针对传统的切比雪夫加权阵列仅局限于一维线阵，而很多应用如卫星天线、雷达天线等使用的都是二维平面阵列，本文首先推导了一维切比雪夫阵列权值的计算公式，并仿真验证其对旁瓣抑制的效果。接着重点提出了两种均匀面阵的切比雪夫权值计算方法，即二维切比雪夫多项式近似法和二维窗函数法，仿真验证了该方法的正确性和有效性。
AndroidBuild系统是用来编译Android系统、AndroidSDK以及相关文档的一套框架。在Android系统中，Android 的源码中包含了许许多多的模块。不同产商的不同设备对于Android系统的定制都是不一样的。如何将这些模块统一管理起来，如何能够在不同的操作系统上进行编译，如何在编译时能够支持面向不同的硬件设备，不同的编译类型，且还要提供面向各个产商的定制扩展，Android系统如何解决这些问题呢？这就是我们不得不谈的Android
针对SDRAM时序控制复杂等设计难点，提出了一种基于现场可编程门阵列 （FPGA） 设计SDRAM控制器的方法。使用状态机的设计思想， 采用Verilog 硬件描述语言对时序控制程序进行了设计。通过Modelsim SE 6.0开发平台进行了时序仿真，得到的SDRAM读写仿真波形图时序合理、逻辑正确。
本文实例讲述了Python中for循环控制语句用法。分享给大家供大家参考。具体分析如下： 第一个：求 50 – 100 之间的质数 import math for i in range(50, 100 + 1): for j in range(2, int(math.sqrt(i)) + 1): if i % j == 0: break else: print i 输出如下： 53 59 61 67 71 73 79 83 89 97 第二个：把else的位置与if处于同一缩进。 import math for i in range(50, 1
为什么要改进成C4.5算法 原理 C4.5算法是在ID3算法上的一种改进，它与ID3算法最大的区别就是特征选择上有所不同，一个是基于信息增益比，一个是基于信息增益。 之所以这样做是因为信息增益倾向于选择取值比较多的特征(特征越多，条件熵(特征划分后的类别变量的熵)越小，信息增益就越大)；因此在信息增益下面加一个分母，该分母是当前所选特征的熵，注意：这里而不是类别变量的熵了。 这样就构成了新的特征选择准则，叫做信息增益比。为什么加了这样一个分母就会消除ID3算法倾向于选择取值较多的特征呢？ 因为特征取值越多，该特征的熵就越大，分母也就越大，所以信息增益比就会减小，而不是像信息增益那样增大了，一
