时频同步是LTE下行过程的重要过程，而载波频偏估计是获得频率同步的重要步骤，本文重点分析研究了LTE下行的频偏估计的基于CP（循环前缀）相关的ML算法和cost-function（代价函数）算法，针对后者在要求误差较小时计算量大的缺点，提出一种改进的算法。
将小数倍频偏分为两部分，利用CP快速估计出■的大概范围，将其补偿回去，再利用代价算法估计出剩余部分■。
仿真结果表明，通过此方法可以在保证代价算法精确性的基础上，减少代价算法大约80%的计算量。
将小数倍频偏分为两部分，利用CP快速估计出■的大概范围，将其补偿回去，再利用代价算法估计出剩余部分■。
仿真结果表明，通过此方法可以在保证代价算法精确性的基础上，减少代价算法大约80%的计算量。
2020/2/14 7:26:53
947KB
1
捷联惯性导航系统的一个仿真实现，基于MATLAB的，仿真出一个捷联系统的跟踪轨迹，是三维的，同时生成了经度误差，维度误差和高度误差，可以直接运转，不行我退积分
2019/10/14 12:15:58
2KB
1
2003年抗击“非典”期间，迫切需要一种能在公共场所测出并记录特定人体体温，又不干扰人们正常活动的非接触式体温测量仪。
基于此，一种不接触式的红外快速检测人体温度装置应运而生了。
为了克服传统温度计测量温度的主要缺点——需要测量者与被测目标近距离接触和测量不方便。
在顾及仪器测量高精度前提下，以追求最低成本为原则，研制了非接触式热释电红外测温仪，实现了对物体表面温度快速准确的测量。
本文也设计了红外测温仪的整体系统构架。
根据热释电原理，主要针对人体体温测量进行了具体的设计开发，开发包括整体方案，硬件电路，单片机程序和主机程序。
并利用设计出来的红外测温仪在环境温度30℃下对人体温度和水温进行了测量，对人体的温度测量的误差低于±0.1℃，提高了测量精度。
人体测温仪的设计主要为适应人体体温快速无接触测量的需要。
主要引见热释电红外传感器的工作原理以及最适宜人体红外线检测的热释电传感器PM611的优点和等效电路，阐述了基于热释电传意器的红外测温仪的工作原理，讨论了该系统的设计与实现方法，简单引见了测温系统的适用条件。
基于此，一种不接触式的红外快速检测人体温度装置应运而生了。
为了克服传统温度计测量温度的主要缺点——需要测量者与被测目标近距离接触和测量不方便。
在顾及仪器测量高精度前提下，以追求最低成本为原则，研制了非接触式热释电红外测温仪，实现了对物体表面温度快速准确的测量。
本文也设计了红外测温仪的整体系统构架。
根据热释电原理，主要针对人体体温测量进行了具体的设计开发，开发包括整体方案，硬件电路，单片机程序和主机程序。
并利用设计出来的红外测温仪在环境温度30℃下对人体温度和水温进行了测量，对人体的温度测量的误差低于±0.1℃，提高了测量精度。
人体测温仪的设计主要为适应人体体温快速无接触测量的需要。
主要引见热释电红外传感器的工作原理以及最适宜人体红外线检测的热释电传感器PM611的优点和等效电路，阐述了基于热释电传意器的红外测温仪的工作原理，讨论了该系统的设计与实现方法，简单引见了测温系统的适用条件。
2015/5/22 13:44:12
427KB
1
最近学习RANSAC算法，本人做的一个实验。
如果数据集包含有误差点，用最小二乘法拟合的模型会有问题，应该先剔除误差点，然后求模型。
用的二维点，MATLAB实现，仅供参考。
如果数据集包含有误差点，用最小二乘法拟合的模型会有问题，应该先剔除误差点，然后求模型。
用的二维点，MATLAB实现，仅供参考。
2018/10/25 23:48:17
32KB
1
该课题为基于MATLABbp神经网络的雾霾天气下交通标志的识别系统。
主要分两步骤，一是进行图像去雾，采用暗通道的方法获取光透射率，从而去除雾霾。
得到清晰的图片后，利用颜色的方法进行交通标志的定位，众所周知，交通标志基本是红，蓝，黄三色组成，根据RGB不同组合可以定位到不同颜色，因为存在误差，所以需要借助形状学相关知识，将得到的误干扰面积去除，从而实现精准定位。
定位后，在原图基础上进行分割出彩色图标，利用bp神经网络方法，进行训练，识别，从而得出结果。
本设计配有一个GUI可视化界面，操作简单容易上手。
是个不错的选题。
主要分两步骤，一是进行图像去雾，采用暗通道的方法获取光透射率，从而去除雾霾。
得到清晰的图片后，利用颜色的方法进行交通标志的定位，众所周知，交通标志基本是红，蓝，黄三色组成，根据RGB不同组合可以定位到不同颜色，因为存在误差，所以需要借助形状学相关知识，将得到的误干扰面积去除，从而实现精准定位。
定位后，在原图基础上进行分割出彩色图标，利用bp神经网络方法，进行训练，识别，从而得出结果。
本设计配有一个GUI可视化界面，操作简单容易上手。
是个不错的选题。
