第一章连续的小波变换1．1连续小波变换的定义1．2与短时傅里叶变换的比较1．3连续小波变换的一些性质1．4小波变换的反演及对基本小波的要求1．5连续小波变换的计算机实现与快速算法1．6几种常用的基本小波1．7应用举例第二章尺度及位移均离散化的小波变换2．1离散α，γ栅格下的小波变换2．2标架(frame)概念2．3小波标架2．4应用举例第三章多分辨率分析与离散序列的小波变换3．1概述3．2多分辨率信号分解与重建的基本概念3．3尺度函数和小波函数的一些重要性质3．4由多分辨率分析引出多采样率滤波器组3．5Mallat算法实现中的一些问题3．6离散序列的小波变换3．7金字塔结构的数据编码第四章多采样率滤波器组与小波变换4．1概述4．2多采样率信号处理的一些基本关系4．3双通道多采样率滤波器的理想重建条件4．4多采样率滤波器组的两种一般表示法4．5正交镜像滤波器组与共轭正交滤波器组4．6正交滤波器组的设计4．7二项式小波滤波器组4．8对滤波器组参数与连续时间小渡变换关系的进一步讨论4．9Daubechies小波4．10IIR型的正交滤波器组和小波4．1l双正交滤波器组与双正交小波4．12滤波器组理想重建条件的时域表示式及其设计第五章二维小波变换及其用于图像处理5．1概述5．2二维图像的多分辨率分析：可分离情况5．3五株排列(quincunx)的多分辨率分析5．4应用举例5．5二维连续小波变换第六章小波变换用于表征信号的突变(瞬态)特征6．1概述6．2基本原理6．3几种检测局部性能常用的小波6．4用小波变换极大值在多尺度上的变化来表征信号奇异点的性质6．5用二维小波变换作图像上物体边沿的检测6．6应用举例6．7用小波变换的过零点来表征信号6．8由小波变换的奇异点重建信号6．9仿真计算第七章小波包与时一频平面的铺砌7．1概述7．2小波包的定义与主要性质7．3最优小波包基的选择7．4自适应小波包分解7．5最优小波包作自适应切换时瞬态的抑制——时变滤波器组方法7．6关于时间一频率平面的自适应铺砌7．7基本小波的优化设计7．8小波变换在不同基函数间的换算第八章小波变换与分形信号的分析8．1概述8．2关于分形的简述8．3过程的小波分析8．4确定性的自相似过程8．5过程的信号处理8．6分数布朗运动与分数高斯噪声8．7小波变换用于其他分形问题简介

针对现有的迭代扩展卡尔曼滤波（EIEKF）跟踪时估计精度较低这一不足，提出了一种改进扩展卡尔曼滤波（NIEKF）新算法。
该算法将迭代滤波理论引入到扩展卡尔曼滤波方法中，重复利用观测信息，采用经典的非线性非高斯模型进行仿真实验，给出了该方法与扩展卡尔曼滤波（EKF）、Unscented卡尔曼滤波（UKF）、现有的迭代扩展卡尔曼滤波（EIEKF）的仿真结果，并分析了其跟踪性能和均方根误差。
仿真结果表明,改进扩展卡尔曼滤波（NIEKF）新方法具有更高的估计精度。

针对脉冲激光器峰值功率大、重复频率低和占空比受限等特性，对现有的无线光通信调制方案进行分析和改进，给出改进后调制方案的符号结构，在功率效率、带宽需求和传输容量等方面对其性能进行分析比较，并在理想的加性高斯白噪声干扰下分析其误包率。
理论分析和仿真验证表明：脉冲宽度调制方案具有最大的传输容量，能在适应脉冲激光器特性限制的同时，获得较好的调制性能，在无线光通信系统中有一定的应用前景。

简单的一维高斯滤波程序。
适用于图像处理初学者。
开发平台vs2008+OpenCV2.3.1

程序是用于解决多分类问题的“一对一”方法，程序中有个二分类接口是高斯过程分类器，用户可以进行修改，用什么分类器都可以。
该程序是用MATLAB把一对一的思想写成了代码。

