汉字（即汉字）通常由不对应音素的部首组成；
取而代之的是，某些部首可以作为独立的正弦图出现，并具有自己的发音。
先前的研究表明，在读取低频正弦图时，会激活部首和正弦图的发音。
但是，正弦图发音和部首发音之间的相对激活时机尚未处理。
我们通过比较两种类型的素数在事件相关电位（ERP）实验中对目标施加的干扰效应来研究此问题：自由基相关素，它们与目标中嵌入的基团同音；
和与SINOGRAM相关的素数，它们与目标音同调。
对于N170，P200和N400响应，发现了根本的干扰效应，而对于N400，仅发现了正弦图干扰效应。
我们的发现表明，部首的发音在词法上被激活，即，在其宿主正弦图的发音之前被激活。
在交互式激活框架中讨论了这种早期的次词汇语音学的作用，其中两种类型的发音都存在并且可以交互操作：（1）部首发音和（2）与正弦图正字邻点相关的一组发音。
。

标准1k,10k,20KHz,20Hz音频测试文件，低频高频人耳听不到，次要是用来生成线性正弦扫频信号

基于小波变换（DWT）提出了一种将数字图像隐藏在音频信号中的音频信号的水印设计，以音频信号为载体，将秘密信号嵌入载体音频信号当中，实现音频信号的水印。
采用变换域小波变换（DWT）的技术，将音频信号进行小波变换，提取出低频分量，然后将水印嵌入到音频信号的低频当中。
通过基于小波变换的分层水印提取过程对数字图像嵌入到原始音频载体信号中，实现了数字图像水印的多重嵌入和提取，利用MATLAB软件实现一个完整的水印算法，进行功能仿真结果的对比，该算法实现的多重水印具有较好的稳健性和不可察觉性。

传统的去噪方法往往假设含噪图像的有用信息处在低频区域，而噪声信息处在高频区域，从而基于中值滤波、Wiener滤波、小波变换等方法实现图像去噪，而实际上这种假设并不总是成立的。
基于图像的稀疏表示，近几年来研讨者们提出了基于过完备字典稀疏表示的图像去噪模型，其基本原理是将图像的稀疏表示作为有用信息，将逼近残差视为噪声。
利用K-SVD算法求得基于稀疏和冗余的训练字典，同时针对K-SVD算法仅适合处理小规模数据的局限，通过定义全局最优来强制图像局部块的稀疏性。
文献[28]提出了稀疏性正则化的图像泊松去噪算法，该算法采用log的泊松似然函数作为保真项，用图像在冗余字典下稀疏性约束作为正则项，从而取得更好的去噪效果。

本文以STC89C51单片机为核心设计了一个低频函数信号发生器。
信号发生器采用数字波形合成技术,通过硬件电路和软件程序相结合,可输出自定义波形,如正弦波、方波、三角波、三角波、梯形波及其他任意波形，波形的频率和幅度在一定范围内可任意改变。
波形和频率的改变通过软件控制，幅度的改变通过硬件实现

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。