2016/5/4 3:50:35
79.64MB
1
在Adaboost算法的基础上，提出了一种改进的Boosting方法来解决分类问题。
此方法将示例的类标签预测为分类器集合的加权多数投票。
每个分类器是通过将给定的弱学习者应用于子样本（大小小于原始训练集的子样本）而获得的，该子样本是根据原始训练集上保持的概率分布从原始训练集中得出的。
在Adaboost中提出的重新加权方案中引入了一个参数，以更新分配给训练示例的概率，从而使算法比Adaboost愈加准确。
在UCI资料库中可获得的合成数据集和一些实际数据集上的实验结果表明，该方法提高了Adaboost的预测精度，执行速度以及对分类噪声的鲁棒性。
此外，通过kappa误差图研究了集成分类器的多样性准确性模式。
此方法将示例的类标签预测为分类器集合的加权多数投票。
每个分类器是通过将给定的弱学习者应用于子样本（大小小于原始训练集的子样本）而获得的，该子样本是根据原始训练集上保持的概率分布从原始训练集中得出的。
在Adaboost中提出的重新加权方案中引入了一个参数，以更新分配给训练示例的概率，从而使算法比Adaboost愈加准确。
在UCI资料库中可获得的合成数据集和一些实际数据集上的实验结果表明，该方法提高了Adaboost的预测精度，执行速度以及对分类噪声的鲁棒性。
此外，通过kappa误差图研究了集成分类器的多样性准确性模式。
2016/5/11 17:46:49
688KB
1
《SpotlightSyntheticApertureRadarSignalProcessingAlgorithms》原始文件超过60M，没有办法上传，故分为两部分，这是第二部分。
这本书是1995年的经典书，虽然标题是聚束SAR信号处理算法，但是里面讲述的经典内容不仅仅适用于聚束SAR，而是对更广阔的SAR也是通用的。
这本书讲述了：合成孔径雷达基础；
聚束SAR和极化格式算法；
数字极化格式处理；
相位误差；
自聚焦技术；
处理设计例程；
SAR系统功能；
聚束SAR处理应用；
RMA算法；
CS算法等内容。
这本书是1995年的经典书，虽然标题是聚束SAR信号处理算法，但是里面讲述的经典内容不仅仅适用于聚束SAR，而是对更广阔的SAR也是通用的。
这本书讲述了：合成孔径雷达基础；
聚束SAR和极化格式算法；
数字极化格式处理；
相位误差；
自聚焦技术；
处理设计例程；
SAR系统功能；
聚束SAR处理应用；
RMA算法；
CS算法等内容。
2017/8/20 23:24:26
57.44MB
1
压电陶瓷因其具有迟滞特性,如不经处理,会对其使用产生影响。
针对当期望输出与频率无关时的压电陶瓷的迟滞非线性问题,提出了一种基于极坐标的数学建模方法,同时给出了通用的PI迟滞模型,并对两种模型进行了比较。
仿真结果表明仿真曲线较平滑,克服了PI迟滞算子拟合出现的毛刺问题。
根据实验结果分析了极坐标的迟滞曲线和PI迟滞曲线的拟合误差,并进一步给出了拟合方差。
在该迟滞模型的基础上,引入前馈PID控制方法进行实验,给出跟踪平均绝对误差及方差,并与经典PI控制在跟踪精确度等方面进行了比较。
实验结果证明了该控制方法的可行性和精确性
针对当期望输出与频率无关时的压电陶瓷的迟滞非线性问题,提出了一种基于极坐标的数学建模方法,同时给出了通用的PI迟滞模型,并对两种模型进行了比较。
仿真结果表明仿真曲线较平滑,克服了PI迟滞算子拟合出现的毛刺问题。
根据实验结果分析了极坐标的迟滞曲线和PI迟滞曲线的拟合误差,并进一步给出了拟合方差。
在该迟滞模型的基础上,引入前馈PID控制方法进行实验,给出跟踪平均绝对误差及方差,并与经典PI控制在跟踪精确度等方面进行了比较。
实验结果证明了该控制方法的可行性和精确性
2018/10/20 13:09:19
741KB
1
说明，这个matlab程序的目标是对BP神经网络中的神经元连接权和阈值构成的高维参数空间进行最优求解，试图用PSO算法求解神经网络中的参数，而不是用传统的误差反传算法。
但由于经典粒子群算法存在局部最优的问题。
该算法也存在同样的问题。
该算法在迭代数较大时可以基本做到误差较大的函数拟合。
但是通过该资源提供的图解和代码正文，用户可以很容易的学习到PSO算法的过程。
至于如何突破局部最优，这个就有待各位PSO爱好者进行优化了。
但由于经典粒子群算法存在局部最优的问题。
该算法也存在同样的问题。
该算法在迭代数较大时可以基本做到误差较大的函数拟合。
但是通过该资源提供的图解和代码正文，用户可以很容易的学习到PSO算法的过程。
至于如何突破局部最优，这个就有待各位PSO爱好者进行优化了。
2019/10/16 13:18:03
582KB
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