利用高斯函数实现直方图规定化，小程序，图像处理课程小作业。
自用

tensorflow下构建三层卷积层，三层反卷积层实现卷积自编码，针对系数为0.5的高斯噪声亦有较好效果，可通过tensorboard查看输入输出图像

仿真伪随机相位编码脉冲雷达的信号处理。
设码频为各学生学号末两位数（22），单位为MHz，伪码周期内码长为127，占空比10%，雷达载频为10GHz，输入噪声为高斯白噪声。
目标模拟分单目标和双目标两种情况，目标回波输入信噪比可变（-35dB～10dB），目标速度可变（0～1000m/s），目标幅度可变（1～100），目标距离可变（0～10000m），相干积累总时宽不大于10ms。
单目标时，给出回波视频表达式；
脉压和FFT后的表达式；
仿真m序列的双值电平循环自相关函数，给出脉压后和FFT后的输出图形；
通过仿真说明各级处理的增益，与各级时宽和带宽的关系；
仿真说明脉压时多卜勒敏感现象和多卜勒容限及其性能损失（脉压主旁比与多卜勒的曲线）。
双目标时，仿真出大目标旁瓣盖掩盖小目标的情况；
仿真出距离分辨和速度分辨的情况。

在中国的地理信息系统（GIS）和测绘领域，坐标系的转换是一项重要的任务。
本文将深入探讨“经纬度与我国54、80大地坐标转换的小工具”所涉及的关键知识点。
我们要了解“54坐标系”和“80坐标系”的概念。
54坐标系，全称为1954年北京坐标系，是基于苏联1942年普尔科沃大地坐标系的一种坐标系统。
在20世纪50年代，中国主要采用这一坐标系进行测量工作。
而“80坐标系”，即1980西安大地坐标系，是中国在1978年全国天文大地网平差后建立的新坐标系统，它采用了国际地球自转服务（IERS）推荐的地极原点和地球参考椭球模型，更符合现代地理空间数据的需求。
经纬度是我们最常见的地理位置表示方式，由经度和纬度两个参数组成。
经度表示东西方向的位置，以本初子午线（通过英国格林尼治天文台的经线）为0度，向西至180度，向东至180度。
纬度则表示南北方向的位置，以赤道为0度，向北至90度为北极，向南至90度为南极。
54坐标系和80坐标系与经纬度之间的转换通常涉及到椭球参数、投影方法和坐标平移等多个步骤。
这两个坐标系都基于特定的椭球模型，54坐标系使用的是克拉索夫斯基椭球，80坐标系使用的是国际大地测量与地球物理联合会（IUGG）推荐的克拉克1866椭球。
由于地球不是一个完美的球体，而是椭球形状，因此不同的椭球模型会导致坐标有所不同。
转换过程一般包括以下步骤：1.**椭球参数转换**：每个坐标系都有自己的椭球参数，包括长半轴（a）和扁平率（f），需要根据这些参数调整经纬度坐标。
2.**坐标平移**：由于历史原因，54坐标系和80坐标系在原点上有差异，需要进行平移操作。
3.**投影转换**：由于地球表面是曲面，而地图通常是平面，所以需要将经纬度坐标通过特定的投影方法（如高斯-克吕格投影）转换为平面坐标。
4.**系数计算**：转换过程中会涉及一系列的数学公式和转换系数，确保从一个坐标系到另一个坐标系的准确转换。
这款名为“经纬度与我国54、80大地坐标转换的小工具”的软件，就是基于以上理论，提供了便捷的转换功能。
用户只需要输入经纬度坐标，程序会自动完成上述计算，给出对应的54或80坐标系结果。
这对于GIS工作者、测绘人员以及需要处理地理位置数据的用户来说，是一个非常实用的工具。
需要注意的是，随着现代GIS技术的发展，中国已经逐步推广使用更加精确的WGS84坐标系（世界大地坐标系）和CGCS2000（中国2000国家大地坐标系）。
CGCS2000基于最新的地球椭球模型，与WGS84兼容，更适合现代导航和定位需求。
不过，对于历史数据的处理，54和80坐标系的转换仍然具有重要价值。
总结起来，这个小工具帮助用户跨越了不同坐标系之间的鸿沟，简化了复杂的数学计算，提高了工作效率，体现了GIS技术在实际应用中的灵活性和实用性。

一种机器学习方法，可以用于分类和回归

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。