近年来，随着电力电子技术、微处理器技术的发展以及新的电机控制理论的出现，极大的促进了异步电机控制技术的发展。
异步电机结构简单、成本低，采用矢量控制技术可以获得和直流电机相媲美的控制功能，而且异步电机矢量控制调速系统具有更高的调速精度、更大的调速范围和更快的响应速度。
论文深入研究了基于电压空间矢量脉宽调制(SVPWM)的矢量控制系统的基本原理，设计了一款基于DSP控制芯片TMS320F2812的异步电机矢量控制系统，并通过仿真和实验对该控制系统功能进行测试和评估。

在存储服务中，可搜索加密方案使得用户能够有选择的访问其密文数据，同时还能确保用户搜索数据的机密性，基于连接关键词（即多个关键词的布尔组合）的可搜索加密方案因其更高的搜索精度在安全存储服务中有着重要的应用价值。
目前已有的基于连接关键词的可搜索加密方案存在诸如连接关键词的陷门太大、搜索效率不高及不支持多用户等问题。
本文采用授权用户和存储服务器先后对关键词加密的方式提出了一个高效的基于连接关键词的可搜索加密方案，使得授权用户能够利用连接关键词的陷门搜索加密文档。
在确定性Diffie-Hellman问题假设下，证明了方案的安全性。
通过与现有方案相比较，提出的方案在通信和计算代价，即搜索陷门大小、关键词加密和搜索的速度，等方面的综合效率得到提高。
此外，提出的方案支持多用户，即能够动态的添加和撤销用户，使得用户能够直接在存储服务器上进行数据共享。

功能特点⑴各节电池的高精度电压检测功能；
•过充电检测电压3.6V~4.6V精度±25mV（+25℃）精度±40mV（-40℃至+85℃）•过充电滞后电压0.1V精度±50mV•过放电检测电压1.6V~3.0V精度±80mV•过放电滞后电压0/0.2/0.4V精度±100mV⑵3段放电过电流检测功能；
•过电流检测电压10.025V~0.30V(50mV步进)精度±15mV•过电流检测电压20.2/0.3/0.4/0.6V•短路检测电压0.6V/0.8/1.2V⑶充电过电流检测功能；
充电过电流检测电压-0.03/-0.05/-0.1/-0.15/-0.2V⑷可应用于3/4/5节电池组；
⑸延时外置可调；
•通过改变外接电容大小设置过充电、过放电、过电流1、过电流2检测延迟时间⑹内置平衡控制端子；
⑺可通过外部信号控制充电、放电形态；
⑻充、放电控制端子最高输出电压12V；
⑼温度保护功能；
⑽断线保护功能；
⑾低功耗；
•工作时（带温度保护）25μA典型值•工作时（无温度保护）15μA典型值•休眠时6μA典型值

本人系统辨识课程的全部代码以及报告报告里有所有算法原理。
内容如下：第一章 最小二乘法 11.1 问题重述 11.2 最小二乘法 11.2.1 基本最小二乘法 11.2.2 不需矩阵求逆的最小二乘法 21.2.3 递推最小二乘法 41.3 辅助变量法 61.3.1 一次辅助变量法 61.3.2 递推辅助变量法 71.4 广义最小二乘法 91.4.1 一次广义最小二乘法 91.4.2 递推广义最小二乘法 101.5 夏式法 121.5.1 夏式偏差修正法 121.5.2 夏式改良法 131.5.3 递推夏式法 131.6 增广矩阵法 161.7 自编方法-多阶段最小二乘法 181.8 噪声特性分析 191.8.1 时域波形 201.8.2 均值分析 201.8.3 方差分析 211.8.4 自相关函数分析 211.8.5 功率谱密度分析 221.8.6 总结 22第二章 极大似然法 23第三章 方法比较 253.1 问题重述 253.2 各方法精度对比 253.3 各方法计算量对比 253.4 噪声方差的影响 263.5 白噪声和有色噪声对辨识的影响 27第四章 系统模型阶次的辨识 284.1 问题重述 284.2 按残差方差定阶 284.2.1 按估计误差方差最小定阶 284.2.2 F检验法 294.3 按AKAIKE信息原则定阶 294.4 按残差白色定阶 304.5 噪声对定阶的影响 314.6 三种方法的优劣及有效性 31附录 32

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。

MATLAB完成钢销直径测量，并达到一定精度，附实验报告

全国各地高程数据，三维地形，10米等高线。
谷歌地图高清卫星地图手机版下载卫星地图下载谷歌地图大数据dem数据_全国DEM数据_数据精度10m30m90m1km

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。

指纹图像的特征提取是指纹识别的关键，而指纹婚配通常基于细节点婚配。
指纹特征提取是从细化后的指纹图中得到细节特征点（即端点和分叉点），此特征点含有大量的伪特征，既耗时又影响婚配精度。
本章采用了边缘去伪和距离去伪，使得特征点去伪前后减小了近1/3，然后提取可靠特征点信息，以便实现指纹婚配。
基于MATLAB实现的指纹细节特征提取方法，并给出了去伪算法，算法实现简单快速，而且具有较高的准确率。

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。