在[1]中，通过迭代最小化（SLIM）方法进行的稀疏学习已被证明在MIMO雷达模型的高分辨率成像中是有效的。 但是，那里的回声模型是直接根据离散形式导出的。 成像空间的先前网格化以及所有散射体都精确位于网格上的假设。 因此，这里我们将回波模型推广到任意位置散射体的连续形式。 通过比较两个模型，我们首先指出了先前模型中的一个推导错误。 然后，我们分析了先前模型和SLIM方法在何种程度上会受到离网散射体的范围和角度偏差的影响。 根据我们的分析，由于先前模型中的采样间隔和离散距离仓的大小是根据传输的子脉冲的持续时间设计的，因此距离偏差对成像性能没有重大影响。 但是，角度偏差可能导致基矩阵不匹配，从而严重影响SLIM的重建结果。 因此，提出了一种基于自更新的SLIM（SUB-SLIM）方法，通过交替稀疏成像和自适应细化角箱来处理偏角网格散射体。 数值结果说明了我们的方法和相关分析的有效性。

matlab肌电信号处理代码EMG手腕姿势分类 EMG分类系统的M文件（计算机Matlab代码）集合，用于根据[1]中所述的来自Myo Armband的随机默认前臂EMG信号来识别九种腕手运动。 该系统使用八个时域特征的线性组合，然后进行线性判别分析（LDA）投影和多层感知器（MLP）分类。 使用Myo Armband中随附的8个主动传感器，对年龄在27±4岁的10位受试者（七名男性，三名女性）的EMG录音进行了开发和测试。 该系统在八个通道的EMG段上运行。 需要Matlab编程环境。 可以在上找到更新。 要引用此系统，请使用参考文献[1,2]。 概述： 一种基于随机获取的前臂EMG信号的九种腕手动作的低复杂度方法。 该方法是通过评估来自八个通道的256段EMG窗口中的八个时域特征而开发的。 来自八个通道的估计特征通过LDA分析进行合并和缩减，并使用数据驱动的MLP方法进行分类。 此处的代码实现了此运动分类系统，该系统已通过EMG记录进行了训练，并记录了来自10个健康受试者的100次训练中的9个运动数据。 快速开始： 使用system_parameters函数在Matlab中设置系统

易语言源码对DBF数据库实时检测动态语音提醒，因SK-2000仪器不定时跳井深，若不能及时发现会造成资料缺失，而人的注意力又不可能时刻不离监视屏幕，为此编写了该程序。

单片机：AT32F403A eeprom：GD25Q16 端口：SPI2,PB12/PB13/PB14/PB15 操作步骤：主函数运行初始化函数system_clock_config();GD25_spi2_init();，然后运行测试函数test_GD25()

在并网逆变器系统中,通常依靠锁相环获取电网电压的相位信息以确保并网电流与电网电压实现同步。本文以基于二阶广义积分锁相环（SOGI-PLL）的单相LCL型并网逆变器为例,基于电网阻抗对系统的影响,分析SOGI-PLL的小信号模型和基于阻抗稳定性判据的并网逆变器数学模型。结合伯德图和奈奎斯特曲线图,分析SOGI-PLL中PI调节器的各参数单独变化对并网系统稳定性的影响,提出一种基于稳定性的锁相环参数优化方法。在Simulink中搭建单相LCL型并网逆变器仿真模型,通过仿真验证了理论分析的正确性。

利用c++实现的GPS单点定位程序，并对程序中读取文件部分做了详细注释(GPS single point positioning using c++ achieve)

改装后的lib2sig脚本，可以批量对lib文件进行签名，方便多了~！

使用RNN循环神经网络实现对爬取的京东评论信息进行情感分析 其中包括源代码、数据集、停用词等

sdf-polygon-2d 在二维空间中对多边形的有符号距离场进行采样 安装 npm install sdf-polygon-2d 用 var createSDF = require('sdf-polygon-2d'); var points = [ [-10, -10], [-10, 10], [ 10, 10], [ 10, -10] ]; // pass an array of polygons, including polygons with holes var sample = createSDF([points]); console.log(sample(0, 0)) // -10 console.log(sample({ x: 10, y: 0 })) // 0 console.log(sample([20, 0])) // 10 更多示例 执照

亲测可用