-
评价方法 (评价指标体系)
评价的问题,评价的原则,评价的步骤,评价体系的主要组成
- 2020-12-01下载
- 积分：1
-
基于神经网络的手写数字识别MATLAB源码
基于BP神经网络的手写数字识别MATLAB源码，包括GUI界面
- 2020-12-02下载
- 积分：1
-
matlab 二分法 源代码.m
【实例简介】matlab 二分法 源代码 ，能够快速全面的解决二分法的解题步骤
- 2021-12-04 00:40:25下载
- 积分：1
-
基于Matlab的IR-UWB无线通信信道模型仿真
超宽带通信技术是一种全新的短距离无线通信技术。它利用极窄脉冲传输数据，具有传输速率高、功耗低、抗多径能力强等许多优点，并且由于频谱的功率谱密度极小，它通常具有扩频通信的特点。该技术以其独有的特性正受到通信学术界和产业界乃至军方的重视，并将取得进一步的发展，获得日益广泛的应用。本文首先概括地介绍了超宽带无线通信的基础知识，重点研究TH-UWB信号特点及传播特性，对比超宽带信道模型与窄带无线信道的不同，在此基础上分析路径损耗模型和多径衰落模型对PPM-TH-UWB超宽带信号传输的影响。利用MATLAB仿真分析了PPM-TH-UWB和PAM-TH-UWB信号时域表达式及其功率谱密度（PSD），同时
- 2020-12-10下载
- 积分：1
-
LDPC码基础与应用.贺鹤云
入门书籍关于LDPC码的。LDPC码基础与应用.贺鹤云著，共356页。
- 2020-12-08下载
- 积分：1
-
QT 开启线程接收串口数据并由主线程界面实时显示心电波形图
在主线程开启子线程初始化，读写串口数据，有数据就读，提取有效数据，并用信号将数据传送给主线程，创建界面对象，主线程通过开关按钮槽函数控制串口的打开关闭，图形的显示以及暂停，实时刷新波形。串口读取数据参考了博友的代码。
- 2020-11-28下载
- 积分：1
-
基于labview的QPSK调制与解调
本程序是基于labview 8.6的QPSK信号调制与解调仿真，利用labview调制解调模块（MT toolkit），将随机产生的0、1比特流进行QPSK调制，显示调制和上变频后的时域谱和功率谱；在解调处理端进行解调，并显示眼图、星座图和解调码字。PS：本程序乃原创，若想熟悉labview的调制解调模块和信号频谱显示，可以参考参考。
- 2020-12-05下载
- 积分：1
-
BSM1建模指导及Simulink程序
本次分享的文件包括的Benchmarking Simulation Model No.1的建模手册以及对应的Matlab/Simulink程序。初步学习污水处理建模的同学，若有兴趣可参考此资源。
- 2020-06-29下载
- 积分：1
-
非常好用的modbus主从站模拟器，可以直接解压使用，不需要安装，附带说明
非常好用的modbus主从站模拟器，可以直接解压使用，不需要安装，附带说明
- 2020-11-28下载
- 积分：1
-
SIFT算法详解及应用(讲的很详细)
SIFT算法入门时看的一篇文章，SIFT算法详解及应用(讲的很详细)SIFT简介SIFTScale Invariant Feature Transform传统的特征提取方法成像匹配的核心问题是将同一目标在不同时间、不同分辨率、不同光照、不同位姿情况下所成的像相对应。传统的匹配算法往往是直接提取角点或边缘,对环境的适应能力较差,急需提出一种鲁棒性强、能够适应不同光照、不同位姿等情况下能够有效识别目标的方法。己0]/3/己7彐SIFT简介SIFTScale Invariant Feature TransformSIFT提出的目的和意义分1999年 British columbia大学大卫.劳伊( David g.Lowe)教授总结了现有的基于不变量技术的特征检测方法,并正式提出了一种基于尺度空间的、对图像缩放、旋转甚至仿射变换保持不变性的图像局部特征描述算子一SIFT(尺度不变特征变换),这种算法在2004年被加以完善己0]/3/己7SIFT简介SIFTScale Invariant Feature Transform将一幅图像映射(变换)为一个局部特征向量集;特征向量具有平移、缩放、旋转不变性,同时对光照变化、仿射及投影变换也有一定不变性。己0]/3/己7SIFT简介SIFTScale Invariant Feature TransformSIFT算法特点SIFT特征是图像的局部特征,其对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定性。独特性( Distinctiveness)好,信息量丰富,适用于在海量特征数据库中进行快速、准确的匹配。多量性,即使少数的几个物体也可以产生大量SIFT特征向量。经过优化的SIFT算法可满足一定的速度需求。可扩展性,可以很方便的与其他形式的特征向量进行联合。己0]/3/己7SIFT简介SIFTScale Invariant Feature TransformSIFT算法可以解决的问题目标的自身状态、场景所处的环境和成像器材的成像特性等因素影响图像配准/目标识别跟踪的性能。而SIFT算法在一定程度上可解决:目标的旋转、缩放、平移(RST)图像仿射/投影变换(视点 viewpoint)光照影响(111 amination)目标遮挡( occlusion)杂物场景(c1 utter)噪声己0]/3/己7SIFT算法实现细节SIFTScale Invariant Feature TransformSIFT算法实现步骤简述SIFT算法的实质可以归为在不同尺度空间上查找特征点(关键点)的问题。原图像特征点特征点目标的特检测描述征点集特征点匹匹配点矫配正目标图像特征点特征点目标的特检测描述征点集SIFT算法实现物体识别主要有三大工序,1、提取关键点;2、对关键点附加详细的信息(局部特征)也就是所谓的描述器;3、通过两方特征点(附带上特征向量的关键点)的两两比较找出相互匹配的若干对特征点,也就建立了景物间的对应关系。SIFT算法实现细节SIFTScale Invariant Feature TransformSIFT算法实现步骤关键点检测己。关键点描述彐·关键点匹配4·消除错配点己0]/3/己7关键点检测的相关概念SFTiant Feature Transfor1.哪些点是SIFT中要查找的关键点(特征点)?这些点是一些十分突出的点不会因光照条件的改变而消失,比如角点边缘点、暗区域的亮点以及亮区域的暗点,既然两幅图像中有相同的景物,那么使用某种方法分别提取各自的稳定点,这些点之间会有相互对应的匹配点。所谓关键点,就是在不同尺度空间的图像下检测出的具有方向信息的局部极值点。根据归纳,我们可以看出特征点具有的三个特征:尺度方向大小己0]/3/己7
- 2020-05-27下载
- 积分：1
|
联系客服（QQ：3324461878）
