我们的实验有两个阶段，一是使用格雷预测算法找到信号强度（RSSI）的预测值，二是使用动态三角定位方法找到移动用户的位置坐标。 我们使用灰色预测来预测随机时间阶段的RSSI趋势，并在移动用户移动时对预测的RSSI进行分析。 Gray perdition 能够减少移动设备移动时 RSSI 的波动。 带有灰度预测的定位算法实现了更小的平均距离误差。

输入：0 到 360 度之间的角度 (theta)。 输出： cos(θ) 罪（θ）

本程序中产生的电压的最大幅度受DAC0832的基准电压限制 产生的的三角波周期受累加器A的控制，可以通过改变每次加的数值来改变周期，但连续性绘变差....

delaunay 三角网 算法 用边扩展来构建三角网的算法是： 1.选取两数据点，连成初始基线 2.沿基线的固定一侧搜寻第三点，生成第一个Delauney三角形 3.以三角形的两条新边作为新的基线 4.依次重复2,3直至所有的基线处理完毕 所以在算法中分别用了几个函数分别是用来获取第三个点，根据余弦值来判断三角形的，构建三角网的。都是根据算法的思想来的

基于Multisim的方波、三角波和正弦波发生器

为解决点源法计算全息速度较慢的问题，提出了一种新的查表算法，命名为三角函数查表法（T-LUT算法）。该算法是基于点源法基本的数学公式，通过一系列数学近似与恒等变换，生成了一种纯相位查找表，该查找表具有三维特性，并具有生成速度快、精度高、占用内存少等特点，克服了点源法重复计算相位的缺点。同时采用统一计算设备架构(CUDA)并行计算在图形处理器(GPU)上加以实现，并进行了三次并行优化。在算法的验证与对比实验中，采用单显卡（GPU显卡）实现T-LUT算法，在不牺牲全息图再现像质量的前提下，成功地将点源法计算全息的速度大幅度提升。实验发现在不同的物空间采样点数量的情况下，速度相对于点源法GPU 运算提升30倍至近千倍不等。

将三角网格（FV结构，例如内置等值面函数的输出）另存为.obj文件以及当前工作目录中的相应.mtl文件。 demo_obj.m 中显示了如何使用和组合这些函数以将多个不同的网格对象（具有不同类型的材料/颜色定义）保存到单个 obj 文件中的示例生成的 .obj 和 .mtl 文件已作为示例上传到 poly.google.com： poly.google.com/view/5N0rs0RgEQV poly.google.com/view/60c2exp4Riu 函数 obj_write* 进行特定于 unix 的系统调用以使用 grep。 这适用于 MacOS 和所有基于 unix 的操作系统，但不能在 Ms 或其他一些操作系统中运行。 对于没有可用命令行“grep”的系统，请使用文件夹 systemIndependentFunnctions 中以 SYS_* 开头的函数，这些函数使用

该程序使用 Chebyshev滤波器(切比雪夫)对混有均匀白噪声的三角波信号进行低通滤波处理， 同时对滤波前后信号进行频谱分析并显示。 由图可以看出混有均匀白噪声的三角波信号经 Chebyshev滤波器滤波后，噪声得到了很大程度的抑制。

import cv2 import matplotlib.pyplot as plt img = cv2.imread("macro-photography-of-strawberry-934066.jpg") gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) # otsu阈值 (t,thresh) = cv2.threshold(gray_img,0,255,cv2.THRESH_TOZERO_INV+cv2.THRESH_OTSU) # 三角法阈值：由直方图凹凸性确定的阈值 (t,thresh1) = cv2.threshold(gray_im

运用LabVIEW和Halcon混合编程把激光三角测量法的3D图像转换成高度图