基于FPGA的FM调制与解调，资源为FM工程文件和说明文件，软件QuartusII11.0，语言verilogHDL，调制信号为正弦波，载波信号为正弦波，FM调制直接调频（DDS技术），FM解调非相干解调（微分，取绝对值，低通滤波器）。
一个完整的FM调制/解调系统主要分为模数（AD）转换器、FM调制器/解调器和数模（DA）转换器这三部分。
在本次设计中，信源用正弦波代替，载波同样也是正弦波，在FPGA内部通过DDS产生正弦信号来模拟AD采样数据。
在做FM解调器的实现时，调制器的输出直接在FPGA内部连接解调器的输入，不经过DAC输出与ADC输入，解调器直接输入调制后的离散的波形数据。
如图1所示，直接用数字已调信号代替量化后的模拟已调信号，虚线方框内的部分省略掉了。

结合图像处理技术和概率数据关联（PDA）运动模型，我们开发了一种新颖的框架来解决噪声背景不佳的非机电系统的对象跟踪问题。
新模型具有两个优点：（1）通过集成统计运动模型，可以比现有模型更精确地模拟许多非机电系统中的对象运动。
（2）由于采用了全局搜索的最佳模型参数，与依赖连续帧区分的其他方法相比，该模型更好地在高噪声环境中跟踪对象。
我们在提出的模型中推导了期望最大化（EM）算法。
合成数据和图像数据集都证明了其有用性。
引入了模型稳定性以量化模型的实用性。

一套虚拟币量化交易源码。
实现了一些主流市场的行情、交易接口，以及后台管理量化策略，实时信号通知等功能。

第一章人工神经网络…………………………………………………3§1.1人工神经网络简介…………………………………………………………31．1人工神经网络的起源……………………………………………………31．2人工神经网络的特点及应用……………………………………………3§1.2人工神经网络的结构…………………………………………………42．1神经元及其特性…………………………………………………………52．2神经网络的基本类型………………………………………………62.2.1人工神经网络的基本特性……………………………………62.2.2人工神经网络的基本结构……………………………………62.2.3人工神经网络的主要学习算法………………………………7§1.3人工神经网络的典型模型………………………………………………73．1Hopfield网络…………………………………………………………73．2反向传播(BP)网络……………………………………………………83．3Kohonen网络…………………………………………………………83．4自适应共振理论(ART)……………………………………………………93．5学习矢量量化（LVQ）网络…………………………………………11§1.4多层前馈神经网络（ＢＰ）模型…………………………………………124．1BP网络模型特点 ……………………………………………………124．2BP网络学习算法………………………………………………………134.2.1信息的正向传递………………………………………………134.2.2利用梯度下降法求权值变化及误差的反向传播………………144．3网络的训练过程………………………………………………………154．4BP算法的改进………………………………………………………154.4.1附加动量法………………………………………………………154.4.2自适应学习速率…………………………………………………164.4.3动量-自适应学习速率调整算法………………………………174．5网络的设计………………………………………………………………174.5.1网络的层数…………………………………………………174.5.2隐含层的神经元数……………………………………………174.5.3初始权值的选取………………………………………………174.5.4学习速率…………………………………………………………17§1.5软件的实现………………………………………………………………18第二章遗传算法………………………………………………………19§2.1遗传算法简介………………………………………………………………19§2.2遗传算法的特点…………………………………………………………19§2.3遗传算法的操作程序………………………………………………………20§2.4遗传算法的设计……………………………………………………………20第三章基于神经网络的水布垭面板堆石坝变形控制与预测§3.1概述…………………………………………………………………………23§3.2样本的选取………………………………………………………………24§3.3神经网络结构的确定………………………………………………………25§3.4样本的预处理与网络的训练……………………………………………254．1样本的预处理………………………………………………………254．2网络的训练……………………………………………………26§3.5水布垭面板堆石坝垂直压缩模量的控制与变形的预测…………………305．1面板堆石坝堆石体垂直压缩模量的控制……………………………305．2水布垭面板堆石坝变形的预测……………………………………355．3BP网络与COPEL公司及国内的经验公式的预测结果比较…35§3.6结论与建议………………………………………………………………38第四章BP网络与遗传算法在面板堆石坝设计参数控制中的应用§4.1概述………………………………………………………………………39§4.2遗传算法的程序设计与计算………………………………………………39§4.3结论与建议…………………………………………………………………40参考文献…………………………………………………………………………

