用KCF的追踪过程代替TLD的追踪过程，保留了TLD的检测和学习过程，但是没有加入旋转的特征学习，对于旋转的处理还是不行，有空自己慢慢写咯，要是tld的代码都运行不来的话建议先看看如何加载tld的配置文件，要是opencv的配置也不会的话，建议不要下载
2024/1/3 19:16:40
31.26MB
1
稀疏度自适应正则回溯匹配追踪算法（SAMPalgorithmbasedonregularizedbacktracking，SAMP-RB）是一种有效的压缩感知重构算法，在原子选择阶段引入回溯的思想，提高了重构精度，减少了重构时间。
但SAMP-RB算法重构时采用步长不变的思想，容易因步长设置不合理而导致过估计或欠估计的问题。
针对该问题，为提高残差大时的逼近速度，及残差小时的逼近精度，提出抛物线函数步长选择方法，并将其引入SAMP-RB算法。
理论分析与仿真结果表明，改进后的变步长正则回溯稀疏度自适应匹配追踪算法在提高重构精度的同时，重构时间降低了20%左右，因此验证了改进算法的有效性。
但SAMP-RB算法重构时采用步长不变的思想，容易因步长设置不合理而导致过估计或欠估计的问题。
针对该问题，为提高残差大时的逼近速度，及残差小时的逼近精度，提出抛物线函数步长选择方法，并将其引入SAMP-RB算法。
理论分析与仿真结果表明，改进后的变步长正则回溯稀疏度自适应匹配追踪算法在提高重构精度的同时，重构时间降低了20%左右，因此验证了改进算法的有效性。
2023/11/3 19:16:27
1.3MB
1
稀疏表示波达方向（DOA）估计算法具有分辨力高等优点，但是对阵元个数要求高、低信噪比时估计功能恶化严重，不利于在实际系统中应用。
为此，提出一种基于实信号特点的稀疏表示波达方向估计算法。
首先，建立实值稀疏表示的DOA估计模型，能够将阵元数虚拟加倍；
其次，利用正交三角分解对估计模型变型，从而改善低信噪比时的估计功能；
最后，利用正交匹配追踪算法得到估计结果。
仿真实验结果表明，相对传统稀疏表示算法，具有更低的估计误差和更好的实时性，在实际工程中应用前景广阔。
为此，提出一种基于实信号特点的稀疏表示波达方向估计算法。
首先，建立实值稀疏表示的DOA估计模型，能够将阵元数虚拟加倍；
其次，利用正交三角分解对估计模型变型，从而改善低信噪比时的估计功能；
最后，利用正交匹配追踪算法得到估计结果。
仿真实验结果表明，相对传统稀疏表示算法，具有更低的估计误差和更好的实时性，在实际工程中应用前景广阔。
2021/3/21 4:44:13
934KB
1
根据分布式压缩感知理论,提出一种宽带协作频谱感知的方式。
该方式相比于以往的协作压缩频谱感知方式,认知用户传向融合中心的数据精简为压缩信号,各个压缩信号在融合中心进行融合重构,这样就减少传向融合中心的数据量,缓解融合中心的数据压力,并且可以提高信号重构的成功率。
同时,根据压缩抽样匹配追踪算法,提出一种联合压缩抽样匹配追踪算法。
该算法思想是通过加权融合测量样本、迭代重构原信号,以恢复共同的频谱支撑集,完成协作频谱感知。
仿真结果表明:与经典的DCS-SOMP算法相比,本文算法功能更优,所需的滤波器数更少。
该方式相比于以往的协作压缩频谱感知方式,认知用户传向融合中心的数据精简为压缩信号,各个压缩信号在融合中心进行融合重构,这样就减少传向融合中心的数据量,缓解融合中心的数据压力,并且可以提高信号重构的成功率。
同时,根据压缩抽样匹配追踪算法,提出一种联合压缩抽样匹配追踪算法。
该算法思想是通过加权融合测量样本、迭代重构原信号,以恢复共同的频谱支撑集,完成协作频谱感知。
仿真结果表明:与经典的DCS-SOMP算法相比,本文算法功能更优,所需的滤波器数更少。
2021/9/8 14:25:08
357KB
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。
2024-04-09 15:03
15KB