辑是一个具有挑战性的图像处理任务,使用传统的图像处理软件手工编辑,操作成本高。深度特征插值方法是通过深度学习将图像空间非线性的语义映射到隐空间线性特征再进行语义属性编辑的技术。该方法通用性较强,不需要设计特定网络结构,图像处理的速度较快,效果也比较好。遗憾的是,该方法由于难以将特征完全解耦,导致线性插值之后生成图像模糊或者存在伪影。 详细介绍参考:https://blog.csdn.net/sheziqiong/article/details/125598963
QTabWidget在不同方向上,tabBar的文字均水平显示
2022-07-03 18:55:02 7KB QTabBar QTabWidget 更改方向文字水平
1
这是一个用于 OPCODE 的 Matlab 包装器,它是一个碰撞检测或用于三角形 3D 网格的光线投射库。 OPCODE 使用几个不同的 aabb 树来存储网格,这是其中一棵树的一个非常简单的包装器。 操作码的好处在于它允许变形网格, 这意味着您可以在网格存储在树中时更新网格, 这比重建 aabb 树所需的速度要快得多。 输入输出: 制作树: 树 = opcodemesh(v,f); 在哪里顶点 v : 3 x nv 面 f : 3 x nf 相交: [hit,d,trix,bary,Q] = tree.intersect(orig,dir); 在哪里起点原点:3 x nc 方向 dir : 3 x nc 是否命中:nc x 1 逻辑从原点到交点 d 的距离:nc x 1 索引到相交三角形 trix 的 f 中:nc x 1 射线相交的三角形的重心坐标 bary : 2 x n
2022-07-02 11:05:10 276KB matlab
1
叉指式电润湿电极驱动大小可变的液滴
2022-07-01 00:31:17 1024KB 研究论文
1
可变目标C编译器 设计与实现
2022-06-29 19:09:27 78.46MB C编译器
1
要求改变脉冲周期和输出脉冲个数的脉冲输出电路模块在许多工业领域都有运用。采用数字器件设计周期和输出个数可调节的脉冲发生模块是方便可行的。为了使之具有高速、灵活的优点,本文采用Atelra公司的可编程芯片FPGA设计了一款周期和输出个数可变的脉冲发生器。经过板级调试获得良好的运行效果。
2022-06-23 01:09:44 198KB 通用电子测量
1
活动 可移动是可拖动的,可调整大小的,可缩放的,可旋转的,可扭曲的,可捏的,可分组的,可捕捉的 // / 活动 :fire: 特征 可拖动是指拖动和移动目标的能力。 可调整大小指示目标的宽度和高度是可以增加还是减少。 可缩放指示目标的x和y是否可以是变换的比例。 可旋转指示目标是否可以旋转。 可变形表示目标是否可以变形(变形,弯曲)。 Pinchable指示目标是否可以通过可拖动,可调整大小,可缩放和可旋转的方式捏住。 可分组指示是否目标可以在组拖动,可调整大小,可扩展的,可旋转移动。 可捕捉表示是否要遵循准则。 OriginDraggable *指示是否拖动原点。 可裁剪表示是否裁剪目标。 Roundable指示是显示还是拖动或双击边框半径。 支持SVG元素(svg,路径,线,椭圆,g,rect等) 支持主要浏览器 支持3D转换 :gear: 安装 npm $ npm i
2022-06-22 09:39:32 4.64MB scalable draggable resizable movable
1
建立一个网络结构可变的BP神经网络通用代码: 在训练时各个参数的意义: hidden_floors_num:隐藏层的个数 every_hidden_floor_num:每层隐藏层的神经元个数 learning_rate:学习速率 activation:激活函数 regularization:正则化方式 regularization_rate:正则化比率 total_step:总的训练次数 train_data_path:训练数据路径 model_save_path:模型保存路径 利用训练好的模型对验证集进行验证时各个参数的意义: model_save_path:模型保存路径 validate_data_path:验证集路径 precision:精度 利用训练好的模型进行预测时各个参数的意义: model_save_path:模型的保存路径 predict_data_path:预测数据路径 predict_result_save_path:预测结果保存路径
2022-06-19 17:05:17 113KB bp回归 python 神经网络
vc+ArcEngine建立框架程序:制作浮动可变大小的控制窗口,可以实现图层拖放-vc+ ArcEngine procedures for the establishment of the framework: the production of a floating variable to control the size of the window, you can drag and drop layers to achieve
2022-06-18 09:06:29 1.04MB vc+ArcEngine 框架程序 控制窗口