使用目标检测的Deep-CNN模型 在这种情况下，使用预训练的卷积神经网络（CNN）MobileNet SSD（单发多盒检测器）模型来检测对象，并通过在对象上方添加一个包含对象名称的框来将对象定位在图像边界内等级和准确性。 mobilenet-ssd模型是旨在执行对象检测的Single-Shot Multibox Detection（SSD）网络。 通过使用SSD，我们只需要单张拍摄即可检测图像中的多个对象。该模型是使用Caffe *框架实现的。 要运行代码，只需运行RUN：python object_detection_image.py或python realtime_object_detection.py

粒子过滤器 雷茂 芝加哥大学 介绍 粒子滤波器是用于解决统计推断问题的蒙特卡洛算法。 在该项目中，使用粒子过滤器推断了乌龟在迷宫中的位置和前进方向。 绿海龟是实际位置，而橙色海龟是估计位置。 箭头是粒子。 蓝色箭头代表低概率粒子，而红色箭头代表高概率粒子。 乌龟的前，后，左和右安装了四个传感器。 传感器在四个方向上测量其到最近壁的垂直距离，可能会受到某个传感器限制的限制。 粒子过滤器开始 平衡粒子过滤器 档案文件 . ├── LICENSE.md ├── main.py ├── maze.py └── README.md 依存关系 Python 3.6 脾气暴躁的1.14 用法 可以为粒子过滤器调整以下参数。 $ python main.py --help usage: main.py [-h] [--window_width WINDOW_WIDTH]

TDOA无源时差定位Chan算法，matlab源码(Chan Passive TDOA TDOA location algorithm, matlab source code)

本项目是wificompass的扩展； 使用各种算法使用三边测量或指纹识别添加用户跟踪室内位置功能。

繁华环境中的声源本地化 混响环境中的声源本地化是我在约翰·霍普金斯大学攻读硕士学位时所做的一个项目。 在此项目中，我们在人的心脏中执行声源定位以检测S1和S2声音。 动机 该项目的目的是帮助您在短时间内快速发现并检测出心脏杂音或其他与心脏相关的问题。 为了准确诊断心脏杂音，需要知道S1和S2心音。 一旦被发现，就可以通过收集到的信号来聆听并分类心脏杂音。 背景 能源部 想象一下，两个天线的距离为d。 天线都从很远的地方接收无线电波。 假设无线电波的前部是一个平面，则每个天线的法线与无线电波矢量之间的夹角即为到达方向（DOA）（θ）。 现在，在N个快照上，可以实现一种算法来估计多个信号DOA角度的值。 对于一般的远和宽信号，当同一信号到达不同的阵列元件时，波长会存在差异。 该差异导致到达阵列元件（τ）之间的相位差。 利用信号的阵列元件之间的相位差，可以估计信号方位角和信号共纬度，这是DOA

基于RSSI的节点定位算法仿真，有误差分析结果

基于麦克风阵列的声源定位系统硬件设计与算法研究

无线地图 基于Wifi指纹的室内定位。 python -m pip install -r requirements.txt

GPS定位源码，无需其他GPS模块 vs2005开发

coloc：基于视觉的微型飞行器协同定位