机载多发多收合成孔径雷达(MIMO-SAR)可以实现高分辨成像,但不可避免的存在运动误差补偿的问题。
对多子带并发的机载MIMO-SAR系统进行研究,首先建立并分析了MI-MO-SAR运动误差模型;然后提出了一种扩展的MIMO-SAR运动补偿距离徙动算法(RMA),通过改进的Stolt映射将距离徙动校正与方位向聚焦分开,并结合两步运动补偿技术对MIMO-SAR回波数据的运动误差进行校正,消除了运动误差带来的影响;最初在空频域对各子带信号进行带宽合成实现了距离向高分辨。
用该算法对散射点目
对多子带并发的机载MIMO-SAR系统进行研究,首先建立并分析了MI-MO-SAR运动误差模型;然后提出了一种扩展的MIMO-SAR运动补偿距离徙动算法(RMA),通过改进的Stolt映射将距离徙动校正与方位向聚焦分开,并结合两步运动补偿技术对MIMO-SAR回波数据的运动误差进行校正,消除了运动误差带来的影响;最初在空频域对各子带信号进行带宽合成实现了距离向高分辨。
用该算法对散射点目
2021/3/18 16:51:04
756KB
1
單個圖像研究3D形狀建模，並在三個方面對其做出貢獻。
首先，我們介紹了Pix3D，這是一個具有像素級2D-3D對齊的各種圖像形狀對的大規模基準。
Pix3D在形狀相關的任務中有著廣泛的應用，包括重建、檢索、視點估計等。
然而，構建這樣一個大規模的數據集是非常具有挑戰性的；
現有數據集要么僅包含合成數據，要么缺乏2D圖像和3D形狀之間的精確對齊，或者只要少量圖像。
其次，我們通過行為研究校準了3D形狀重建的評估標準，並用它們來客觀、系統地對Pix3D上的尖端重建算法進行基準測試。
第三，我們設計了一個同時執行3D重建和姿態估計的新模型需要安裝下列庫GCC4.8.5CUDA8.0Python3.6.4TensorFlow1.1.0numpy1.14.0skimage0.13.1numba0.36.2scipy1.0.0tqdm4.19.4
首先，我們介紹了Pix3D，這是一個具有像素級2D-3D對齊的各種圖像形狀對的大規模基準。
Pix3D在形狀相關的任務中有著廣泛的應用，包括重建、檢索、視點估計等。
然而，構建這樣一個大規模的數據集是非常具有挑戰性的；
現有數據集要么僅包含合成數據，要么缺乏2D圖像和3D形狀之間的精確對齊，或者只要少量圖像。
其次，我們通過行為研究校準了3D形狀重建的評估標準，並用它們來客觀、系統地對Pix3D上的尖端重建算法進行基準測試。
第三，我們設計了一個同時執行3D重建和姿態估計的新模型需要安裝下列庫GCC4.8.5CUDA8.0Python3.6.4TensorFlow1.1.0numpy1.14.0skimage0.13.1numba0.36.2scipy1.0.0tqdm4.19.4
2015/8/2 5:20:08
38KB
1
本文采用两种改进的算法:基于HSV的小波融合算法(HSV-WT)、基于区域特征的自适应小波包融合算法(AWP)分别对多光谱LandSatTM数据与全色SPOT-5数据、TM数据与ERS-2的合成孔径雷达SAR数据进行融合.融合结果表明两种改进算法融合后的数据在保持光谱信息和提高空间细节信息两方面均得到提高.当应用两种方法对同一组数据进行处理时,AWP的功能参数优于HSV-WT.这两种算法相对传统小波算法,能克服对高频信息处理的缺陷,突破待融合数据的分辨率比值限制,实现分辨率之比非2n的数据融合.
