自己编写的高斯投影正反算Python源码，经验证，精度在0.001以内，可以实用，包含北京54和西安80坐标系

博图WINCC免狗补丁，适用V13到V15.1版本。
经本人测试正常。

本报告仅供参考，不足之处请指正，版权由博主所有，未经同意禁止应用于非法用途，请下载者自觉。

一个实现bmp格式图片转换为raw纯数据格式的C++程序，经调试通过，使用时修改程序中H、W为自己图片的高和宽即可。

在线学习管理系统，是一个利用因特网作为平台传送教学内容，实施网上教学，进行网上交流和学习的信息系统。
构建在线学习系统平台，可以克服传统课堂教育的局限性，形成一种主动的、协作的、开放的教学模式，既有生动形象和资源广泛的优点，又具有能相互访问、双向交流，不受时空限制的优良特性。
系统结合实际需求，采用B/S模式，以IIS为应用服务器，并结合ASP开发技术及Acess数据库来进行开发，实现了远程上传作业、在线批改作业、在线测试、在线答疑等功能。
本文从系统开发目的及意义、需求分析、开发平台的选择、系统模块建立、数据库设计、各个功能模块的实现等方面详细介绍系统的设计与实现方法，并采用数据流程图、E-R图及程序流程图对系统开发过程进行了辅助说明。
学习管理系统经测试后所有功能均能正常运行，它将为人们的学习带来极大的方便。

基于广义的惠更斯-菲涅耳原理得到的部分相干电磁涡旋光束经光阑透镜聚焦后的传输方程,研究了聚焦场几何焦平面附近的光强分布和相干度分布。
结果表明,部分相干电磁涡旋光束的拓扑荷数、截断参数、归一化相干长度均会影响聚焦场的涡旋暗区域的大小和相干度分布,可以通过选择合适的参数值获得所需的涡旋暗区：涡旋暗区域的大小随着拓扑荷数和归一化相干长度的增大而增大,其涡旋亮环的最大强度的位置随着归一化相干长度和截断参数的减小而向光阑处移动。
此外,聚焦场的有效相干长度随着归一化相干长度和拓扑荷数的增加而减小;并且随着传输距离的增大,有效相干长度越大。

IT售前咨询白皮书,做售前的必看.售前咨询，作为销售人员的技术支持，其职责是以专业的方法理解客户业务、分析客户需求，将管理理论、客户需求、IT技术和公司产品相结合提供解决方案，并将良好的公司形象、产品形象和服务能力传达给客户，从而达到有效战胜竞争对手、促成签章并合理降低项目风险的目标。
近代学者王国维认为，“古今之成大事业、大学问者，必经三种境界。
”“昨夜西风凋敝树，独上高楼，望尽天涯路”，是为第一境界；
“衣带渐宽终不悔，为伊消得人憔悴”，是为第二境界；
“众里寻他千百度，蓦然回首，那人却在灯火阑珊处”，是为最终境界。
这不只是做诗的境界，做学问的境界，从事艺术创造的境界，也是我们生活的境界，事业的境界，人生的境界。
售前咨询之道亦然。
售前是作为公司的技术代表，其主要职责是协同销售人员让客户接受公司的解决方案。
但如何提供解决方案，亦存在几种不同的境界。
第一重境界：从产品到方案。
......

