【国外电子与通信教材系列】宽带无线数字通信【ISBN】7-5053-7667-5【出版发行项】北京-电子工业出版社【出版日期】2002.9【格式】超星转成的pdf【页数】411页【作者简介】AndreasF.Molisch，奥地利的维也纳理工大学通信与射频工程学院移动通信系的副教授，合编著有《宽带无线数字通信》等。
【本书简介】本书将宽带无线数字通信系统分成最具有代表性的非均衡系统、单载波非扩频均衡系统、正交频分复用系统和码分多址系统四大类，全面涵盖了当前及未来宽带无线数字通信的最新内容。
深入的引见。
本书的主要特点是：将宽带无线数字通信系统分成最具有代表性的非均衡系统、单载波非扩频均衡系统、正交频分复用系统和码分多址系统四大类，全面涵盖了当前及未来宽带无线数字通信的最新内容。
本书除了引见基础知识和基本原理以外，还引见了最新的学术前沿及技术进展。
这是一本很好的教科书和技术参考书，适用于电子与通信类专业的高年级本科生、研究生及研究所和企业的工程技术人员。
【目录】第一部分宽带系统引论第1章基础知识1.1什么是宽带系统1.2发展历史参考文献第2章当前及未来的宽带系统2.1DECT和PHS2.2GSM／DCS-19002.3IS-1362.4IS-952.5W-CDMA2.6HIPERLAN-II参考文献第3章无线移动信道3.1平衰落信道3.2时间色散信道：直观描述3.3时间色散信道：系统理论描述3.3.1确定性解释3.3.2随机性解释3.4广义平稳非相关散射WSSUS假设3.4.1广义平稳WSS3.4.2非相关散射3.4.3广义平稳非相关散射WSSUS3.4.4WSSUS系统函数的一些特例3.5表达时间色散信道的参数3.5.1延迟扩展和相关带宽3.5.2延迟窗口和干扰比3.5.3总结3.6时间色散信道模型3.6.1抽头延时线模型3.6.2COST207模型3.6.3Hashemi-Suzuki-Turin模型3.7含有角度色散的模型参考文献第4章概述第5章展望5.1各种方法的比较5.2未来的发展5.2.1自适应天线5.2.2多输入-多输出系统5.2.3多用户检测参考文献第二部分非均衡系统第6章为什么要研究非均衡系统参考文献第7章系统模型7.1发射机7.1.1相移键控7.1.2频移键控7.2信道7.3接收机7.3.1相干和非相干解调7.3.2PSK和CPFSK的差分检测7.3.3GPFSK的鉴频器检测7.4同信道干扰的处理参考文献第8章固定抽样的计算方法8.1一般考虑8.1.1符号序列的平均8.1.2经典接收机的分析8.1.3接收信号的相关特性8.2蒙特卡洛MC模拟方法8.2.1计算概述8.2.2文献评论8.3高斯变量二次型QFGV方法8.3.1有关公式8.3.2文献评论8.4高斯矢量问角度ABGV方法8.5相关矩阵特征值方法8.6群延迟方法8.6.1文献评论8.7差错域方法8.8等效信道模型方法8.9其他方法：文献评论参考文献第9章固定抽样的结果9.1调制.信道和接收机的影响9.2CPFSK9.2.1文献评论9.3FSK9.4相干检测PSK9.5差分检测PSK9.5.1文献评论参考文献第10章降低差错平台的调制方式和接收机结构10.1部分比特检测10.2非线性鉴频器10.3降低差错平台的调制方式参考文献第11章自适应抽样11.1盲自适应抽样11.2具有训练序列的自适应抽样11.3具有训练序列的同步参考文献第12章天线分集12.1天线分集的分类12.2高斯变量二次型QFGV方法12.2.1文献评论12.3差错域方法12.4阴影信道中的分集12.5采用固定抽样的分集结果12.6采用自适应抽样的分集结果参考文献第13章综述与结论参考文献附录A采用固定抽样的比特差错宰计算公式A.1高斯变量二次型QFGV方法的解A.2高斯矢量间角度ABGV方法的解A.3差错域方法的解参考文献附录B第二部分的字母表第三

本文实例讲述了Python实现的随机森林算法。
分享给大家供大家参考，具体如下：随机森林是数据挖掘中非常常用的分类预测算法，以分类或回归的决策树为基分类器。
算法的一些基本要点：*对大小为m的数据集进行样本量同样为m的有放回抽样；
*对K个特征进行随机抽样，构成特征的子集，样本量的确定方法可以有平方根、自然对数等；
*每棵树完全生成，不进行剪枝；
*每个样本的预测结果由每棵树的预测投票生成（回归的时候，即各棵树的叶节点的平均）著名的python机器学习包scikitlearn的文档对此算法有比较详尽的介绍:http://scikit-learn.org/stable/modules/en

针对现有运动恢复结构算法重建模型存在点云稀疏等问题，提出一种利用不同婚配数据进行模型重建的算法。
首先通过对比上下文直方图(CCH)生成婚配数据，利用M估计抽样一致(MSAC)估算图像基础矩阵，进而分解得到平移和旋转矩阵，并根据相机内参计算投影矩阵，然后利用KLT婚配算法更新婚配数据，最后三角化生成三维点云。
该算法婚配精度高，图像基础矩阵易于收敛，通过位移实现特征点婚配，弥补了图像低频区域婚配数据不足的缺陷。
实验结果表明，与现有算法相比，该算法生成的点云更致密；
在真实环境下，该算法可用于物体三维重建。

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。