AWGN信道下频谱检测算法的功能曲线，在三组不同的信噪比情况下，给定虚警概率和子频段数目，虚警概率和漏检概率的关系曲线实验方法：能量检测器在AWGN信道下的检测概率Pd和虚警概率Pf的公式（详见衰落信道下基于能量检测器的频谱感知功能分析
2022/9/6 9:56:02
1KB
1
密码：gg1.1目的本文结合轻量化数据资源平台需求文档，及数据资源平台V1.1概要设计文档为基础，旨在描述轻量化数据资源平台的使用场景、运行环境、数据源以及各模块的组成、框架设计、模块的处理流程。
本文档的预期读者为：项目经理、设计工程师、研发工程师、工程师以及数据工程师。
1.2背景数据资源平台提供将物联网感知设备的数据、各行业平台、第三方系统的物联网数据、业务数据进行统一汇聚；
实现原始数据汇聚管理、数据治理、并基于整体数据提供数据服务的能力。
数据资源平台首先面对、提供应用服务的场景为平安城市项目，该解决方案面对海量的物联网感知和用户业务数据，需要数据资源平台提供大容量的存储能力。
在面对教育、小型社区、零售等小数据量的应用场景下，数据资源平台显得不那么合适。
该解决方案对用户和实际场景来说，成本过高。
因而，针对小型数据场景，需要推出轻量化的数据资源平台。
密码：gg
本文档的预期读者为：项目经理、设计工程师、研发工程师、工程师以及数据工程师。
1.2背景数据资源平台提供将物联网感知设备的数据、各行业平台、第三方系统的物联网数据、业务数据进行统一汇聚；
实现原始数据汇聚管理、数据治理、并基于整体数据提供数据服务的能力。
数据资源平台首先面对、提供应用服务的场景为平安城市项目，该解决方案面对海量的物联网感知和用户业务数据，需要数据资源平台提供大容量的存储能力。
在面对教育、小型社区、零售等小数据量的应用场景下，数据资源平台显得不那么合适。
该解决方案对用户和实际场景来说，成本过高。
因而，针对小型数据场景，需要推出轻量化的数据资源平台。
密码：gg
2022/9/3 3:27:16
2.15MB
1
12自由度的四足仿生机器人已经成为足式机器人中的一个重要门类。
通常来说,机器人的复杂度和可靠性成反比关系,而四足机器人较为平衡,比双足人型机器人控制更为简单,比六足昆虫类机器人关节自由度少。
随着液压伺服技术、电机驱动技术和相关控制技术的成熟,四足机器人的障碍通过能力和抗干扰能力迅速提升,让人们重燃对足式机器人面向服务、工业乃至军事领域更大可能性的希冀。
随着相关技术的普及和模块成本降低,四足机器人开始走向普通实验室,本设计旨在制造一台十二自由度的小型电动直驱四足机器人,并探究以对角步态为主的相关步态控制算法,具体工作包括主控板设计制造、电路系统搭建、电机驱动调试、底层驱动代码编写、控制算法仿真移植和应用层环境感知仿真等。
本设计采用盘式外转子无刷电机直接驱动足部关节,并通过矢量控制(FOC)驱动器进行较高精度的位置和扭矩控制。
通常来说,机器人的复杂度和可靠性成反比关系,而四足机器人较为平衡,比双足人型机器人控制更为简单,比六足昆虫类机器人关节自由度少。
随着液压伺服技术、电机驱动技术和相关控制技术的成熟,四足机器人的障碍通过能力和抗干扰能力迅速提升,让人们重燃对足式机器人面向服务、工业乃至军事领域更大可能性的希冀。
随着相关技术的普及和模块成本降低,四足机器人开始走向普通实验室,本设计旨在制造一台十二自由度的小型电动直驱四足机器人,并探究以对角步态为主的相关步态控制算法,具体工作包括主控板设计制造、电路系统搭建、电机驱动调试、底层驱动代码编写、控制算法仿真移植和应用层环境感知仿真等。
本设计采用盘式外转子无刷电机直接驱动足部关节,并通过矢量控制(FOC)驱动器进行较高精度的位置和扭矩控制。
2020/2/6 7:07:35
3.99MB
1
这里是紧缩感知用构造好的常见测量矩阵来进行二维图像的仿真实验，重构方法用的OMP，稀疏方法用的小波变换。
2017/11/11 17:56:42
1.59MB
1
近年来，手势识别的问题是由于难以利用多种计算方法和设备来感知人的手部运动。
因而，在本文中，我们解释了不同的算法来解释手势识别算法，因为它具有得到了很多关注。
我们可以使用手势在不触摸计算机屏幕的情况下与计算机进行交互，可以向计算机提供指令，因而在本文中，我们将介绍使用Kinect进行手势手势检测的方法。
我们正在使用手势识别的动态时间扭曲方法。
我们解释了一种有效的手势识别方法。
我们还使用了简单的K-NN分类器。
在这种方法中，我们使用了DTW（动态时间包装）对齐方式。
我们使用不同的算法和方法来解释有关手势手势识别结果的信息。
我们使用MPLCS算法来识别自由空中的手势并给出良好的结果，之后，我们还使用了MCC计算，该计算确定了重大运动的开始和结束目的，并忽略了未使用的信号。
因而，通过使用此算法，我们给出的手势重组结果要好于以前的所有结果。
因而，在本文中，我们解释了不同的算法来解释手势识别算法，因为它具有得到了很多关注。
我们可以使用手势在不触摸计算机屏幕的情况下与计算机进行交互，可以向计算机提供指令，因而在本文中，我们将介绍使用Kinect进行手势手势检测的方法。
我们正在使用手势识别的动态时间扭曲方法。
我们解释了一种有效的手势识别方法。
我们还使用了简单的K-NN分类器。
在这种方法中，我们使用了DTW（动态时间包装）对齐方式。
我们使用不同的算法和方法来解释有关手势手势识别结果的信息。
我们使用MPLCS算法来识别自由空中的手势并给出良好的结果，之后，我们还使用了MCC计算，该计算确定了重大运动的开始和结束目的，并忽略了未使用的信号。
因而，通过使用此算法，我们给出的手势重组结果要好于以前的所有结果。
2021/2/9 8:30:56
543KB
1
本文来自于csdn，本文是主要介绍了神经网络应用在分类问题中效果，以及神经网络结构及算法，希望对您的学习有所协助。
1.1基本结构说明：通常一个神经网络由一个inputlayer，多个hiddenlayer和一个outputlayer构成。
图中圆圈可以视为一个神经元（又可以称为感知器）设计神经网络的重要工作是设计hiddenlayer，及神经元之间
1.1基本结构说明：通常一个神经网络由一个inputlayer，多个hiddenlayer和一个outputlayer构成。
图中圆圈可以视为一个神经元（又可以称为感知器）设计神经网络的重要工作是设计hiddenlayer，及神经元之间
2016/7/26 8:12:58
944KB
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