MATLAB中AR模型功率谱估计中AR阶次估计的实现-psd_my.rar（最近看了几个关于功率谱的问题，有关AR模型的谱估计，在此分享一下，希望大家不吝指正）（声明：本文内容摘自我的毕业论文——心率变异信号的预处理及功率谱估计）（按：AR模型功率谱估计是对非平稳随机信号功率谱估计的常用方法，但是其模型阶次的估计，除了HOSA工具箱里的arorder函数外，没有现成的函数可用，arorder函数是基于矩阵SVD分解的阶次估计方法，为了比较各种阶次估计方法的区别，下面的函数使用了'FPE','AIC','MDL','CAT'集中准则一并估计，并采用试验方法确定那一个阶次更好。
）………………………………以上省略……………………………………………………………………假设原始数据序列为x，那么n阶参数使用最小二乘估计在MATLAB中实现如下：Y=x;Y(1:n)=[];m=N-n;X=[];%构造系数矩阵fori=1:m  forj=1:n      X(i,j)=xt(ni-j);  endendbeta=inv(X'*X)*X'*Y';复制代码beta即为用最小二乘法估计出的模型参数。
此外，还有估计AR模型参数的Yule-Walker方程法、基于线性预测理论的Burg算法和修正的协方差算法等[26]。
相应的参数估计方法在MATLAB中都有现成的函数，比如aryule、arburg以及arcov等。
4.3.3AR模型阶次的选择及实验设计文献[26]中介绍了五种不同的AR模型定阶准则，分别为矩阵奇异值分解（SingularValueDecomposition,SVD）定阶法、最小预测定误差阶准则（FinalPredictionErrorCriterion,FPE）、AIC定阶准则（Akaika’sInformationtheoreticCriterion,AIC）、MDL定阶准则以及CAT定阶准则。
文献[28]中还介绍了一种BIC定阶准则。
SVD方法是对Yule-Walker方程中的自相关矩阵进行SVD分解来实现的，在MATLAB工具箱中arorder函数就是使用的该算法。
其他五种算法的基本思想都是建立目标函数，阶次估计的标准是使目标函数最小化。
以上定阶准则在MATLAB中也可以方便的实现，下面是本文实现FPE、AIC、MDL、CAT定阶准则的程序（部分）：form=1:N-1  ……    %判断是否达到所选定阶准则的要求  ifstrcmp(criterion,'FPE')    objectfun(m1)=(N(m1))/(N-(m1))*E(m1);  elseifstrcmp(criterion,'AIC')    objectfun(m1)=N*log(E(m1))2*(m1);  elseifstrcmp(criterion,'MDL')    objectfun(m1)=N*log(E(m1))(m1)*log(N);  elseifstrcmp(criterion,'CAT')    forindex=1:m1        temp=temp(N-index)/(N*E(index));    end    objectfun(m1)=1/N*temp-(N-(m1))/(N*E(m1));  end    ifobjectfun(m1)＞=objectfun(m)    orderpredict=m;    break;  endend复制代码orderpredict变量即为使用相应准则预测的AR模型阶次。
（注：以上代码为结合MATLAB工具箱函数pburg,arburg两个功率谱估计函数增加而得，修改后的pburg等函数会在附件中示意，名为pburgwithcriterion）登录/注册后可看大图程序1.JPG(35.14KB,下载次数:20352)下载附件 保存到相册2009-8-2820:54上传登录/注册后可看大图程序2.JPG(51.78KB,下载次数:15377)下载附件 保存到相册2009-8-2820:54上传下面本文使用3.2.1实验设计的输出结果即20例经预处理的HRV信号序列作为实验对象，分别使用FPE、AIC、MAL和CAT定阶准则预测AR模型阶次，图4.1（见下页）为其中一例典型信号使用不同预测准则其目标函数随阶次的变化情况。
从图中可以看出，使用FPE、AIC以及MDL定阶准则所预测的AR模型阶次大概位于10附近，即阶次10左右会使相应的目标函数最小化，符合定阶准则的要求，使用CAT定阶准则预测的阶次较小，在5~10之间。
图4.2（见下页）为另一例信号的阶次估计情况，从中也可以得到同样的结论。
（注，实验信号为实验室所得，没有上传）登录/注册后可看大图图片1.JPG(28.68KB,下载次数:5674)下载附件 保存到相册2009-8-2820:54上传

我是2017级的研究生，这是我个人整理的资料，希望能帮到你。
所有资料有2001年到2016年的试卷，还有个人的详细答案，另外还分专题解析，外加技巧提升的相关论文。
希望这些资料对你有帮助。
非常感谢你的支持。
还有就是如果有问题可以在评论区提问，我尽我的力量去帮助你，考研不易，当然，不希望提不经思考的问题。

模拟信号经过ADC采样后变成数字信号，数字信号可以进行FFT运算，在频域中更容易分析信号的特征。
此代码用STM32F407的ADC-DMA模式采集4096个点的数据，利用DSP库里的FFT算法进行快速傅里叶变换，经实测可以使用。

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。