%radon transform clear all % N=800 n=1:N fs=200 t=n/fs x1=exp(j*2*pi*(5*t+0.5*5*t.^2)) x2=exp(j*2*pi*(5*t+0.5*15*t.^2)) x=x1+x2 %N=length(x) % ambifunb(x ) %*****************************************RAT naf=ambifunb(x) htl(abs(naf)) % [wh,rho,theta]=htl(abs(naf)) colormap([0,0,0]) % xlabel( 極半徑 ) % ylabel( 角度 ) %**************************************%找出峰值點的坐標,計算初始頻率和調頻斜率(正確) %找出峰值點的坐標 b=max(max(wh)) [u,a]=find(wh>=0.8*b)
上傳時間: 2014-10-27
上傳用戶:Yukiseop
arm946es的cpu初始化源代碼,用在u-boot的初始化階段
上傳時間: 2016-06-20
上傳用戶:aix008
System.out.print(s) System.out.println(t) System.out.print(u) System.out.println(v) System.out.print(a) System.out.print(b) System.out.print(c) System.out.println(d) x=0x5f20 y=0x5f35 z=0xffff System.out.print(x) System.out.print(y) System.out.println(z)
上傳時間: 2016-07-01
上傳用戶:日光微瀾
通過引入與余差有關的代價函數,給出了一種高精度估計基礎矩陣的線性算法——加權平移算法.首先 將原始輸入數據加權,計算加權后數據的重心坐標,將坐標原點平移到該重心坐標,再作歸一化處理.然后用8點 算法求出基礎矩陣F陣的8個參數,實現了F陣的高精度估計.實驗結果表明,此算法具有良好的魯棒性,且余差 和對極距離都小于其他線性算法,提高了基礎矩陣的精度.
上傳時間: 2016-08-15
上傳用戶:zgu489
介紹了一種基于低成本CMOS攝像頭的智能監控系統,實現了現場監控的實時化、智能化。系統可自動判別危險程度,可分別提供綠色、黃色和紅色報警信息,并驅動相關附屬設備工作。針對圖像傳輸過程中的噪聲,系統采用了對噪聲圖像使用局部算子的濾波技術來提高圖像質量。根據對靜態圖像進行三原色分離后誤差域的研究,達到背景與圖像分離的目的,成功實現了圖像的獲取和處理。在低成本投入下,以簡單的配置和簡便的操作達到了高性能監控系統的功能。
上傳時間: 2016-08-24
上傳用戶:chenxichenyue
acm部分算法文檔,有動態規化,貪心算法
上傳時間: 2016-08-25
上傳用戶:王小奇
【二項式係數 運算】Dev-C++ 學習,運用Dynamic Programming 動態規劃計算
標簽: Dev-C
上傳時間: 2016-09-19
上傳用戶:冇尾飛鉈
Visual C++提供了一個支持可視化編程的集成開發環境:Visual Studio(又名Developer Studio)。Developer Studio是一個通用的應用程序集成開發環境,它不僅支持Visual C++,還支持Visual Basic,Visual J++,Visual InterDev等Microsoft系列開發工具。Developer Studio包含了一個文本編輯器、資源編輯器、工程編譯工具、一個增量連接器、源代碼瀏覽器、集成調試工具,以及一套聯機文檔。使用Developer Studio,可以完成創建、調試、修改應用程序等的各種操作。
標簽: Studio Developer Visual 集成開發環境
上傳時間: 2016-10-16
上傳用戶:shizhanincc
基于VB的遺傳算法軟件實現 在程序中,FitnessValue (i) 為適應度值數組、avFit2nessValue (100) 為歸一化適應度值數組、Population2 Chrom(i ,j) 為遺傳個體的等位基因值、Popsize 為種群中的個體數,CHROMLENGTH為一母體對的等位基因 總數。
標簽: avFit2nessValue FitnessValue Population2 Chrom
上傳時間: 2014-01-09
上傳用戶:1966640071
function [U,center,result,w,obj_fcn]= fenlei(data) [data_n,in_n] = size(data) m= 2 % Exponent for U max_iter = 100 % Max. iteration min_impro =1e-5 % Min. improvement c=3 [center, U, obj_fcn] = fcm(data, c) for i=1:max_iter if F(U)>0.98 break else w_new=eye(in_n,in_n) center1=sum(center)/c a=center1(1)./center1 deta=center-center1(ones(c,1),:) w=sqrt(sum(deta.^2)).*a for j=1:in_n w_new(j,j)=w(j) end data1=data*w_new [center, U, obj_fcn] = fcm(data1, c) center=center./w(ones(c,1),:) obj_fcn=obj_fcn/sum(w.^2) end end display(i) result=zeros(1,data_n) U_=max(U) for i=1:data_n for j=1:c if U(j,i)==U_(i) result(i)=j continue end end end
標簽: data function Exponent obj_fcn
上傳時間: 2013-12-18
上傳用戶:ynzfm