DSP实验，用matlab平台实现电话拨号音的产生和识别。
文件夹内赠送一篇实验报告，有详细的原理讲解和代码讲解可以参照。
拨号文件为：Dail.m检测文件为：Detect.m实验参数可调，具体参数列表参见实验报告。

这是一份完整的毕业设计，系统是参照实习时候接触到的一个车辆管理系统的需求自己做的，这是一个简化版的车辆管理系统，无论程序还是功能设计还不是很完美，这里给有需要学习的同学一个参考，如对程序设计有任何意见，欢迎提出讨论。
文件清单：程序源代码数据库sql开题报告任务书毕业答辩PPT

针对不同的衰落（对数正态分布、瑞利衰落、Nakagami衰落），发射端采用不同的功率分配方案，绘制出相应的平坦衰落信道容量随平均接受信噪比变化的曲线，并进行对比分析。
具体曲线参照AndreaGoldsmith的《WIRELESSCOMMUNICATIONS》教材中Figure4.6、Figure4.7、Figure4.8。
由于水平有限，仅供初学者入门学习，部分程序在运行时会报错和警告，可能是由于matlab程序中使用的integral等求解积分方程的函数，建议在matlab2012a以上的版本运行，本代码是在matlab2017b的版本上运行。
如过聪明的你能发现错误并代码优化，期待大神不吝赐教。

导频子载波信道估计的matlab仿真程序，可以参照使用

[宏声]江苏高考志愿填报参照系统(2009文科版)下载(

识别0-9十个数字，BP神经网络数字识别源代码使用说明第一步：训练网络。
使用训练样本进行训练。
（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。
首先，打开图像（256色）；
再次，进行归一化处理，点击“一次性处理”；
最后，点击“R”或者使用菜单找到相应项来进行识别。
识别的结果显示在屏幕上，同时也输出到文件result.txt中。
该系统的识别率一般情况下为90%。
此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。
具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“去噪”－“倾斜校正”－“分割”－“标准化尺寸”－“紧缩重排”。
注意，待识别的图片要与win.dat和whi.dat位于同一目录，这两文件保存训练后网络的权值参数。
具体使用请参照书中说明。

此PHP-SDK是改进后版本(相对于本人之前上传的),改进有以下几点:1)新增部分外部联系人处理的SDK代码(截止到目前,企业微信官方SDK中没有关于外部联系人处理的SDK代码)2)新增外部联系人回调事件处理3)修改并纠正了部分语法问题4)修改了原SDK的回调类中的验证回调url有效性,加密方法,解密方法(根据企业微信官方修改记录所做的同步修改,并测试有效)5)具体可参照本人CSDN的两篇博客,博客中会着重说明本人在开发时遇到的问题及其解决方案,包括注意事项,一篇企业应用开发(已发表),一篇企业外部联系人回调事件(待发表/近期发表,注意更新)

一、气相色谱仪1、晶体管交流稳压电源3KVA220V2、要求电压波动范围在±5％以内，频率偏差±0.5HZ。
3、气体N2纯度：参照第二页表1瓶/台岛津公司的氮气导管一根H2纯度：参照第二页表1瓶/台岛津公司的氢气导管一根压缩空气1瓶/台或岛津配套的空压机及导管

压缩包中包含的具体内容：对给定数据中的6个不同场景图像，进行全景图拼接操作，具体要求如下：（1） 寻找关键点，获取关键点的位置和尺度信息（DoG检测子已由KeypointDetect文件夹中的detect_features_DoG.m文件实现；
请参照该算子，自行编写程序实现Harris-Laplacian检测子）。
（2） 在每一幅图像中，对每个关键点提取待拼接图像的SIFT描述子（编辑SIFTDescriptor.m文件实现该操作，运行EvaluateSIFTDescriptor.m文件检查实现结果）。
（3） 比较来自两幅不同图像的SIFT描述子，寻找匹配关键点（编辑SIFTSimpleMatcher.m文件计算两幅图像SIFT描述子间的Euclidean距离，实现该操作，运行EvaluateSIFTMatcher.m文件检查实现结果）。
（4） 基于图像中的匹配关键点，对两幅图像进行配准。
请分别采用最小二乘方法（编辑ComputeAffineMatrix.m文件实现该操作，运行EvaluateAffineMatrix.m文件检查实现结果）和RANSAC方法估计两幅图像间的变换矩阵（编辑RANSACFit.m文件中的ComputeError()函数实现该操作，运行TransformationTester.m文件检查实现结果）。
（5） 基于变换矩阵，对其中一幅图像进行变换处理，将其与另一幅图像进行拼接。
（6） 对同一场景的多幅图像进行上述操作，实现场景的全景图拼接（编辑MultipleStitch.m文件中的makeTransformToReferenceFrame函数实现该操作）。
可以运行StitchTester.m查看拼接结果。
（7） 请比较DoG检测子和Harris-Laplacian检测子的实验结果。
图像拼接的效果对实验数据中的几个场景效果不同，请分析原因。
已经实现这些功能，并且编译运行均不报错！

1:1女性3D模型，SolidWorks2009后的版本可打开，模型尺寸参照国标GB-1988，模型个头1:1

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。