用于SAR数据基线估计的程序

matlab精度检验代码基于q因子的数字图像相关算法：qDIC 目的 该存储库包含qDIC的MATLAB m文件以及合成示例图像。 qDIC算法确定连续图像之间或从静态参考图像到当前图像的2D位移场，或使用“混合”参考更新方案。 运行qDIC 软件需求 MATLAB 2011b（适用于“ griddedInterpolant”）和关联的图像处理工具箱（适用于其他杂项函数调用）是运行此代码的最低要求。 在某些情况下，较早的版本可能会使用“ interpn”运行，但性能和/或准确性可能会受到影响（并且您可能必须实施对“ interpn”的更改）。 目前在CentOS 7和Windows 7/10 x64上的Matlab 2017a（新版本应该可以）下进行开发。 提供了一个“基本”版本（测试版），该版本支持基本的Matlab（即没有工具箱），其性能与相似。 您可以在找到更多最新版本，尽管我们有时会调和这两个版本 输入图像要求 要检查图像是否具有所需的散斑图案和强度值以便相关，可能需要看我们的眼镜。 我们建议输入图像的子集大小至少应为每个维度中像素数的3倍。 默认子集大小为64px x 64p

用传统最小二乘法及其改进方法进行谐波状态估计时,大都是对谐波进行非同步测量,然后求解一个大型的超定线性方程组,其估计精度不足、计算量大、状态量测量数目多且费用昂贵。提出一种基于同步相量测量的谐波状态估计,并用复数奇异值分解求解病态线性复变量方程组的方法,可在系统状态非完全可观的情况下进行有效估计,降低了对测量冗余的要求。以IEEE30节点系统为例,采用同步测量方法测量支路的谐波电流和节点的谐波电压,分别用Matlab和基于奇异值分解(SVD)的最小二乘估计程序进行仿真。结果表明,用SVD算法对系统进行谐波状态估计时较为准确。

OpenPose代表了第一个在单幅图像上联合检测人体、手部、面部和足部关键点（共 135 个关键点）的实时多人系统。 特征 主要功能： 2D实时多人关键点检测： 15、18 或25 关键点身体/脚关键点估计，包括6 脚关键点。运行时对检测到的人数不变。 2x21-keypoint 手部关键点估计。运行时间取决于检测到的人数。有关运行时不变的替代方案，请参阅OpenPose 训练。 70-keypoint 人脸关键点估计。运行时间取决于检测到的人数。有关运行时不变的替代方案，请参阅OpenPose 训练。 3D实时单人关键点检测： 来自多个单一视图的 3D 三角测量。 已处理 Flir 相机的同步。 兼容 Flir/Point Grey 相机。 校准工具箱：失真、内在和外在相机参数的估计。 单人跟踪以进一步加速或视觉平滑。 输入：图像、视频、网络摄像头、Flir/Point Grey、IP 摄像头，并支持添加您自己的自定义输入源（例如深度摄像头）。 输出：基本图像+关键点显示/保存（PNG，JPG，AVI，...），关键点保存（JSON，XML，YML，...），关键点作为数组类，

一个小DEMO，基于FLD直线检测算法提取两张图像中的线特征，然后进行线特征匹配，基于匹配结果基于优化的方法计算两帧相邻图像的运动关系，输入两张图像，输出两张图像的旋转和平移变换矩阵。 cmake工程，运行命令：“./build/motionCompute ./data/1.png ./data/2.png”

这是培生经典书，关于自适应、最优估计、最优控制。书名副标题GPC是广义预测控制之意。书是扫描版，但很清楚。作者是牛人bitmead。对于那些关心卡尔曼滤波的人来说，这也是基本参考。作者在其课程中多处引用他自己的这本书，牛人看来都相信自己！

三种相干信源DOA估计算法的性能分析，王曹莉，杨常伟，本文分析了前后向空间平滑算法，虚拟平移整个天线阵法，信号特征矢量法三种去相关预处理方法，从基本原理和仿真结果两个方面分析

该脚本通过 Kozachenko-Leonenko 方法计算一维日期的熵点估计。

使用多种群遗传算法进行DOA估计, 可以避免常规遗传算法容易陷入局部解的问题

改文件包中包含EM算法，已经使用GMM算法进行参数估计，并同时示例进行分类训练和预测