（1）背景 在入门自动驾驶领域的时候，笔者主要使用的工具是QT+ROS+Gazebo，在该行业工作一段时间之后，发现各家都有自己的仿真平台，只能在公司平台使用，但是如果个人要做城区的仿真，前面所说的工具链（QT+ROS+Gazebo）显然是不够便捷的。目前主要调研了两个开源的平台，第一个是 Autoware.universe，第二个就是国内Apollo平台，matlab适用于高校仿真环境，但不适用于量产（量产还是以c++为主），所以就不重点介绍matlab平台了，这次先说说Autoware平台。 首先介绍Autoware的安装及使用，后面会大概说一下自己使用的感受。（2）Autow
12bitsaradc电路，可直接仿真，逻辑模块也是实际电路，可指导利用cadence或者matlab进行频谱分析本次所提供的小项目为12bitsaradc,所用工艺为simc18mmrf,整体测试cell名称为12badc_ADC,最终的整个测试电路如图所示：12badc_dac模块为DAC模块，12adc_COMP为比较器模块，12bsarlog_16B_COUNT模块为电路所需时序产生电路，12bsarlog_logic为逻辑模块，这些都是实际的电路，包括逻辑模块。图2用到的DAC结构从开关网络控制信号可以看出，此控制信号将DAC划分为四个工作状态，其中清零、采样和保持所花时间为3个时钟
最近年底和师兄交流了数据分析、波形处理问题。一个是将示波器导出的csv数据放到MATLAB中进行THD分析，另一个是自定义横纵坐标轴进行绘图，就这两个问题记录一下。不需要背代码，简单、易于理解，使用过程中截个图就行了。一、对示波器导出的波形数据进行THD分析1、导入数据至MATLAB，修改变量名和数据类型；点击“导入数据”，选中示波器保存的“csv”数据文件；图1导入示波器csv数据自定义一下数据名字（数据表示什么就记为什么，方便理解），修改数据类型为“数值矩阵”（便于后面通过调用矩阵的行列，进行程序编写）；图2自定义数据名称和类型以上两点完成后，点击“绿色的对号”导入数据。2、提取横纵坐标数
竞赛总结：智能驾驶汽车虚拟仿真视频数据理解赛题名称：2023全球智能汽车AI挑战赛——赛道二：智能驾驶汽车虚拟仿真视频数据理解赛道赛题任务：对视频中的信息进行综合理解，以指定的json文件格式，按照数据说明中的关键词（key）填充描述型的文本信息赛题类型：计算机视觉、目标检测比赛链接：2023全球智能汽车AI挑战赛——赛道二：智能驾驶汽车虚拟仿真视频数据理解赛道Datawhale教学视频：二次元的Datawhale的个人空间-二次元的Datawhale个人主页)赛事背景当前，全球新一轮科技革命和产业变革蓬勃发展，汽车与人工智能技术加速融合，电动化、网联化、智能化成为汽车产业的发展潮流和趋势，A
名称：一种数据通信系统设计Verilog代码Quartus仿真（文末获取）软件：Quartus语言：Verilog代码功能：基本要求要求:系统为同步设计。TX模块通过串行通道向RX模块发送串行数据,串行数据中包含有效数据和无效数据,串行通道仅有1位时钟和1位数据,RX应正确接收TX发来的有效数据,不接收无效数据。自定义标记有效数据和无效数据的方法1.发送端代码文件2.接收端代码文件3.发送端testbench4.接收端testbench5.仿真图发送端仿真发送接收仿真部分代码展示://发送端module source( input sys_clk,
文章目录前言一、国内外移动操作机器人现状二、方案概述三、主要部件BOM清单1.差动轮式AGV：2.UR5系列机械臂3.Cognex智能相机4.加工台5.控制系统6.电源和电缆四、技术点及工作流程五、计算自动化方案与人工方案成本收回时间1.自动化方案成本分析：2.人工方案成本分析：3.两种方案的比较及成本收回时间的计算：六、主要技术点分析与实现方案及仿真实现（附带源代码在文件包中）1.视觉SLAM建图2.AGV路径规划与自主避障的自动导航技术3.UR5机械臂路径规划前言目标：某企业为3C部件精密加工企业，其加工的零件为手机玻璃，要求加工精度为±0.01mm，目前为人工运输至加工中心加工，由人工采
✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，代码获取、论文复现及科研仿真合作可私信。🍎个人主页：Matlab科研工作室🍊个人信条：格物致知。更多Matlab完整代码及仿真定制内容点击👇智能优化算法 神经网络预测 雷达通信 无线传感器 电力系统信号处理 图像处理 路径规划 元胞自动机 无人机🔥内容介绍摘要无人机三维路径规划是无人机自主导航的关键技术之一。在复杂环境中，无人机需要能够避开障碍物并规划出一条安全的航迹。本文提出了一种基于萤火虫算法的无人机三维路径规划方法。该方法首先将规划空间离散化为三
这个标题涉及到一种解决在能源系统中考虑风电不确定性的方法。让我们逐步分解这个标题，以便更好地理解其含义：计及风电不确定性：这指的是在能源系统中，风力发电的产出具有不确定性。因为风速是难以预测的，风力发电的实际产能可能会波动，导致电力系统中风电供应的不确定性。多场景多时段：这表明考虑了多种可能的情景和多个时间段。在考虑风电不确定性时，可能会分析不同风速下的多种情景，并且可能会针对不同时间段进行评估，因为风力的变化在不同时间段可能不同。安全约束：指的是在能源系统中确保运行的安全性和稳定性所设置的限制或条件。这些约束可能涉及到电力网络的稳定运行、频率控制、电压控制等方面。机组组合解耦求解方法：这指
文章目录一、注册平台二、创建首个项目三、硬件介绍一、注册平台进入官方，进行注册：在线仿真地址二、创建首个项目①新建项目②搭建一个电路③用STM32F103搭建一个简单电路④进入编码界面三、硬件介绍红框是必看文档，新手建议先看中文数据手册，不用看太多，可以边学边看。至此，环境搭建完毕，后面将在这个平台教学。在线学习仿真教学STM32F103(M3)的外设功能,无实物教学。(7天)内容：GPIO(引脚)、TIM(定时器)、ADC(采样)、I2C、SPI步骤：入门C语言–[STM32F103在线仿真]–进阶C语言–STM32F103(实物)–NRF52832(实物)–ESP32C3(实物)
主成分分析（PCA）是一种常用的数据降维技术，可以将高维数据转化为低维数据，并保留数据的主要特征。在机器学习和数据分析中，PCA被广泛应用于特征提取、数据可视化和模型训练等领域。本文将介绍如何使用Matlab实现PCA算法。1.PCA算法原理PCA算法的核心思想是将数据映射到一个新的坐标系中，使得数据在新坐标系中的方差最大。具体步骤如下：（1）对数据进行中心化，即将���个特征的均值减去对应的均值，使得数据的中心点为原点。（2）计算数据的协方差矩阵，即每个特征之间的相关性。（3）对协方差矩阵进行特征值分解，得到特征向量和特征值。（4）将特征向量按照特征值大小排序，选择前k个特征向量作为新的坐标
