一、设计电路图
创建好原理图后，在元件库面板选择Lumped-Components元件库，里面含有各种集成元件，R、L、C等，点击元件图标在画布内放置元件。点击工具栏
可添加导线，点击
可添加接地点，点击
可添加端口。设计电路图如图所示（无源滤波器）。
二、更改元件值
更改元件值有多种办法，例如在元件下方显示的原件值中直接更改。
或者左键双击元件，在参数窗口更改。
该窗口可更改元件的一系列参数 ，可根据需要修改。点击Equation Editor可对该元件的某个值用等式表示，ADS会自动计算该值。在该窗口也可更改元件类型，点击Swap Component可选择更改为其他元件。当需要更改多个元件的类型时，例如将所有电感更改为含有Q值得电感，选中每个电感
，点击Edit--Component--Swap Component，在Cell name里选择或输入INDQ，点击Swap即可更换。
三、创建Symbol
在同一cell中新建一个Symbol，右键单击cell--New--Symbol--Create Symbol--OK
ADS会根据cell中的schematic自动设置端口引脚，也可以自己手动设置引脚大小，颜色，名称等。
symbol是与schematic对应的，方便简化电路图。symbol的作用类似于元件库中的元件，可供设计师放置。
四、S参数的仿真
新建一个schematic，该schematic在新的cell中（一般一个cell中最好只有一个schematic）。在主界面直接将刚刚创建的symbol拖拽至schematic画布中放置。
在元件库选择Simulation-S_Param，点击
添加S参数仿真控制器。
双击S参数仿真控制器，弹出对话框，在“Frequency”标签页进行参数设置，包括扫描类型、扫面范围等。
而在“Parameter”标签页，可以选择计算电路的S参数，Y参数，Z参数，群延时等。
在“Noise”标签页，可选择计算噪声。“Display”标签页则是选择在画布中需要显示的信息，这在其它控件中是相似的。在Simulation-S_Param元件库中，包含了许多其他常用计算控件，例如：
计算电压增益、
计算电压驻波比、
计算增益平坦度等。添加完添加S参数仿真控制器后，再添加两个
作为负载，默认50欧姆。至此基本仿真模型搭建结束。
点击选中，再点击工具栏中
，可快捷查看symbol的电路原理图，再点击
即可返回symbol。
五、运行仿真
运行仿真有多种方式：
（1）点击菜单栏Simulate--Simulate即可；
（2）点击工具栏
快捷操作；
（3）键盘F7快捷按钮。
运行仿真后，弹出数据显示窗口。点击
插入直角坐标视图，选择需要查看的数据，例如S（1,1），点击Add，选择数据的刻度，例如dB、dBm等形式，点击OK。
一个视图可显示多个内容，将S(1,1)，S(1,2)都添加显示。
点击
可对视图进行放大、缩小、重置等操作。点击
可插入标记、寻找极值和最值等。
点击
插入数据列表视图。 可直观看出具体值。
点击
可翻页，跳行查看数据。
至此初次ADS仿真结束。但我们可以看到，目前滤波器电路的特性很差，需要进一步的调整元件值，来优化性能。这在后续内容中，将得到解决。
目录前言滤波电路科普主要分类实际情况单位的概念常用评价参数函数型滤波器简单分析滤波电路构成低通滤波器RC低通滤波器RL低通滤波器高通滤波器RC高通滤波器RL高通滤波器部分摘自《LC滤波器设计与制作》，侵权删。前言最近需要学习放大电路和滤波电路，但是由于只在之前做音乐频谱分析仪的时候简单了解过一点点运放，所以也是相当从零开始学习了。滤波电路科普主要分类滤波器：主要是从不同频率的成分中提取出特定频率的信号。有源滤波器：由RC元件与运算放大器组成的滤波器。可滤除某一次或多次谐波，最普通易于采用的无源滤波器结构是将电感与电容串联，可对主要次谐波（3、5、7）构成低阻抗旁路。无源滤波器：无源滤波器，又称
最近在学习CAN，记录一下，也供大家参考交流。推荐几个我觉得很好的CAN学习，本文也是在看了他们的好文之后做的笔记首先是瑞萨的CAN入门，真的通透；秀！靠这篇我竟然2天理解了CAN协议！实战STM32F4CAN！原文链接：https://blog.csdn.net/XiaoXiaoPengBo/article/details/116206252CAN详解（小白教程）原文链接：https://blog.csdn.net/xwwwj/article/details/105372234一篇易懂的CAN通讯协议指南1一篇易懂的CAN通讯协议指南1-知乎(zhihu.com)视频推荐CAN总线个人知识总
