现场可编程门阵列(FPGA)器件广泛用于数字信号处理领域,而使用VHDL或VerilogHDL语言进行设计的难度较大。

问题1：采用高斯低通滤波器对彩色图像进行滤波操作, 取半径为5, 20, 50, 80和250, 分别输出空域和频域的结果图像。
问题2：自行选择一种频域的高通滤波器对彩色图像进行滤波操作, 取3组不同的参数进行实验，根据实验效果进行参数的比较分析。

提取有效的特征一直是笔迹鉴别的关键问题，针对传统Gabor滤波器特征提取方法存在的不足，充分利用Gabor滤波系数间的相关关系，提出一种融合全局特征和局部特征的特征提取方法。
该方法先通过字符笔画的方向梯度直方图（HOG）来优化Gabor滤波器的角度参数，再利用高斯马尔科夫随机场（GMRF）模型对Gabor滤波图像中的不同局部结构信息进行描述，最终得到笔迹图像的整体特征。
以楷书四大家的真迹样本和收集的英文手稿作为实验数据，采用最小加权欧式距离分类器对笔迹样本进行分类，通过五重交叉验证法分别得到97.6%和88.3%的正确分类率，表明该方法提取的特征具有较强的笔迹表征能力，是一种有效的笔迹特征提取方法。

测量电子电路设计、从滤波器设计到锁相放大器的应用。

2007电子设计大赛D题程控滤波器【全国一等奖，国防科技大学】

《电路基础》是一本深入浅出的电路理论学习资料，被广泛用于国内外的高等教育课程中。
这份PDF版本是由经典教材经过整理，包含了丰富的书签，方便读者快速定位和查阅相关章节，是学习电路理论的理想资源。
电路基础是电子工程、通信技术、自动化等多个领域的基石，它涵盖了电阻、电容、电感、电压、电流等基本概念，以及欧姆定律、基尔霍夫定律等基本定律。
以下是这份教材可能涵盖的一些关键知识点：1.**电路元件**：电路中的基本元件包括电阻、电容和电感。
电阻表示元件对电流的阻碍，单位为欧姆（Ω）；
电容储存电荷，单位为法拉（F）；
电感储存磁场能量，单位为亨利（H）。
2.**电路模型**：电路模型是用抽象的元件来代表实际电路的一种方式，如串联电路、并联电路、混联电路等，帮助我们理解和分析电路行为。
3.**电压与电流**：电压是电能传输的原因，单位为伏特（V），电流是电荷流动的现象，单位为安培（A）。
两者之间的关系由欧姆定律描述：电流=电压/电阻。
4.**基尔霍夫定律**：包括电流定律（KCL）和电压定律（KVL）。
KCL指出，任何节点处流入的电流总和等于流出的电流总和；
KVL则表明，闭合回路中的电压降之和等于电源电压之和。
5.**交流电路**：除了直流电路，电路基础还包括交流电路的学习，涉及复数表示、阻抗、相位差、谐振等概念。
6.**电源**：电源提供电路所需的电压或电流，有直流电源（如电池）和交流电源（如发电机）两种。
7.**功率与能量**：功率是电流做功的速率，单位为瓦特（W）；
能量则是电流在一定时间内做的功，单位为焦耳（J）。
8.**网络分析方法**：包括电阻串并联计算、星形-三角形变换、源的等效变换、超前滞后网络分析、诺顿定理和戴维宁定理等。
9.**滤波器设计**：通过选择适当的电容和电感组合，可以设计低通、高通、带通和带阻滤波器，以滤除特定频率范围内的信号。
10.**电路仿真**：利用电路模拟软件，如Multisim或LTSpice，可以帮助学生在不实际搭建电路的情况下理解电路行为。
这本《电路基础》教材将这些知识点系统地组织起来，结合实例和习题，帮助初学者逐步建立起电路理论体系。
书签功能则使得学习者可以迅速找到感兴趣的章节，提高学习效率。
无论是自学还是课堂学习，这本书都是一个宝贵的参考资料。

