Canny边缘检测是被公认的检测效果最好的边缘检测方法，是由JohnF.Canny于1986年提出，算法目标是找出一个最优的边缘检测的方法，所谓最优即:1.好的检测：算法能够尽可能的标识出图像的边缘；
2.好的定位：标识出的边缘要尽可能的与实际边缘相接近；
3.最小响应：图像中的边缘只能标识一次，并且不能把噪声标识成边缘。
同时我们也要满足3个准则：信噪比准则、定位精度准则、单边缘响应准则

负反馈和运算放大器基础》这本书从理论和运算推导入手，用数个形象化的生活场景类比、数十个实用运放电路案例解析，300多页的篇幅，将复杂的负反馈和运算放大器基础知识不留死角讲清楚了。
电子工程师必读。
作者擅长小信号检测电路设计，以低噪声低失真度，低功耗为主要研究方向，另外擅长精细信号产生，新型ADC设计。
全书五部。
此文档为第二册

对语音信号添加高斯白噪声，分别采用维纳、卡尔曼、谱减法、自适应滤波算法，进行去噪处理，文件中含有语音文件

应用fluent和lms联合仿真，对风扇噪声进行模拟实验，由此了解噪声传播

录制一段语音，然后进行语音的特征提取，准确地找出语音信号的起始点和结束点，其目的是是有效的语音信号和无用的噪声得以分离。

通过对噪声特性的分析,并应用小波的方法对信号进行消噪处理,利用Matlab软件演示信号消噪的效果,总结出小波分析对信号消噪的优点。

被动傅里叶变换红外（FTIR）遥感是一种具有应用潜力的生物气溶胶远程探测技术。
红外遥感测量中目标光谱特征上往往存在噪声信号和基线漂移。
而生物气溶胶的光谱特征相对较宽，传统的基线校正方法都不适用。
由于生物气溶胶红外光谱和不同形式的基线漂移都是非高斯信号，把非高斯性作为独立性度量，基于独立成分分析(ICA)技术设计了生物气溶胶红外光谱信号的预处理算法。
试验结果表明，该算法可以把未知干扰成分、基线漂移等作为独立分量分离出来，从而不影响进一步的定性、定量分析。

基于非局部扩散的图像去噪源代码，该算法利用空间非局部梯度构造了图像的非局部结构张量,通过对非局部结构张量的特征分解得到图像的一个特征空间,依据特征空间的特性设计了非局部扩散张量,建立了基于非局部扩散张量的各向异性扩散模型。
该模型和局部各向异性扩散模型的本质不同在于,在扩散的过程中充分利用了图像的全局信息。
优点是在去除噪声的同时,能更好地保护图像的边缘,尤其是纹理等图像的重要细节特征。

本文本人花了一年时间完成的毕业论文，是基于小波变换的数字水印，研究的目的是想用于印刷包装领域。
论文中有大量珍贵的实验数据，附录还有matlab程序源码。
实验中对水印的鲁棒性做了剪切，旋转，噪声，压缩等大量的仿真攻击，并进行了打印扫描检测和加网输出等工作。
对做水印论文的同志或对小波变换的数字水印研究有同志有帮助。

序言第1章引言1.1引言1.2本书综述第2章运动2.1引言2.1.1运动的关键问题2.2腿式移动机器人2.2.1腿的构造与稳定性2.2.2腿式机器人运动的例子2.3轮式移动机器人2.3.1轮子运动：设计空间2.3.2轮子运动：实例研究第3章移动机器人运动学3.1引言3.2运动学模型和约束3.2.1表示机器人的位置3.2.2前向运动学模型3.2.3轮子运动学约束3.2.4机器人运动学约束3.2.5举例：机器人运动学模型和约束3.3移动机器人的机动性3.3.1活动性的程度3.3.2可操纵度3.3.3机器人的机动性3.4移动机器人工作空间3.4.1自由度3.4.2完整机器人3.4.3路径和轨迹的考虑3.5基本运动学之外3.6运动控制3.6.1开环控制3.6.2反馈控制第4章感知4.1移动机器人的传感器4.1.1传感器分类4.1.2表征传感器的特性指标4.1.3轮子／电机传感器4.1.4导向传感器4.1.5基于地面的信标4.1.6有源测距4.1.7运动／速度传感器4.1.8基于视觉的传感器4.2表示不确定性4.2.1统计的表示4.2.2误差传播：对不确定的测量进行组合4.3特征提取4.3.1基于距离数据的特征提取(激光、超声和基于视觉测距)4.3.2基于可视表象的特征提取第5章移动机器人的定位5.1引言5.2定位的挑战：噪声和混叠5.2.1传感器噪声5.2.2传感器混叠5.2.3执行器噪声5.2.4里程表位置估计的误差模型5.3定位或不定位：基于定位的导航与编程求解的对比5.4信任度的表示5.4.1单假设信任度5.4.2多假设信任度5.5地图表示方法5.5.1连续的表示方法5.5.2分解策略5.5.3发展水平：地图表示方法的最新挑战5.6基于概率地图的定位5.6.1引言5.6.2马尔可夫定位5.6.3卡尔曼滤波器定位5.7定位系统的其他例子5.7.1基于路标的导航5.7.2全局唯一定位5.7.3定位信标系统5.7.4基于路由的定位5.8自主地图的构建5.8.1随机构图的技术5.8.2其他的构图技术第6章规划与导航6.1引言6.2导航能力：规划和反应6.2.1路径规划6.2.2避障6.3导航的体系结构6.3.1代码重用与共享的模块性6.3.2控制定位6.3.3分解技术6.3.4实例研究：分层机器人结构参考文献

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。