国外经典教材，号称学习射频电路必看图书。书中详细介绍了有关射频滤波器，匹配网络，及耦合电路的知识，是入门学习及深入研究的参考教材。
2022-05-06 21:15:11
3.95MB
1
Python内核自适应过滤：在Python中实现LMS，RLS，KLMS和KRLS过滤器
2022-04-06 16:15:38
3.38MB
1
该程序可用于评估图像的一阶导数。 过滤器的方向可由用户指定。 一般来说，这些过滤器可用于边缘检测和图像分析。
该程序创建的过滤器源自以下所示的“可操纵过滤器”：
WT Freeman 和 EH Adelson，“可控滤波器的设计和使用”，IEEE PAMI，1991。
包含一个演示程序 (runDemo.m)，它将创建一个动画，显示从 0 度到 360 度（以 15 度为增量）均匀分布的方向导数。
2022-03-29 17:11:48
330KB
1
响应响应图matlab代码图过滤器
本文中描述的
FIR
和
IIR
图滤波器的
MATLAB
代码：
该代码于
2014
年开发，此后一直没有更新。
main_*.m
脚本用于在论文中生成数字，但可能不完全是已发布的版本。
已知依赖
2022-03-28 14:59:54
20KB
1
破解了Instagram App的几十种滤镜（OpenGL ES shader 文件 和 color mapping 文件）。并且利用GPUImage来完成demo。可以给照片和视频，以及实时相机加上各种滤镜效果。
2022-03-18 16:12:52
10.48MB
1
官方离线安装包，亲测可用。使用rpm -ivh [rpm完整包名] 进行安装
2022-01-30 09:04:14
98KB
LAv Filters 是一组开源的 DirectShow 滤镜，基于 FFmpeg 多媒体库。旨在较终取代播放链中的绝大部分滤镜，能播放所有的格式和任何现代媒体。
2021-12-31 15:41:49
11KB
1
本源码是用Delphi动态调用LAV Filters的例子。在本例中，LAV Filters不用安装、不用注册，纯绿色。LAV Filters的版本替换也很方便，直接把新版拷贝替换便是。
LAV Filters 是一组开源的 DirectShow 滤镜，能播放所有的音频和视频格式 （DirectShow媒体播放方式很有优点，平台兼容性好，从Windows XP一直到最新的 Windows 10 都支持）。LAV Audio/Video Decoder 是质量和性能并重的强大的音视频解码器。
这儿附带的是目前最新版LAVFilters-0.74.1-x86，可以从Windows XP SP3一直支持到最新的 Windows 10.
本例基于一个CBuilder例子改编，原例地址附在下面(本例也有附带)。本源码在原例子的基础上进行了改进，特别是改成了动态调用，不用预先注册。测试环境 Win7+Delphi XE7.
原例子：http://www.cppfans.com/ 使用 LAV 解码器的播放器，C++ Builder 2010 ~ C++ Builder 10 (CX)，Win32 + Win64
2021-12-31 14:48:00
9.32MB
1
Iirj
用JAVA编写的IIR过滤器库。
高通，低通，带通和带阻分别为Butterworth，Bessel和Chebyshev I / II型。
它基于IIR1库[ ]，而该库又基于Vinnie Falco的DSPFilters [ ]。
用法
import uk.me.berndporr.iirj.*;
建设者
Butterworth butterworth = new Butterworth();
初始化
带阻
butterworth.bandStop(order,Samplingfreq,Center freq,Width in frequ);
带通
butterworth.bandPass(order,Samplingfreq,Center freq,Width in frequ);
低通
butterworth.lowPass(order,Samplingfr
2021-12-26 22:14:57
180KB
1
数据融合matlab代码传感器融合模块，为LIDAR
/
RADAR输入处理实现了扩展的卡尔曼滤波器
卡尔曼滤波器体系结构。
外部装有LIDAR和RADAR等传感器的汽车可以检测到在其范围内移动的物体：例如，传感器可能检测到行人，甚至是自行车。
这是通过计算扩展的卡尔曼滤波器来实现的，该滤波器同时组合了从激光雷达和雷达获得的数据，以测量移动物体的速度和相对于汽车的相对位置。
对于多样性，让我们使用自行车示例逐步了解Kalman滤波算法（上图所示的体系结构），以了解此计算的实际工作原理：
首次测量-过滤器将接收自行车相对于汽车位置的初始测量值。
这些测量将来自雷达或激光雷达传感器。
初始化状态和协方差矩阵-过滤器将基于第一次测量来初始化自行车的位置。
那么汽车将在时间段Δt之后收到另一个传感器测量值。
预测-算法将在时间Δt之后预测自行车的位置。
在Δt之后预测自行车位置的一种基本方法是假设自行车的速度是恒定的。
因此，自行车将具有运动速度Δt
。
在扩展的卡尔曼滤波课中，我们将假设速度是恒定的。
更新-过滤器将“预测的”位置与传感器测量值进行比较。
将预测的位置和测量的位置合并以给出更
2021-12-22 22:16:22
1.58MB
1