NB-IoT协议接口与信令流程附着是UE进行业务前在网络中的注册过程，主要完成接入鉴权和加密、资源清理和注册更新等过程。
附着流程完成后，网络记录UE的位置信息，相关节点为UE建立上下文。
与R12附着流程相比，步骤12-16存在差异，主要因为UE可以支持不建立PDN连接的附着。
附着过程中可以请求不建立PDN连接，那么附着流程中MME-SGW-PGW之间就不需要建立会话相关的信令。
如果NB-IoTUE和网络侧都支持使用控制面优化来传输用户数据，那么即使UE在附着过程中请求PDN连接，网络侧也可以决定不建立无线数据承载，这样UE与MME之间使用NAS消息来传输用户数据，这样步骤17-24存在差异。

C++信号放大器(1)运用二叉树的定义将左孩子、右孩子、结点值、权值即与父结点的衰减量、以及当前结点的最大衰减量联系起来。
(2)设置信号放大器函数该函数主要实现判断是否超过容忍值并在合适位置放置信号放大器使其数量最少。
首先将当前结点最大衰减量D初始化，当只有右子树时即左子树为空，计算出当前结点的最大衰减量，判断当超过容忍值时则放置信号放大器并输出；
当只有左子树时即右子树为空，计算出当前结点的最大衰减量，判断当超过容忍值时则放置信号放大器并输出；
当左右子树都存在并左子树的衰减量大于右子树时则计算当前结点最大衰减量D并判断是否超过容忍值并输出，继续进一步比较其右子树的当前最大衰减量与右子树的衰减量之和和其左子树的衰减量，若大于则更新D，并判断是否超过容忍值并输出，再进一步比较其右子树的衰减量与其左子树的衰减量，若大于则再更新D；
当左右子树都存在且右子树的衰减量大于左子树时，比较方法与前者相似，颠倒左右即可。
通过此算法可将放置的放大器数目最少。
(3)主函数主函数中包括输入信息时的声明及相关函数的调用。
四调试分析该程序在设置信号放大器的比较算法上有些麻烦，需要进行很多比较。
结点信息的输入也比较麻烦，很浪费时间，还有就是输出结果时最好将二叉树的具体结构一同输出便于检查，并且形象直观。

压缩包中包含的具体内容：对给定数据中的6个不同场景图像，进行全景图拼接操作，具体要求如下：（1） 寻找关键点，获取关键点的位置和尺度信息（DoG检测子已由KeypointDetect文件夹中的detect_features_DoG.m文件实现；
请参照该算子，自行编写程序实现Harris-Laplacian检测子）。
（2） 在每一幅图像中，对每个关键点提取待拼接图像的SIFT描述子（编辑SIFTDescriptor.m文件实现该操作，运行EvaluateSIFTDescriptor.m文件检查实现结果）。
（3） 比较来自两幅不同图像的SIFT描述子，寻找匹配关键点（编辑SIFTSimpleMatcher.m文件计算两幅图像SIFT描述子间的Euclidean距离，实现该操作，运行EvaluateSIFTMatcher.m文件检查实现结果）。
（4） 基于图像中的匹配关键点，对两幅图像进行配准。
请分别采用最小二乘方法（编辑ComputeAffineMatrix.m文件实现该操作，运行EvaluateAffineMatrix.m文件检查实现结果）和RANSAC方法估计两幅图像间的变换矩阵（编辑RANSACFit.m文件中的ComputeError()函数实现该操作，运行TransformationTester.m文件检查实现结果）。
（5） 基于变换矩阵，对其中一幅图像进行变换处理，将其与另一幅图像进行拼接。
（6） 对同一场景的多幅图像进行上述操作，实现场景的全景图拼接（编辑MultipleStitch.m文件中的makeTransformToReferenceFrame函数实现该操作）。
可以运行StitchTester.m查看拼接结果。
（7） 请比较DoG检测子和Harris-Laplacian检测子的实验结果。
图像拼接的效果对实验数据中的几个场景效果不同，请分析原因。
已经实现这些功能，并且编译运行均不报错！

永磁同步电机无位置传感器仿真，matlab2014a

该课题为基于MATLAB的bp神经网络的交通标志识别系统，可以识别禁令标志，警示标志，指示标志三种标志，带GUI界面，流程为，输入测试图，训练，定位，分割，识别。
可自动识别是三种中的哪一种。
定位是采用颜色的方法，分割是几何位置分割，识别bp神经网络。
注释详细。

惯性导航解算算法实现，根据加速度计，陀螺仪的数据来实时计算速度位置姿态

最近下载了VS2017，然后用cmake3.11重新编译了一把opencv3.4.1库，编译出来的是X86版本，压缩包还有VS2017的配置文件debug和release.prop,解压后设置环境变量路径，然后把prop文件加到对应位置就直接可以用了，具体见word文档

一个简单的贪吃蛇小程序，提供源码、素材及解析，值得注意的是，需要修改包名和代码中的图片的位置

该资源是训练好的yoloV3的模型，下载该资源并放置到准确位置，即可运行官方demo，为了大家方便下载，故上传。

HTML5+CSS3标准课件ppt（包括canvas、多媒体、本地存储、Geolocation地理位置等）

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。