仿真脉冲多卜勒雷达的信号处理。
设脉冲宽度为各学生学号末两位数，单位为μs，重复周期为200μs，雷达载频为10GHz，输入噪声为高斯白噪声。
目标模拟分单目标和双目标两种情况，目标回波输入信噪比可变（-35dB～10dB），目标速度可变（0～1000m/s），目标幅度可变（1～100），目标距离可变（0～10000m），相干积累总时宽不大于10ms。
单目标时，给出回波视频表达式；
脉压和FFT后的表达式；
仿真给出脉压和FFT后的输出图形；
通过仿真说明各级处理的增益，与各级时宽和带宽的关系；
仿真说明脉压时多卜勒敏感现象和多卜勒容限及其功能损失（脉压主旁比与多卜勒的曲线）。
双目标时，仿真出大目标旁瓣盖掩盖小目标的情况；
仿真出距离分辨和速度分辨的情况。
注意：1、白噪声加入采用randn函数；
2、整体产生回波，再整体加时延和多卜勒信息；
3、通过数据计算出输出信噪比；

基于meanshift的单目标跟踪算法实现说明：1.RGB颜色空间刨分，采用16*16*16的直方图2.目标模型和候选模型的概率密度计算公式参照上文3.opencv版本运转：按P停止，截取目标，再按P，进行单目标跟踪4.Matlab版本，将视频改为图片序列，第一帧停止，手工标定目标，双击目标区域，进行单目标跟踪。
博客地址：http://blog.csdn.net/jinshen

引见粒子群算法的引见及理论，其中提到了单目标优化约束条件的问题，多目标约束条件的优化等等。

粒子群单目标PID整定MATLAB完成：包括源程序和simulink建模

MATLAB目标追踪单目标：实现对人物追踪（视频背景不动）多目标：实现对汽车追踪将追踪目标用矩形框标志出来程序使用GUI界面方式先添加视频，然后单击“单目标追踪”或“多目标追踪”即可实现，需要注意的是：选择“单目标”视频时，必须单击“单目标追踪按钮”，同理选择“多目标”视频时，必须单击“多目标追踪按钮”，否则报错!!!

最近做了一些多目标跟踪方向的调研，因此把调研的结果以图片加文字的方式展现出来，希望能帮助到入门这一领域的同学。
也欢迎大家和我讨论关于这一领域的任何问题。
这些是我所了解的多目标跟踪（MOT）的一些相关方向。
其中单目标跟踪（VOT/SOT）、目标检测（detection）、行人重识别（Re-ID）都是非常热门的方向。
而偏视频的相关方向就比较冷门。
而且今年五月DukeMTMC因为隐私问题不再提供MTMCT的数据了，MTMCT的研究也是举步维艰。
因此绝大多数MOT算法无外乎就这四个步骤：①检测②特征提取、运动预测③相似度计算④数据关联。
其中影响最大的部分在于检测，检测结果的好坏对于最后指标的影响是最大

多目标算法：NSGA-II，SPEA2，PAES，PESA-II，OMOPSO，MOCell，AbYSS，MOEA/D，GDE3，IBEA，SMPSO，SMPSOhv，SMS-EMOA，MOEA/D-STM，MOEA/D-DE，MOCHC，MOMBI，MOMBI-II，NSGA-III，WASF-GA，GWASF-GA，R-NSGA-II，CDG-MOEA，ESPEA，SMSPO/RP单目标算法：遗传算法（变体：世代，稳态），进化策略（变体：精英或mu+lambda，非精英或mu，lambda），DE，CMA-ES，PSO（Stantard2007，Standard2011）），珊瑚礁优化。
可以并行执行的算法：NSGA-II，SMPSO，GDE3，SPEA2，PESA-II包含的问题：问题族：ZDT，DTLZ，WFG，CEC2009，LZ09，GLT，MOP，CEC2018古典问题：库尔索，丰塞卡，沙弗，Viennet2，Viennet3受约束的问题：Srinivas，Tanaka，Osyczka2，Constr_Ex，Golinski，Water，Viennet4组合问题：多目标TSP学术问题：OneMax，OneZeroMax质量指标：超量，扩散，世代距离，反世代距离，反世代距离加，加性ε。
变量表示方式：二进制，实数，整数，置换，混合编码（实数+二进制，整数+实数）。

OpenCV3+VS2017+单目标定+双目标定+双目测距的整个工程紧缩包，包含两种分辨率的图片。

空间谱估计是阵列信号处理最主要的两个研究方向之一，在过去三十年得到了蓬勃发现，理论日趋成熟。
而MUSIC算法又是空间谱估计中最为经典的算法，为许多工程项目所采用。
本文首先对空间谱估计的基本原理进行了详细的论述，并在此基础上利用MUSIC算法实现了基于圆阵的二维测角。
然后，在算法功能评估方面，本文提出了一套评估方法，并对该方法的无偏性进行了验证。
利用这套评估方法，分别讨论了在单目标和双目标两种情况下，幅相误差、信噪比、阵面孔径、阵元数、信源位置及采样点数等参数对于测角结果的影响，并重点考察了双目标情况下这些参数对分辨力及分辨精度的影响。
此外，本文还对信号之间的相关性对测角结果的影响程度做了一定的研究。
在此基础上，形成了对MUSIC算法的一个比较系统的功能评估。

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。