%线性调频信号的实部和虚部及时域脉压输出 clear all; clc; T=16e-6; B=5e6; K=B/T; fs=6*B; Ts=1/fs; N=T/Ts; t=-T/2:T/(N-1):T/2; s=exp(j*pi*K*t.^2); y=conv(s,conj(s)); len=length(y); t1=-T/2:T/(len-1):T/2; figure;plot(t,real(s));grid on;axis([-1.2e-5 1.2e-5 -1 1]);xlabel('时间(s)');ylabel('幅度');title('LFM信号的I路'); figure;plot(t,imag(s));grid on; axis([-1.2e-5 1.2e-5 -1 1]);xlabel('时间(s)');ylabel('幅度');title('LFM信号的Q路'); figure;plot(t1,20*log10(abs(y)/max(abs(y))));grid on;axis([-1.2e-5 1.2e-5 -90 0]);xlabel('时间(s)');ylabel('幅度(dB)');title('时域脉压后的波形(未加权)'); subplot(311);plot(t,real(s));grid on;xlabel('time(s)');ylabel('amplitude(dB)');title('real part of LFM:T=16us,B=4MHz');axis([-T/2 T/2 -1 1]); subplot(312);plot(t,imag(s));grid on;xlabel('time(s)');ylabel('amplitude(dB)');title('image part of LFM:T=16us,B=4MHz');axis([-T/2 T/2 -1 1]); subplot(313);plot(t1,20*log10(abs(y)/max(abs(y))));grid on;axis([-1.2e-5 1.2e-5 -90 0]);xlabel('时间(s)');ylabel('幅度(dB)');title('时域脉压后的波形(未加权)');

匹配算法，NCC的原理和代码实现的示例，以及和对中匹配算法的效果比较

lucene对某目录下txt文件做全文检索源码

基于SIFT算法的特征提取(VS2015+OpenCV2.4.13) 主要分为以下几个步骤： (1) 读入两张图片并分别提取SIFT特征 (2) 利用k-d tree和BBF算法进行特征匹配查找 (3) 利用RANSAC算法筛选匹配点并计算变换矩阵

一篇著名的数据库数据检索论文，由加州伯克利大学的Antonin Guttman撰写。 论文索引： 在计算机辅助设计跟空间数据应用中，为了能高效处理空间数据，数据库系统需要一个检索功能从而根据空间位置来迅速抓取数据。但是，传统的检索方法不适合用于多维空间中的有限大小的数据对象。在这篇论文中我们设计了一个叫做R-树的动态检索结构，这种设计满足了我们新的需求并且包含了搜索跟更新数据的算法。通过一系列的测试我们发现这种数据结构非常高效并认为这种结构适合于当前的空间数据应用数据库系统。

该算法可以计算模板和图像之间的相似度，基于SURF特征，可以根据相似度得分来进行模板和图像的匹配。手动指定模板和测试图像就可以运行,语言为python

樊刚、王小鲁编制的《中国市场化指数》2016年报告的完整版

zkonline sdk服务器端只提供了Match.dll文件，封装了process比对函数，要通过JNA或者JNI技术才能被java调用，JNA调用比JNI简单。程序实现了调用Match.dll中的process方法进行指纹比对

这是09年patchmatch和07年图像补全的代码， 是我上一个图像补全代码的改进版， 但和ps还是有差距。

Stereo Match 立体视觉 基本算法！包括　SSD SAD SSD NCC NSSD Census 等基本算法。用纯Ｃ／Ｃ＋＋语言编写。对于学习立体视觉　有很好的辅助理解作用，特别是作立体匹配的朋友。现在终于把它贡献出来了！