第一节 概述 第二节 程序的格式 第三节 数据类型和存储类型 第四节 运算符和表达式 第五节 指针与函数 第六节 片内硬件资源的定义 第七节 程序的基本结构 第八节 C51程序举例 第九节 Windows环境下C51编译器的操作

经济适用的单片机应用系统，必然包 含合适的外围器件。外围器件与单片机的 接口是单片机应用系统至关重要的环节。 本章主要讲述MCS-51单片机与常见的程序 存储器、数据存储器、数字I/O通道的接口 技术，模拟输入输出通道和单片机的接口 技术下章讲述

本章介绍MCS－51单片机的指令格式 和寻址方式，讲述数据传送、算术运算、 逻辑运算及移位、位操作、控制转移指令， 我们应对常用的指令熟练掌握，以便为程 序设计打下必要的基础

第一节 均匀试验设计的概念和特点 第二节 均匀试验设计表 第三节 均匀试验设计的基本方法

TMS320C54x芯片是一种特殊结构的微处理器， 为了快速地实现数字信号处理运算，采用了流水线指 令执行结构和相应的并行处理结构，可在一个周期内 对数据进行高速的算术运算和逻辑运算。 本章主要介绍TMS320C54x芯片的硬件结构，重 点对芯片的引脚功能、CPU结构、内部存储器、片 内外设电路、系统控制以及内外部总线进行了讨论

协议就是规范。安全协议是对某些 基于密码体制的信任关系的规范。 具体地说，就是在密码体制的基础 上，根据应用目的，将密钥分配、 身份认证、信息保密以及数据交换 予以规范化

随着我国隧道工程建设的快速发展,由隧道病害引发的隧道质量和安全问题越发常见.通过地质雷达探测隧道病害对于减少隧道质量和安全问题具有十分重要的意义,为了提高病害探测的效率及可靠性,基于雷达反射波信号多维度分析,提出一种隧道病害智能辨识的新方法.根据反射波信号时域、频域及时频域分析结果提取病害信号辨识的6个典型特征,利用支持向量机算法对典型特征的训练构建病害信号的二分类模型,实现了病害水平分布范围的自动辨识;再依据病害信号的第一本征模态函数分量振幅包络计算病害深度分布范围,最终实现隧道病害的智能辨识.结合某隧道回填层雷达实测数据对智能辨识算法的性能进行评价,与人工辨识结果的对比表明,该智能算法对于病害的辨识能力较强,病害的识别率高达100%,但辨识结果中同时存在少量误判,准确率达78.6%,满足工程应用的需求.该算法可用于隧道工程各类地质雷达探测数据中病害的智能辨识,而对于其他领域的地质雷达探测数据,本文研究成果亦可为不同类型探测目标智能辨识算法的设计提供可行思路

教学目的 ◼ 指令和指令系统的概念与分类。 ◼ 掌握指令的格式和寻址方式。 ◼ 掌握数据传送、算术运算、逻辑运算、 控制转移和位操作指令的功能和应用。 学习重点和难点 ◼ 指令的寻址方式。 ◼ 控制转移指令和位操作指令

在贝叶斯理论框架下, 提出了一种基于多源数据融合的深埋硬岩隧道围岩参数概率反演方法.首先, 分析硬岩隧道常用的启裂-剥落界限本构模型中围岩单轴抗压强度、启裂强度与抗压强度比及抗拉强度三个参数不确定性来源, 确定其概率统计特征; 其次, 利用粒子群算法优化多输出支持向量机, 建立反映反演参数与隧道监测数据间非线性映射关系的智能响应面; 最后, 结合贝叶斯分析方法构建概率反演模型, 运用马尔科夫链蒙特卡洛模拟算法实现了围岩参数的动态更新.将该方法应用到某深埋硬岩隧道中, 利用反演的围岩参数计算隧道拱顶下沉点、周边收敛点变化值及开挖损伤区深度, 与监测数据吻合较好.结果表明, 该方法可以实现围岩多参数快速概率反演, 更新后的参数可用于硬岩隧道施工安全风险评估与结构可靠性设计

• 深度学习基础 – 深度学习的发展过程 – 深度学习常用技术框架 – 常用深度学习算法 • 音频质量评价 – 音频样本及特征预处理 – 音频特征选择 – 卷积神经网络模型训练 • 模型参数调优 • 性能验证