java 过滤器,用户登录过滤相关页面,过滤URL越权访问
2021-11-23 23:29:46 80KB filter
1
可以设计无源巴特沃斯、彻比雪夫、椭圆滤波器。是设计射频电路的最好帮手。
2021-11-23 17:46:34 243KB RF_Filter
1
卡尔曼·克劳迪代码 matlab 用于本地化的卡尔曼滤波器 描述 这是一个小型机器人项目,用于演示用于车辆定位的卡尔曼滤波器。 在这里,定位仅限于一个维度:机器人驶向墙壁并试图测量到它的距离。 用卡尔曼滤波器过滤超声波传感器的噪声信号以获得距离估计。 可以在数学上证明这种估计最小化了预期的平方误差(和其他有趣的特性)。 图 1:用于距离测量的机器人。 图 2:距离测量值和卡尔曼滤波器获得的平滑信号。 内容 KalmanFilter.ino :机器人的 Arduino 代码。 控制电机并发送距离测量值。 KalmanFilter.m : Matlab 代码,用于触发机器人程序的启动,获取传感器测量值并计算卡尔曼滤波器结果。
2021-11-23 08:46:05 2.62MB 系统开源
1
本文考虑了具有任意随机延迟的网络跟踪系统的通用延迟卡尔曼滤波器的设计。 首先,给出了传统卡尔曼滤波器(WSFKF)的等效加权求和形式,以提供一种新颖的帧来更有效地解决延迟滤波或失序测量(OOSM)估计。 实际上,这种形式充分利用了离线参数计算的特性,用于卡尔曼滤波器以及初始状态估计值和有序测量值的加权和,它们分别来自线性时不变(LTI)系统和线性最小均方误差(LMMSE)估算器。 其次,在时延测量和自适应在线加权系数矩阵的创新基础上,结合全局测量预测的替换和补偿运算,设计了一种适用于任意随机时延的新型时延卡尔曼滤波器。 与目前的延迟滤波器或OOSMs更新方法相比,该延迟估计器不仅算法结构更简洁,估计精度更高,而且应用范围更广。 通过实例验证了本文提出的时延估计器的有效性。
2021-11-20 11:04:40 428KB Kalman filter; Linear time
1
设计有源滤波器和无源滤波器的好工具
2021-11-19 17:13:45 6.12MB filter
1
图进行维纳滤波matlab代码维纳过滤器Matlab Wiener滤波器在Matlab中的实现 在Matlab中打开Wiener.m。 此代码分为两部分。 一种用于培训,另一种用于测试。 训练部分遍历数据集的前30个图像,并训练K(u,v)的值,该值是噪声PSD与原始图像PSD之比。 在测试部分,我们将高斯噪声和模糊添加到给定的良好图像中,并使用维纳滤镜对其进行恢复。 在代码中传递良好图像的路径并运行该部分。 输出是包含原始灰度图像,失真图像,恢复图像,点扩展函数的FFT,失真图像的FFT,原始图像的FFT的图形。 用于测量滤波器质量的度量标准是原始模糊和恢复原始之间的PSNR差异。 差异越大,维纳滤波器越好。
2021-11-19 15:25:52 10.38MB 系统开源
1
使用 MPI 将卷积滤波器并行应用于图像 该项目是为大学课程并行系统开发的,作为对使用消息传递接口 (MPI) 和 OpenMP API 的并行计算的介绍。 卷积滤波器 在图像处理中,卷积滤波器(也称为内核、卷积矩阵或掩码)用于通过应用模糊、锐化、浮雕、边缘检测等效果来变换图像。 在给定输入图像和卷积矩阵的情况下,计算围绕计算输出图像的每个像素的值。 为什么要平行 第i 个输出像素的值的计算基于输入像素i及其周围像素的值。 这表明我们应该利用所需计算的局部性。 实际上,如果滤波器是一个3x3矩阵,为了计算原始图像的矩形( NxM )部分的输出值,只需要相邻像素,即上边的2x(N+2)和较低的行加上2x(M+2)用于右列和左列。 由于问题的这种性质,并行方法是一个很好的候选者。
2021-11-18 17:29:41 13KB C
1
Unity3D插件,实现镜头特效教程链接在https://itmonon.blog.csdn.net/article/details/121397178
2021-11-18 17:05:44 25.48MB unity 镜头特效 插件 摄像机
1
sgolayfilt:Savitzky-Golay微分滤波器
2021-11-17 15:45:19 4KB signal-processing matlab filter smoothing
1
使用 Vivado HLS 和 AXI4-Stream 实现拉普拉斯滤波器示例。 您可以使用 GIMP2 以 RAW 格式查看结果。 原始图像大小为 240x120 像素(输出为 solution1/csim/build/image.data)。 结果图像大小为 238x118 像素(输出为 solution1/csim/build/result.data)。 原来的: 输出: 数据流: 请注意,只需要 2 个行缓冲区。 另请参阅:par2pix 分支,它的速度提高了 2 倍。
2021-11-16 17:11:44 253KB C
1