短波电台ICOMM700完整原理图

图片上传：生成缩略图加文字水印图片水印51aspx.png为水印图片远程图片抓取（保存到本地）支持jpg、gif、bmp、png图片抓取后自动以Auto+日期+原名称命名输入远程图片地址（支持Html）

1、首先将文件夹picture复制到D盘下2、打开文件夹：基于DCT的信息隐藏实验。
3、运行DCT.m实现水印的嵌入，并计算嵌入水印后图像的PSNR。
4、运行DCTExtract.m测试鲁棒性：将经过攻击后的图像读入，检测误比特率。
攻击测试实验：原始图像：lena.jpg水印图像：cuc.jpg嵌入水印的图像：Watermarking/DCTWm.bmp经过加噪声攻击后的图像存在文件夹Noise中经过JPEG压缩攻击后的图像存在文件夹JPEG中经过旋转攻击后的图像存在文件夹Rotation中

程序员专属的拜年方式——网页特效拜年,属于你的特殊方式！效果截图：https://img-blog.csdnimg.cn/20210211091708386.jpg

网页制作代码+课程总结；
旅游网站CSS代码@charset"utf-8";body{font-size:12px;color:#666;text-align:center;margin:0px;padding:0px;}#container{text-align:left;padding:0px;width:1400px;position:relative;margin-top:0px;margin-right:auto;margin-bottom:0px;margin-left:auto;}#top{padding-top:15px;height:90px;}#logo{margin:0px;padding:0px;float:left;width:365px;text-align:right;}.pic{vertical-align:middle;padding-right:20px;}#ss{float:left;width:835px;text-align:right;height:35px;padding-top:0px;padding-right:200px;padding-bottom:0px;padding-left:0px;margin:0px;}#daohang{margin-top:5px;margin-right:0px;margin-bottom:0px;margin-left:195px;float:left;text-align:right;padding:0px;height:38px;width:840px;}#daohangul{margin:0px;padding:0px;list-style:none;}#daohangulli{text-align:center;float:left;width:90px;}#daohanga{background-image:url(images/bj01.jpg);display:block;margin:0px;padding-top:10px;padding-right:0px;padding-bottom:13px;padding-left:0px;}#daohanga:link,#daohanga:visited{color:#FFF;text-decoration:none;}#daohanga:hover{color:#333;text-decoration:underline;}#banner{background-image:url(images/pic.jpg);background-repeat:no-repeat;height:160px;text-align:center;padding-top:400px;padding-right:0px;padding-bottom:0px;padding-left:0px;margin:0px;}#bannerimg{padding:0px5px0px5px;}.daohang{font-size:16px;color:#09F;background-color:#060;text-align:center;display:block;}#footer{color:#000;background-image:url(images/bj03.jpg);background-repeat:repeat-x;text-align:center;padding:30px0px29px0px;font-size:16px;}

阿里P6的技术成长路线图（超高清）.jpg

757HD电源图

MATLAB中AR模型功率谱估计中AR阶次估计的实现-psd_my.rar（最近看了几个关于功率谱的问题，有关AR模型的谱估计，在此分享一下，希望大家不吝指正）（声明：本文内容摘自我的毕业论文——心率变异信号的预处理及功率谱估计）（按：AR模型功率谱估计是对非平稳随机信号功率谱估计的常用方法，但是其模型阶次的估计，除了HOSA工具箱里的arorder函数外，没有现成的函数可用，arorder函数是基于矩阵SVD分解的阶次估计方法，为了比较各种阶次估计方法的区别，下面的函数使用了'FPE','AIC','MDL','CAT'集中准则一并估计，并采用试验方法确定那一个阶次更好。
）………………………………以上省略……………………………………………………………………假设原始数据序列为x，那么n阶参数使用最小二乘估计在MATLAB中实现如下：Y=x;Y(1:n)=[];m=N-n;X=[];%构造系数矩阵fori=1:m  forj=1:n      X(i,j)=xt(ni-j);  endendbeta=inv(X'*X)*X'*Y';复制代码beta即为用最小二乘法估计出的模型参数。
此外，还有估计AR模型参数的Yule-Walker方程法、基于线性预测理论的Burg算法和修正的协方差算法等[26]。
相应的参数估计方法在MATLAB中都有现成的函数，比如aryule、arburg以及arcov等。
4.3.3AR模型阶次的选择及实验设计文献[26]中介绍了五种不同的AR模型定阶准则，分别为矩阵奇异值分解（SingularValueDecomposition,SVD）定阶法、最小预测定误差阶准则（FinalPredictionErrorCriterion,FPE）、AIC定阶准则（Akaika’sInformationtheoreticCriterion,AIC）、MDL定阶准则以及CAT定阶准则。
文献[28]中还介绍了一种BIC定阶准则。
SVD方法是对Yule-Walker方程中的自相关矩阵进行SVD分解来实现的，在MATLAB工具箱中arorder函数就是使用的该算法。
其他五种算法的基本思想都是建立目标函数，阶次估计的标准是使目标函数最小化。
以上定阶准则在MATLAB中也可以方便的实现，下面是本文实现FPE、AIC、MDL、CAT定阶准则的程序（部分）：form=1:N-1  ……    %判断是否达到所选定阶准则的要求  ifstrcmp(criterion,'FPE')    objectfun(m1)=(N(m1))/(N-(m1))*E(m1);  elseifstrcmp(criterion,'AIC')    objectfun(m1)=N*log(E(m1))2*(m1);  elseifstrcmp(criterion,'MDL')    objectfun(m1)=N*log(E(m1))(m1)*log(N);  elseifstrcmp(criterion,'CAT')    forindex=1:m1        temp=temp(N-index)/(N*E(index));    end    objectfun(m1)=1/N*temp-(N-(m1))/(N*E(m1));  end    ifobjectfun(m1)＞=objectfun(m)    orderpredict=m;    break;  endend复制代码orderpredict变量即为使用相应准则预测的AR模型阶次。
（注：以上代码为结合MATLAB工具箱函数pburg,arburg两个功率谱估计函数增加而得，修改后的pburg等函数会在附件中示意，名为pburgwithcriterion）登录/注册后可看大图程序1.JPG(35.14KB,下载次数:20352)下载附件 保存到相册2009-8-2820:54上传登录/注册后可看大图程序2.JPG(51.78KB,下载次数:15377)下载附件 保存到相册2009-8-2820:54上传下面本文使用3.2.1实验设计的输出结果即20例经预处理的HRV信号序列作为实验对象，分别使用FPE、AIC、MAL和CAT定阶准则预测AR模型阶次，图4.1（见下页）为其中一例典型信号使用不同预测准则其目标函数随阶次的变化情况。
从图中可以看出，使用FPE、AIC以及MDL定阶准则所预测的AR模型阶次大概位于10附近，即阶次10左右会使相应的目标函数最小化，符合定阶准则的要求，使用CAT定阶准则预测的阶次较小，在5~10之间。
图4.2（见下页）为另一例信号的阶次估计情况，从中也可以得到同样的结论。
（注，实验信号为实验室所得，没有上传）登录/注册后可看大图图片1.JPG(28.68KB,下载次数:5674)下载附件 保存到相册2009-8-2820:54上传

发一个菲涅耳透镜及其成像程序-fresnellens.rar是个点光源和平行光干涉而成的同轴菲涅耳透镜。
初学数字全息，程序比较简单。
抛砖引玉～～所含文件：Figure2.jpg一个菲涅耳透镜及其成像程序运行结果：Figure1.jpg一个菲涅耳透镜及其成像程序Figure3.jpg一个菲涅耳透镜及其成像程序

3_blogdevteam.jpg

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。