小波阈值去噪的程序,包括默认阈值去噪、全局阈值去噪、自适应阈值去噪。
2024/9/12 10:06:36 958B 小波阈值去噪
1
FastICA算法不需要计算高阶统计量,收敛速度快.将快速FastICA算法应用到脑电信号的去噪中
2024/9/9 12:58:28 41KB 快速盲分离信号盲源分离
1
【实验目的】(1)用LABVIEW产生随机数。
(2)统计随机数的概率分布密度函数及相关函数特性。
(3)模拟产生AWGN及ISI信道,添加到数字通信仿真系统中,以便观察信噪比改变对误码率等的影响。
(4)产生m序列信号源,验证m序列的伪随机性以及伪随机序列的自相关函数的双值特性。
(5)产生误码检测模块,观察平均误码率随信噪比的改变,绘制相应的曲线。
2024/9/8 12:22:55 1.72MB labview AGWN/ISI m序列
1
以前的分散式认知媒体访问控制(DC-MAC)协议允许次要用户(SU)独立搜索频谱访问机会,而无需中央协调员。
DC-MAC假定检测方案在物理(PHY)层是理想的。
实际上,在分布式频谱共享方案中,更复杂的检测算法是不切实际的。
由于PHY层的能量检测(ED)计算和实现复杂度较低,因此已成为最常用的方法。
因此,至关重要的是在PHY层将DC-MAC与ED集成在一起。
但是,ED需要最低采样时间(MST)持续时间才能在低信噪比(SNR)环境中实现目标检测概率。
否则,将无法达到预期的检测性能。
在本文中,我们推导了在低SNR环境中ED的MST的准确表达。
然后,我们提出了一种基于MST的优化DC-MAC(ODC-MAC)协议,该协议对上述带有ED的DC-MAC问题进行了修正。
此外,对于DC-MAC和ODC-MAC都导出了不可靠的数据传输概率的闭式表达式。
我们表明,仿真结果与理论分析吻合良好。
与传统的DC-MAC相比,所提出的ODC-MAC可以提高数据传输的可靠性并提高吞吐量。
2024/9/7 4:30:45 2.62MB cognitive radio; energy detection;
1
实现默认设置下的BM3D去噪算法,为简单起见,图像用PS转成纯数据的RAW格式
2024/8/31 3:40:25 33KB BM3D C语言
1
该文献为雷达信号的MATLAB仿真,内容涉及线性调频信号的产生,模糊函数,脉冲压缩,相参积累,信噪比
1
用于计算振动信号频域的幅值谱,程序中可以选择不同的降噪方式
2024/8/22 0:58:17 4KB matlab 频域特征
1
java图像处理方法:灰度化,二值化,降噪,切割,裁剪,找相似等.zip
2024/8/21 17:47:38 21KB java
1
采用sym4小波对信号进行3层分解,并进行强制消噪对信号进行重构。
2024/8/21 16:44:07 1KB 小波 滤波
1
给定皮肤镜黑素细胞瘤图像,检测毛发噪声,并修复毛发遮挡部位的信息。
皮肤镜图像毛发去噪,主要包括五个步骤:波谷检测器、阈值分割、区域生长、标记连通域、掩膜恢复重建。
2024/8/21 10:32:15 4KB 图像处理
1
共 603 条记录 首页 上一页 下一页 尾页
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。
2024-04-09 15:03 15KB 钉钉 钉钉打卡