深度学习部署：Windows安装pycocotools报错解决方法1.pycocotools库的简介2.pycocotools安装的坑3.解决办法更多Ai资讯：公主号AiCharm本系列是作者在跑一些深度学习实例时，遇到的各种各样的问题及解决办法，希望能够帮助到大家。ERROR:Commanderroredoutwithexitstatus1:'D:\Anaconda3\python.exe'-u-c'importsys,setuptools,tokenize;sys.argv[0]='"'"'C:\\Users\\46653\\AppData\\Local\\Temp\\pip-instal
我完全不是程序员，正在学习使用Ruby和Rails框架进行编程。我目前正在使用Ruby1.8.7和Rails3.0.3，但我想知道我是否应该升级到Ruby1.9，因为我真的没有任何升级的“遗留”成本。缺点是什么？我是否会遇到与普通gem的兼容性问题，或者甚至其他我不太了解甚至无法预料的问题？ 最佳答案 你应该升级。不要坚持从1.8.7开始。如果您发现不支持1.9.2的gem，请避免使用它们(因为它们很可能不被维护)。如果您对gem是否兼容1.9.2有任何疑问，您可以在以下位置查看:http://www.railsplugins.or
如何学习ruby的正则表达式？(对于假人) 最佳答案 http://www.rubular.com/在Ruby中使用正则表达式时是一个很棒的工具，因为它可以立即将结果可视化。 关于ruby-我如何学习ruby的正则表达式？，我们在StackOverflow上找到一个类似的问题： https://stackoverflow.com/questions/1881231/
深度学习12.CNN经典网络VGG16一、简介1.VGG来源2.VGG分类3.不同模型的参数数量4.3x3卷积核的好处5.关于学习率调度6.批归一化二、VGG16层分析1.层划分2.参数展开过程图解3.参数传递示例4.VGG16各层参数数量三、代码分析1.VGG16模型定义2.训练3.测试一、简介1.VGG来源VGG（VisualGeometryGroup）是一个视觉几何组在2014年提出的深度卷积神经网络架构。VGG在2014年ImageNet图像分类竞赛亚军，定位竞赛冠军；VGG网络采用连续的小卷积核（3x3）和池化层构建深度神经网络，网络深度可以达到16层或19层，其中VGG16和VGG
文章目录1、自相关函数ACF2、偏自相关函数PACF3、ARIMA(p,d,q)的阶数判断4、代码实现1、引入所需依赖2、数据读取与处理3、一阶差分与绘图4、ACF5、PACF1、自相关函数ACF自相关函数反映了同一序列在不同时序的取值之间的相关性。公式：ACF(k)=ρk=Cov(yt,yt−k)Var(yt)ACF(k)=\rho_{k}=\frac{Cov(y_{t},y_{t-k})}{Var(y_{t})}ACF(k)=ρk=Var(yt)Cov(yt,yt−k)其中分子用于求协方差矩阵，分母用于计算样本方差。求出的ACF值为[-1,1]。但对于一个平稳的AR模型，求出其滞
目录0专栏介绍1平面2R机器人概述2运动学建模2.1正运动学模型2.2逆运动学模型2.3机器人运动学仿真3动力学建模3.1计算动能3.2势能计算与动力学方程3.3动力学仿真0专栏介绍?附C++/Python/Matlab全套代码?课程设计、毕业设计、创新竞赛必备！详细介绍全局规划(图搜索、采样法、智能算法等)；局部规划(DWA、APF等)；曲线优化(贝塞尔曲线、B样条曲线等)。?详情：图解自动驾驶中的运动规划(MotionPlanning)，附几十种规划算法1平面2R机器人概述如图1所示为本文的研究本体——平面2R机器人。对参数进行如下定义：机器人广义坐标
写在之前Shader变体、Shader属性定义技巧、自定义材质面板，这三个知识点任何一个单拿出来都是一套知识体系，不能一概而论，本文章目的在于将学习和实际工作中遇见的问题进行总结，类似于网络笔记之用，方便后续回顾查看，如有以偏概全、不祥不尽之处，还望海涵。1、Shader变体先看一段代码......Properties{ [KeywordEnum(on,off)]USL_USE_COL("IsUseColorMixTex?",int)=0 [Toggle(IS_RED_ON)]_IsRed("IsRed?",int)=0}......//中间省略，后续会有完整代码 #pragmamulti_c
一、机器人介绍 此处是基于MATLABRVC工具箱，对ABB-IRB-1200型号的微型机械臂进行正逆向运动学分析，并利Simulink工具实现对机械臂进行具有动力学参数的末端轨迹规划仿真，最后根据机械模型设计Simulink-Adams联合仿真。 图1.ABBIRB 1200尺寸参数示意图ABBIRB 1200提供的两种型号广泛适用于各作业，且两者间零部件通用，两种型号的工作范围分别为700 mm 和 900 mm，大有效负载分别为 7 kg 和5 kg。 IRB 1200 能够在狭小空间内能发挥其工作范围与性能优势，具有全新的设计、小型化的体积、高效的性能、易于集成、便捷的接
