利用SOA神经网络实现PID参数的自整定，选择最优的控制参数

用于STAP的仿真运用采样矩阵求逆算法STAP的其他算法可以再此基础上改进得到

注意：实验报告不全，参考价值：函数实现。
1.1用C++实现复数类，并为其定义必要的运算符。
structComplex{doublereal_;doubleimage_;Complex(void);Complex(doubleconst&real);Complex(doubleconst&real,doubleconst&imag);Complex(Complexconst&v);Complexoperator+(Complexconst&a)const;Complexoperator-(Complexconst&a)const;Complexoperator*(Complexconst&a)const;Complexoperator/(intn)const;……};1.2voidfft(Comples*dst,Complex*src,intp);快速傅里叶变换。
求复数数组src[0,2p)的傅里叶变换，结果存放在dst[0,2p)中。
1.3voidifft(Complex*dst,Complex*src,intp);快速傅里叶逆变换。
求复数数组src[0,2p)的逆傅里叶变换，结果存放在dst[0,2p)中。
1.4利用快速傅里叶变换计算长整数乘法。
typedefstd::vectorInteger;voidmultiply(Integer*rst,Integerconst&a,Integerconst&b);假设向量a[0,n)表示一个长整数：其中2≤β≤256为基底，函数将两个长整数a,b相乘，结果放在*rst向量中。
利用上面的长整数乘法程序计算结果 (123456789ABCDEF)16256^500×(FEDCBA987654321)16256^500 (987654321)1010^800×(123456789)1010^800

混合定位中很不错的一篇文章，看过之后很受启发

视觉跟踪技术作为计算机视觉领域的热门课题之一，是对连续的图像序列进行运动目标检测、提取特征、分类识别、跟踪滤波、行为识别，以获得目标准确的运动信息参数（如位置、速度等），并对其进行相应的处理分析，实现对目标的行为理解。
视觉跟踪是指对图像序列中的运动目标进行检测、提取、识别和跟踪，获得运动目标的运动参数，如位置、速度、加速度和运动轨迹等，从而进行下一步的处理与分析，实现对运动目标的行为理解，以完成更高一级的检测任务。

系统分析师的教程可以下载的有很多，但不一定都是最新的，这是本人收集的最新的版本。
而且是高清的。

这里包括常用的正交表和正交表工具。
供大家参考

本示例是《OpenCV3编程入门》中7.1.6的综合示例的C#+EMGU3.4.1版，在这个示例程序中，分别演示了canny边缘检测、sobel边缘检测、Laplacian算子，scharr滤波器的使用。

这里包括智能小车硬件课设（循迹，避障，蓝牙），报告，工程，视频全部内容，可以作为大家参考（其实可以直接拿来交，但是不建议），整个小车作品可以在下面链接查看https://blog.csdn.net/sinat_30372583/article/details/80726149

UML学籍管理系统，PDF格式，有需要的自取