在中国安防产业中视频监控作为最重要的信息获取手段之一，能对目标有效的提取是重要而基础的问题，因此本文在此背景下，围绕对监控视频的前景目标有效的提取问题，研究了关于1）静态背景、动态背景的前景目标提取，能在背景复杂化的条件下，将运动的目标；
2）带抖动视频；
3）静态背景下多摄像头对多目标提取；
4）出现异常事件视频的判断等问题。
给出了在不同情况下的前景目标提取方案。
问题一是针对静态背景且摄像头稳定的情况下，如何对前景目标提取的问题。
在题目要求的基础上，通过对附件2中几组视频的分析，我们发现所有前景目标的运动短暂且光线明暗变化不明显。
由于传统的Vibe算法能抑制鬼影但是运行效果不理想，因此采用建立在帧差法上改进的Vibe算法模型求解问题。
并和传统的Vibe算法做对比，结果显示改进的Vibe算法明显优于传统的算法。
而且对我们的算法模型做了效果评价。
详细数据参考正文与附录。
问题二是在背景为动态（如有水波的产生）的情况下，对前景目标的提取问题。
在此问题中，由于动态背景存在使得提取出的图像帧具有大量的干扰噪声，对前景目标的识别和提取造成干扰，因此我们提出一种基于全局外观一致型的运动目标检测法。
在用Vibe算法对场景预检测的基础上，建立混合高斯模型分别对前景和背景进行全局外观建模，将运动目标检测出来，再引入超像素去噪，进一步优化结果。
详细结果参考正文与附录。
问题三是在问题一、二基础上的进一步深化。
问题一及问题二是建立在摄像机自身稳定的基础上，而问题三则是在摄像机抖动的情况下。
由于摄像机抖动一般具有旋转和平移，因此我们建立了坐标变换模型，以仿射变换作为模型基础，结合改进的高精度鲁棒的RANSAC算法提取前景目标，并对比灰度投影法，比较两种模型效果。
具体效果见正文与附录。
问题四是对前三个问题的综合应用。
运用基于混合高斯模型背景建模Vibe算法，对前景目标进行提取；
选出具有显著前景目标的参考帧，计算参考帧中显著前景目标所占的面积，并将此面积设定为阈值T，遍历所有的视频帧，计算其前景目标所占的面积，通过相减对比，判定显著前景目标。
若判定为显著前景目标则输出其所在视频帧中的帧号，并将显著前景出现的总帧数增加1。
问题五是针对多摄像头多目标的协同跟踪问题。
在问题二的混合高斯模型基础上我们建立了动态背景提取法，对不断变化的背景进行实时更新。
再利用单应性约束法对多目标发生重叠现象进行投影将重叠目标区分开来，对目标进行定位。
由于目标的不断运动，我们采用粒子滤波法对前景目标进行实时跟踪，通过多摄像头的协同通信完成对多前景目标的检测。
问题六是针对监控视频中前景目标出现异常情况时判断能否有异常事件的问题。
在基于稀疏表示的模型上，引入混合高斯模型用于学习不同类型的运动特征规律，然后通过各个单高斯模型中的均值建立一个相似矩阵作为字典。
以测试阶段生成的核矢量为基础，用该局部特征的核矢量计算基于稀疏表示的重构误差，并将其与已设定的阈值进行比较，如果重构误差大于阈值，则判为异常。

本数据集由武汉大学多源智能导航实验室提供，采集于湖北省武汉市一处工业园区，为开阔天空场景，GNSSRTK定位杰出。
数据集包括GNSS定位结果、IMU原始数据和高精度参考真值，以及对应的噪声参数和安装参数。
本数据集最大的特点是提供了四种不同型号的MEMSIMU数据，包括消费级MEMS芯片和工业级MEMS模块。

本数据集由武汉大学多源智能导航实验室提供，采集于湖北省武汉市一处工业园区，为开阔天空场景，GNSSRTK定位杰出。
数据集包括GNSS定位结果、IMU原始数据和高精度参考真值，以及对应的噪声参数和安装参数。
本数据集最大的特点是提供了四种不同型号的MEMSIMU数据，包括消费级MEMS芯片和工业级MEMS模块。

