该程序需要在主页面先下载wall_delay程序，该程序在墙后建立了长为2米，宽为0.6米的矩形，利用后投影算法以及快速时延估计进行成像。
并且计算最佳带宽，最佳中心频率，阵列天线数量，陈列天线间隔。
使得成像质量很好。
缺点在于：计算量偏大。

意大利专家的多年模型预测控制算法总结，共有9章，2021年更新，可用于BMSSOC估计，PMSM估计等

自抗扰控制技术估计补偿不确定因素的控制技术韩京清编著的书籍

在移动机器人导航方面，卡尔曼滤波是最常用的状态估计方法。
直观上来讲，卡尔曼滤波器在这里起了数据融合的作用，只需要输入当前的测量值（多个传感器数据）和上一个周期的估计值就能估计当前的状态，这个估计出来的当前状态综合考量了传感器数据（即所谓的观察值、测量值）和上一状态的数据，为当前最优估计，可以认为这个估计出来的值是最可靠的值。
由于我们在SLAM中主要用它做位置估计，所以前面所谓的估计值就是估计位置坐标了，而输入的传感器数据包括码盘推算的位置、陀螺仪的角速度等（当然可以有多个陀螺仪和码盘），最后输出的最优估计用来作为机器人的当前位置被导航算法以外的其他程序所调用。

用MATLAB的T_TIDE程序_省略_行包含误差估计的经典潮汐调和分析_Ric

这本是高清版学习OFDM值得一读。
全书共分10章。
第1章简要介绍无线通信系统的发展历程以及无线衰落信道的基本特性；
第2章介绍OFDM技术的基本原理与特性；
第3章叙述了OFDM技术内峰值平均功率比的问题，并且讨论若干抑制过高峰均比的方法；
第4章详细介绍OFDM技术内非常关键的同步问题；
第5章介绍OFDM技术内的信道估计；
第6章针对动态功率、比特分配在OFDM系统内的灵活应用进行讨论；
第7章介绍各种编码在OFDM技术内的应用，并且讨论最新的编码方法；
第8章分析多种不同的多址方案与OFDM技术的结合；
第9章详细介绍OFDM在多个领域内的应用，其中包括DAB、DVB、WLAN和ADSL等；
最后第10章简单介绍未来移动通信系统（NextG）的关键概念，以及适于传输高速数据流的MIMOOFDM系统。
本书可作为通信工程技术人员和通信专业的本科生、研究生的参考书。

BAT机器学习面试1000题系列1前言1BAT机器学习面试1000题系列21归一化为什么能提高梯度下降法求解最优解的速度？222归一化有可能提高精度223归一化的类型231）线性归一化232）标准差标准化233）非线性归一化2335.什么是熵。
机器学习ML基础易27熵的引入273.1无偏原则2956.什么是卷积。
深度学习DL基础易38池化，简言之，即取区域平均或最大，如下图所示（图引自cs231n）40随机梯度下降46批量梯度下降47随机梯度下降48具体步骤：50引言721.深度有监督学习在计算机视觉领域的进展731.1图像分类（ImageClassification）731.2图像检测（ImageDection）731.3图像分割（SemanticSegmentation）741.4图像标注–看图说话（ImageCaptioning）751.5图像生成–文字转图像（ImageGenerator）762.强化学习（ReinforcementLearning）773深度无监督学习（DeepUnsupervisedLearning）–预测学习783.1条件生成对抗网络（ConditionalGenerativeAdversarialNets，CGAN）793.2视频预测824总结845参考文献84一、从单层网络谈起96二、经典的RNN结构（NvsN）97三、NVS1100四、1VSN100五、NvsM102RecurrentNeuralNetworks105长期依赖（Long-TermDependencies）问题106LSTM网络106LSTM的核心思想107逐步理解LSTM108LSTM的变体109结论110196.L1与L2范数。
机器学习ML基础易163218.梯度下降法的神经网络容易收敛到局部最优，为什么应用广泛？深度学习DL基础中178@李振华，https://www.zhihu.com/question/68109802/answer/262143638179219.请比较下EM算法、HMM、CRF。
机器学习ML模型中179223.Boosting和Bagging181224.逻辑回归相关问题182225.用贝叶斯机率说明Dropout的原理183227.什么是共线性,跟过拟合有什么关联?184共线性：多变量线性回归中，变量之间由于存在高度相关关系而使回归估计不准确。
184共线性会造成冗余，导致过拟合。
184解决方法：排除变量的相关性／加入权重正则。
184勘误记216后记219

opencv图像处理机器视觉不可多得的，用python语言开发的书，作者爱尔兰乔.米尼奇诺。
覆盖深度估计与分割，人脸识别。
图像检索。
目标识别跟踪、神经网络等方面。

1、matlab实现原文例子；
2、Walcott-Zak观测器虽然对系统的非线性/不确定性具有鲁棒性，但观测器设计需要满足严格的假设条件，设计参数的选取需要计算大量不等式，当系统维数较高时，往往难以实现。
在Walcott-Zak基础上，提出了一种鲁棒滑模观测器，基于设计新的控制策略，避免了Walcott-Zak观测器所必须满足的严格条件，设计参数的求取不需要求解大量方程，同时能够保证对非线性/不确定性具有鲁棒性。
通过设计滑模，可以调整观测器跟踪系统状态的收敛速度，使状态估计达到预期目标，仿真结果验证了控制策略的有效性。

MATLAB代码经典功率谱估计，Welch法、协方差法、周期图、burg法及其对比，附完整注释

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。