小波变换的图像处理%MATLAB2维小波变换经典程序%FWT_DB.M;%此示意程序用DWT实现二维小波变换%编程时间2004-4-10，编程人沙威%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%clear;clc;T=256;%图像维数SUB_T=T/2;%子图维数%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%1.调原始图像矩阵loadwbarb;%下载图像f=X;%原始图像%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%2.进行二维小波分解l=wfilters('db10','l');%db10（消失矩为10)低通分解滤波器冲击响应（长度为20）L=T-length(l);l_zeros=[l,zeros(1,L)];%矩阵行数与输入图像一致，为2的整数幂h=wfilters('db10','h');%db10（消失矩为10)高通分解滤波器冲击响应（长度为20）h_zeros=[h,zeros(1,L)];%矩阵行数与输入图像一致，为2的整数幂fori=1:T;%列变换row(1:SUB_T,i)=dyaddown(ifft(fft(l_zeros).*fft(f(:,i)'))).';%圆周卷积FFTrow(SUB_T+1:T,i)=dyaddown(ifft(fft(h_zeros).*fft(f(:,i)'))).';%圆周卷积FFTend;forj=1:T;%行变换line(j,1:SUB_T)=dyaddown(ifft(fft(l_zeros).*fft(row(j,:))));%圆周卷积FFTline(j,SUB_T+1:T)=dyaddown(ifft(fft(h_zeros).*fft(row(j,:))));%圆周卷积FFTend;decompose_pic=line;%分解矩阵%图像分为四块lt_pic=decompose_pic(1:SUB_T,1:SUB_T);%在矩阵左上方为低频分量--fi(x)*fi(y)rt_pic=decompose_pic(1:SUB_T,SUB_T+1:T);%矩阵右上为--fi(x)*psi(y)lb_pic=decompose_pic(SUB_T+1:T,1:SUB_T);%矩阵左下为--psi(x)*fi(y)rb_pic=decompose_pic(SUB_T+1:T,SUB_T+1:T);%右下方为高频分量--psi(x)*psi(y)%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%3.分解结果显示figure(1);colormap(map);subplot(2,1,1);image(f);%原始图像title('originalpic');subplot(2,1,2);image(abs(decompose_pic));%分解后图像title('decomposedpic');figure(2);colormap(map);subplot(2,2,1);image(abs(lt_pic));%左上方为低频分量--fi(x)*fi(y)title('\Phi(x)*\Phi(y)');subplot(2,2,2);image(abs(rt_pic));%矩阵右上为--fi(x)*psi(y)title('\Phi(x)*\Psi(y)');subplot(2,2,3);image(abs(lb_pic));%矩阵左下为--psi(x)*fi(y)title('\Psi(x)*\Phi(y)');subplot(2,2,4);image(abs(rb_pic));%右下方为高频分量--psi(x)*psi(y)title('\Psi(x)*\Psi(y)');%%%%%%%

本文对数字调制中的2FSK采用matlab进行了仿真实验，代码中没有加入噪声，采用相干解调的解调方式。
（一）、代码的流程如下：（1）、设置载波频率，码元频率（本文中即比特率）和采样率；
（2）、产生2FSK信号；
（3）、信号分别经过两个带通滤波器后得到band_passed_sig1和band_passed_sig2；
（4）、对band_passed_sig1和band_passed_sig2分别进行相干解调，再分别进行低通滤波得到lower_sig1和lower_sig2；
（5）、对lower_sig1和lower_sig2进行抽样判决得到输出信号；
（6）、统计无码率；
（二）、2FSK进行matlab仿真的疑难点：（1）、相干解调采用的“同频同相的载波”的获取。
由于信号经过带通滤波器之后（本文采用的是FIR线性相位数字滤波器）会出现相移，所以不能直接用调制时候的载波信号与此时的band_passed_sig1信号相乘来相干解调，此时用来相干解调的载波应该与经过滤波器之后出现相移的“载波”信号同频同相，本文代码中直接采用band_passed_sig1.*band_passed_sig1的方式进行相干解调，这点需要读者细心斟酌一下（其实不难理解的）。
（2）、抽样判决的判决时刻选择。
据笔者观察，经过低通滤波器之后得到的信号会出现时移（延时）的情况，建议读者可以先设置10个码元个数，观察一下低通滤波器的输出波形，然后再选择波形峰值时刻作为抽样判决时刻。
本文的代码中是采用每一个码元的结束时刻作为抽样判决时刻，这是笔者通过观察低通滤波器的输出波形后得到的，不具有通用性。
时移的原因，笔者觉得是因为FIR数字滤波器的线性相位所导致的，但是怎么个时移法，笔者目前还没有弄明白（数字信号处理学的不够好），还有待探究。

二阶滤波器计算设计的小工具，可以使用，计算电容值、计算频率等功能，挺全的，挺好用的

自适应滤波器的设计以及使用MATLAB仿真实现

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。