个人噪声通道上的新安全量子对话协议

%功能：生成了一个标准无噪声的心电信号%参数：%采样频率：360Hz%心率：75%信号长度：2500点%P波：0.1s=36点幅度：0.2mV%T波：0.15s=54点幅度：0.3mV%Q波：0.02s=7点幅度：-0.1mV%R波：0.04s=15点幅度：1.8mV%S波：0.04s=15点幅度：-0.2mV%PQ：14点——P波终点到Q波起点%ST：43点——S波终点到T波起点%TP：74点——T波终点到P波起点%用法：直接运行

本文档为通信原理复习文档，使用于保研复习基本概念及常见保研面试的问答知识点，参考书籍为张辉老师主编的《现代通信原理与技术》第四版，全文共38页，包含以下内容：一、绪论二、随机过程三、信道与噪声四、模仿调制系统五、数字基带传输系统六、模仿信号的数字传输七、数字频带传输系统

基于MATLAB语音信号去白噪声、高斯白噪声分析的源法式，将白噪声中的1/10改成1/50就可滤除白噪声，高斯白噪声的就不用改了！

用于整车模子平顺性仿真的空间四轮路面时域模子——滤波白噪声

时频分析工具箱中提供了计算各种线性时频表示和双线性时频分布的函数，本帖主要列出时频分析工具箱函数简介，以号召大家就时频分析应用展开相关讨论。
一、信号产生函数：amexpo1s单边指数幅值调制信号amexpo2s双边指数幅值调制信号amgauss高斯幅值调制信号amrect矩形幅值调制信号amtriang三角形幅值调制信号fmconst定频调制信号fmhyp双曲线频率调制信号fmlin线性频率调制信号fmodany任意频率调制信号fmpar抛物线频率调制信号fmpower幂指数频率调制信号fmsin正弦频率调制信号gdpower能量律群延迟信号altes时域Altes信号anaask幅值键移信号anabpsk二进制相位键移信号anafsk频率键移信号anapulse单位脉冲信号的解析投影anaqpsk四进制相位键移信号anasingLipscjitz奇异性anaste单位阶跃信号的解析投影atoms基本高斯元的线性组合dopnoise复多普勒任意信号doppler复多普勒信号klauder时域Klauder小波mexhat时域墨西哥帽小波二、噪声产生函数noiseecg解析复高斯噪声noiseecu解析复单位高斯噪声tfrgaborGabor表示tfrstft短时傅立叶变换ifestar2使用AR(2)模型的瞬时频率估计instfreq瞬时频率估计sqrpdlay群延迟估计三、模糊函数ambifunb窄带模糊函数ambifuwb宽带模糊函数四、Affine类双核线性时频处理函数tfrbert单式Bertrand分布tfrdflaD-Flandrin分布tfrscalo尺度图tfrspaw平滑伪Affine类Wigner分布tfrunterUnterberger分布五、Cohen类双核线性时频处理函数tfrbjBorn-Jordan分布tfrbudButterworth分布tfrcwChoi-Williams分布tfrgrd归一化的矩形分布tfrmhMargenau-Hill分布tfrmhsMargenau-Hill频谱分布tfrmmce谱图的最小平均互熵组合tfrpagePage分布tfrwv伪Wigner-Ville分布tfrriRihaczek分布tfrridb降低交叉项的分布（Bessel窗）tfrridbn降低交叉项的分布（二项式窗）tfrridh降低交叉项的分布（汉宁窗）tfrridt降低交叉项的分布（三角窗）tfrsp谱图分布tfrspwv平滑伪Wigner-Ville分布tfrwvWigner-Ville分布tfrzamZhao-Atlas-Marks分布六、其他处理函数：friedman瞬时频率密度htl图像直线检测中的Hough变换margtfr时频表示的能量momftfr时频表示的频率矩momttfr时频表示的时间矩renyiRenyi信息度量ridges波峰提取plotifl绘制归一化的瞬时频率规律tfrparam前往用于显示时频表示的参数tfrqview时频表示的快速可视化tfrsave保存时频表示的参数tfrview时频表示的可视化

在本文中，首先介绍GMSK、MSK原理，并对其产生方式进行理论分析；
然后，设计了一个GMSK、MSK调制解调系统。
最后，利用SIMULINK仿真分析在信道中加入高斯白噪声与不加高斯白噪声两种情况下调制波形的异同，其中还分析了各主要参数对调制的影响，同时将仿真结果与理论相比较，使研究愈加深入。
从而，加深对GMSK、MSK的认识和理解，为解决调制技术与移动通信技术的频谱利用率问题提供基础，对今后移动通信的研究具有积极的作用。

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。