非序贯蒙特卡洛模拟法通常被称为状态抽样法，它被广泛用在电力系统风险评估中。
这个方法的依据是，一个系统状态是所有元件状态的组合，且每一元件状态可由对元件出现在该状态的概率进行抽样来确定。

抽样方案软件PART1,OC曲线，付与概率，抽样方案等，总共四个分卷

IIR高通、带通以及带阻数字滤波器方案 巴特沃思数字高通滤波器方案：抽样频率为10kHZ,,通带阻滞频率为2.5kHZ，通带衰减不大于2dB，阻带上限阻滞频率1.5kHZ,阻带衰减不小于15dB 巴特沃思数字带通滤波器方案：抽样频率为10kHZ,,通带规模是1.5kHZ到2.5kHZ，通带衰减不大于3dB，在1kHZ以及4kHZ处衰减不小于20dB 巴特沃思数字带阻滤波器方案：抽样频率为10kHZ,,在-2dB衰减处的边带频率是1.5kHZ，4kHZ，在-13dB衰减处频率是2kHZ以及3kHZ 分别绘制这三种数字滤波器的幅度照料曲线以及相位照料曲线；
 付与切比雪夫Ⅰ型滤波器为原型重新方案上述三种数字滤波器；
 分别绘制这三种数字滤波器的幅度照料曲线以及相位照料曲线

：随着遥感图像分辨率的日益提高，遥感图像的尺寸和数据量也不断地增大，同时随着遥感应用的发展，对图像配准的功能也提出越来越高的要求，基于此，提出一种特征级高分辨率遥感图像快速自动配准方法。
首先，对图像进行Haar小波变换，基于小波变换后的近似图像进行配准以提高配准速度；
其次，根据不同的遥感图像来源使用不同的特征提取方法(光学图像使用Canny边缘提取算子，SAR图像使用Ratio Of Averages算子)，并将线特征转化为点特征；
然后，依据特征点间最小角与次小角的角度之比小于某一阈值来确定初始匹配点对；
最后，利用改进的随机抽样一致性算法滤除错误匹配点对，并结合分块思想均匀选取匹配点

一共有5次实验报告文档，基于MATLAB的数字信号处理代码以及截图。
1.离散序列的产生及时域运算；
3.频域抽样及DFT使用(1)4窗函数及频谱分析5.系统函数及系统特性分析(1)

蒙特卡洛算法和matlab程序随机变量的抽样离散系统的模仿

该资源使用matlab编码，功能是：发送一段音乐，然后经过抽样量化PCM编码，信源编码，信道编码，调制，解调译码后播放出来，使用的编码技术是汉明码，调制解调技术是QPSK

N=512;A=zeros(N,N);B=zeros(N,N);forI=1:1:256J=1:1:256ImageNum=double(Image(I,J,1));A(I,J)=ImageNum/255;B(I,J)=0;endendfigure;imshow(A);pi=3.1415926;forI=1:1:NforJ=1:1:NR=rand(1,1);%生成一个元素在0,1之间均匀分布的随机矩阵RB(I,J)=A(I,J)*sin(R*2*pi);%平滑函数的傅里叶变换谱A(I,J)=A(I,J)*cos(R*2*pi);F(I,J)=A(I,J)+j*B(I,J);endEnd%限制振幅的动态范围,进步编码的精度F=fft2(F);%作二维快速傅里叶变换FFTMax=max(max(abs(F)));F=F/Max;A=real(F);B=imag(F);aIpha=0.5;%定义载波参数aIphaforI=1:1:NforJ=1:1:NXcos=(J-1)/127;A1(I,J)=cos(2*pi*aIpha*Xcos);B1(I,J)=sin(2*pi*aIpha*Xcos);endend%全息图数据区forI=1:1:NforJ=1:1:NHoIodata(I,J)=0.5+0.5*(A(I,J)*A1(I,J)+B(I,J)*B1(I,J));endEndM=512;N=512;%定义全息图的大小Hologram=zeros(M,M);S=M/N;%定义每个抽样单元大小forI=1:1:NforJ=1:1:NXa=(J-1)*S+1;Xb=J*S;Ya=(I-1)*S+1;Yb=I*S;forIx=Xa:1:XbforIy=Ya:1:YbHoIogram(Iy,Ix)=HoIodata(I,J);endendendendMax=max(max(HoIogram));HoIogram=HoIogram/Max;figure;imshow(HoIogram);%以下是用matlab分别计算函数各抽样点的傅里叶变换谱的幅角与模,并对各点的模归一化object=fft2(HoIogram);object=fftshift(object);%用matlab中的移谱函数fftshift()将频谱的低频成分移到中心,以避免再现时像分散在边缘object=abs(object);object=1000*object/max(max(object));figure;imshow(object);

N=512;A=zeros(N,N);B=zeros(N,N);forI=1:1:256J=1:1:256ImageNum=double(Image(I,J,1));A(I,J)=ImageNum/255;B(I,J)=0;endendfigure;imshow(A);pi=3.1415926;forI=1:1:NforJ=1:1:NR=rand(1,1);%生成一个元素在0,1之间均匀分布的随机矩阵RB(I,J)=A(I,J)*sin(R*2*pi);%平滑函数的傅里叶变换谱A(I,J)=A(I,J)*cos(R*2*pi);F(I,J)=A(I,J)+j*B(I,J);endEnd%限制振幅的动态范围,进步编码的精度F=fft2(F);%作二维快速傅里叶变换FFTMax=max(max(abs(F)));F=F/Max;A=real(F);B=imag(F);aIpha=0.5;%定义载波参数aIphaforI=1:1:NforJ=1:1:NXcos=(J-1)/127;A1(I,J)=cos(2*pi*aIpha*Xcos);B1(I,J)=sin(2*pi*aIpha*Xcos);endend%全息图数据区forI=1:1:NforJ=1:1:NHoIodata(I,J)=0.5+0.5*(A(I,J)*A1(I,J)+B(I,J)*B1(I,J));endEndM=512;N=512;%定义全息图的大小Hologram=zeros(M,M);S=M/N;%定义每个抽样单元大小forI=1:1:NforJ=1:1:NXa=(J-1)*S+1;Xb=J*S;Ya=(I-1)*S+1;Yb=I*S;forIx=Xa:1:XbforIy=Ya:1:YbHoIogram(Iy,Ix)=HoIodata(I,J);endendendendMax=max(max(HoIogram));HoIogram=HoIogram/Max;figure;imshow(HoIogram);%以下是用matlab分别计算函数各抽样点的傅里叶变换谱的幅角与模,并对各点的模归一化object=fft2(HoIogram);object=fftshift(object);%用matlab中的移谱函数fftshift()将频谱的低频成分移到中心,以避免再现时像分散在边缘object=abs(object);object=1000*object/max(max(object));figure;imshow(object);

蒙特卡洛模仿方法又称为随机模仿方法、随机抽样技术或统计试验方法，其目的是估计依若干概率输入变量而定的结果变量的分布

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。