LSB(LSB:leastsignificantbits):将信息嵌入到随机选择的图像点中最不重要的像素位上，这可保证嵌入的隐写信息是不可见的。
优点：操作简单，实现容易，隐藏信息量相对比较大。
缺点：由于使用了图像不重要的像素位，算法的鲁棒性差，隐写信息很容易为滤波、图像量化、几何变形的操作破坏。

《基于内容图像检索技术》从理论方法研究与实现技术角度，总结归纳了基于内容图像检索（CBIR）技术的研究与进展，并融入了作者多年来的相关研究与应用成果，系统地介绍了CBIR的主要概念、基本原理、典型方法、实用范例以及新动向。
《基于内容图像检索技术》共有12章分为五部分：第一部分是概述，分析了CBIR的体系结构、技术现状和发展趋势；
第一部分讨论图像特征提取，给出图像低层特征（颜色、形状、纹理、空间关系）和图像高层特征（语义）提取算法，论述了综合图像多特征的检索方法以及三维模型检索的前沿研究；
第三部分是优化，论述了特征优化与过程优化；
第四部分给出了相关性评价与量化评价的通用方法；
第五部分介绍原型系统与应用实例，介绍了作者设计实现的原型检索系统与应用实例。
　　《基于内容图像检索技术》注重理论分析与算法实践相结合。
体系完善，书中所列算法均已调试通过，配有适量习题，每章均附有参考文献与小结，便于参考查阅。
《基于内容图像检索技术》内容详实。
比较实用，可供电子工程、计算机科学与技术、媒体制作和生产、远程教育和医疗、公安、遥感等领域的科技工作者参考，亦可作为高校电子工程、计算机及相关专业研究生教材。
第1章基于内容图像检索技术概述　　第2章基于颜色特征的图像检索　　第3章基于形状特征的图像检索　　第4章基于纹理特征的图像检索　　第5章基于空间关系的图像检索　　第6章基于语义的图像检索　　第7章综合多特征的图像检索　　第8章三维模型检索　　第9章图像检索中的特征优化　　第10章图像检索中的相关反馈过程优化　　第11章图像检索系统性能评价　　第12章基于内容图像检索的原型系统及应用实例

python量化交易，掘金量化，自动化，大数据

用队列结构可以模拟现实世界生活中的很多排队现象。
例如车站候车、医院候诊、等候理发等各种排队现象都可以通过程序进行仿真，并由此预测客流等多种经营指标，为经办人的决策提供有价值的量化指标。
队列结构有着其本身极其特殊的特点：先进先出（FirstinFirstout缩写为FIFO）。
他本质上还是一中种线形表，允许在表的一端进行插入，而在另一端删除元素。
这和我们生活中的排队理发现象很一致：最早进入的人最早能得到服务离开，某一个人不可能在他前面的人未得到服务时就抢先得到服务。
这样我们就可以假设理发店中有N把椅子，理发店在start点开门营业并连续营业T个时间单位，当我们把某一既定理发店的这些信息输入后，经过计算机的模拟就可以看到所有有关顾客理发的信息。

与传统的小波分解相比，提升小波可以实现整数小波变换，其方法与一般去噪法相同，都是对小波分解的高频系数进行阈值量化来达到去噪的目的。

速率控制（RC）是对编码器性能产生重大影响的关键技术。
并行视频编码框架已广泛用于超高清（UHD）实时视频编码中。
但是，大多数RC算法主要关注速率失真（RD）性能，而没有考虑多核平台上的并行数据依赖性和实现复杂性。
在本文中，我们提出了一种并行友好的RC算法，该算法已在并行H264/AVCUHD视频编码器上实现。
所提出的RC算法的显着之处在于帧的比特分配是并行编码和低复杂度。
实验结果表明，与恒定量化参数（CQP）的编码方式相比，所提出的速率控制算法具有较高的RC精度和良好的缓冲区控制性能，并获得了RD性能的提升。

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。