2019/7/10 3:36:03
1.85MB
1
本例程采用C语言版本的FFT算法对一个软件合成的信号进行FFT变换，并将FFT变换后每个频点的幅值打印输出。
信号合成程序:FFT变换后幅值输出如下:功能测试（STM3272M）:
信号合成程序:FFT变换后幅值输出如下:功能测试（STM3272M）:
2017/4/23 23:14:45
678KB
1
变压器-TTSPytorch实现与众所周知的saco2seq模型（如tacotron）相比，该模型的训练速度快约3至4倍，并且合成语音的质量几乎相同。
通过实验确认，每步花费约0.5秒。
我没有使用波网声码器，而是使用tacotron的CBHG模型学习了后网络，并使用griffin-lim算法将频谱图转换为原始波。
要求安装python3安装pytorch==0.4.0安装要求：pipinstall-rrequirements.txt数据我使用了LJSpeech数据集，该数据集由成对的文本脚本和wav文件组成。
完整的数据集（13,100对）可在下载。
我将和用作预处理代码。
预训练模型您可以下载预训练的模型（AR模型为160K，Postnet为100K）在检查点/目录中找到预训练的模型。
留意图约15k步后出现对角线对齐。
以下留意图以16
通过实验确认，每步花费约0.5秒。
我没有使用波网声码器，而是使用tacotron的CBHG模型学习了后网络，并使用griffin-lim算法将频谱图转换为原始波。
要求安装python3安装pytorch==0.4.0安装要求：pipinstall-rrequirements.txt数据我使用了LJSpeech数据集，该数据集由成对的文本脚本和wav文件组成。
完整的数据集（13,100对）可在下载。
我将和用作预处理代码。
预训练模型您可以下载预训练的模型（AR模型为160K，Postnet为100K）在检查点/目录中找到预训练的模型。
留意图约15k步后出现对角线对齐。
以下留意图以16
2016/5/8 12:34:51
1.51MB
1
解释下列概念：主机、CPU、主存、存储单元、存储元件、存储基元、存储元、存储字、存储字长、存储容量、机器字长、指令字长。
解：P9-10主机：是计算机硬件的主体部分，由CPU和主存储器MM合成为主机。
CPU：中央处理器，是计算机硬件的核心部件，由运算器和控制器组成；
（早期的运算器和控制器不在同一芯片上，现在的CPU内除含有运算器和控制器外还集成了CACHE）。
主存：计算机中存放正在运行的程序和数据的存储器，为计算机的次要工作存储器，可随机存取；
由存储体、各种逻辑部件及控制电路组成。
存储单元：可存放一个机器字并具有特定存储地址的存储单位。
存储元件：存储一位二进制信息的物理元件，是存储器中最小的存储单位，又叫存储基元或存储元，不能单独存取。
存储字：一个存储单元所存二进制代码的逻辑单位。
存储字长：一个存储单元所存二进制代码的位数。
存储容量：存储器中可存二进制代码的总量；
（通常主、辅存容量分开描述）。
机器字长：指CPU一次能处理的二进制数据的位数，通常与CPU的寄存器位数有关。
指令字长：一条指令的二进制代码位数。
解：P9-10主机：是计算机硬件的主体部分，由CPU和主存储器MM合成为主机。
CPU：中央处理器，是计算机硬件的核心部件，由运算器和控制器组成；
（早期的运算器和控制器不在同一芯片上，现在的CPU内除含有运算器和控制器外还集成了CACHE）。
主存：计算机中存放正在运行的程序和数据的存储器，为计算机的次要工作存储器，可随机存取；
由存储体、各种逻辑部件及控制电路组成。
存储单元：可存放一个机器字并具有特定存储地址的存储单位。
存储元件：存储一位二进制信息的物理元件，是存储器中最小的存储单位，又叫存储基元或存储元，不能单独存取。
存储字：一个存储单元所存二进制代码的逻辑单位。
存储字长：一个存储单元所存二进制代码的位数。
存储容量：存储器中可存二进制代码的总量；
（通常主、辅存容量分开描述）。
机器字长：指CPU一次能处理的二进制数据的位数，通常与CPU的寄存器位数有关。
指令字长：一条指令的二进制代码位数。
2020/6/18 19:06:36
1.21MB
1
FilterSolutions是一款基于PC的综合滤波器综合和分析软件包。
滤波器处理方案提供具有寄生效应的无源（集总和分布式），有源和开关电容器电路合成和修改分析，以及具有C代码生成和有限精度分析的数字滤波器IIR和FIR设计。
一款免费版的滤波器设计软件，仿真简单，波形可见。
方便研发人员使用。
滤波器处理方案提供具有寄生效应的无源（集总和分布式），有源和开关电容器电路合成和修改分析，以及具有C代码生成和有限精度分析的数字滤波器IIR和FIR设计。
一款免费版的滤波器设计软件，仿真简单，波形可见。
方便研发人员使用。
2021/6/9 16:30:20
7.65MB
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