本文采用ADS和Matlab工具，对毫米波频率步进雷达系统进行建模和性能评价。着重分析了频率源重点参数之一的相位噪声对雷达系统一维距离成像的影响。

英文版资料，详细推倒了雷达方程，并有实例的论证。 来源于"Principles of Modern Radar: Basic Principles” 一书第二章，值得看一下。

以整条轨迹为目标的聚类方法存在轨迹较长的问题。为此,提出一种以轨迹子段为聚类目标的聚类算法CTIHD。给出一种新的轨迹子段距离度量方法,用以消除轨迹子段之间的公共偏差。利用特征点概念将轨迹划分成轨迹子段集,计算轨迹子段之间的相似度,由此实现聚类。实验结果表明,该算法相比同类算法具有更好的轨迹聚类效果。

测绘工程专业，距离交会计算程序，C#+VS2017编写。测绘工程专业，距离交会计算程序，C#+VS2017编写。测绘工程专业，距离交会计算程序，C#+VS2017编写。

方法一： #导入math包 import math #定义点的函数 class Point: def __init__(self,x=0,y=0): self.x=x self.y=y def getx(self): return self.x def gety(self): return self.y #定义直线函数 class Getlen: def __init__(self,p1,p2): self.x=p1.getx()-p2.getx() self.y=p1.gety()-p2.gety() #用math.s

使用最短编辑距离算法判断两个字符串的相似度

计算图片中两条平行线之间的距离，代码完整，非常使用，不可错过额

(2)Matlab计算标准化欧氏距离 例子：计算向量(0,0)、(1,0)、(0,2)两两间的标准化欧氏 距离 (假设两个分量的标准差分别为0.5和1) X = [0 0 ; 1 0 ; 0 2] D = pdist(X, 'seuclidean',[0.5,1]) 结果： D =     2.0000    2.0000    2.8284 标准化欧氏距离 Standardized Euclidean Distance

利用自行研制的便携式拉曼光谱仪，研究了甘肃、青海和新疆3个产地软玉的拉曼光谱特征,并对其光谱差异进行解析；基于马氏距离判别方法和随机森林判别方法实现了3个产地软玉的无损鉴别。结果表明：利用马氏距离判别方法和随机森林判别方法可以对具有相同拉曼峰的不同产地的软玉进行鉴别，鉴别准确率分别为87.5%和95.83%。

视频监控、军事目标识别以及消费型摄影等众多领域对图像清晰度有很高的要求. 近年来, 深度神经网络在视觉和定量评估的应用研究中取得较大进展, 但是其结果一般缺乏图像纹理的细节, 边缘过度平滑, 给人一种模糊的视觉体验. 本文提出了一种基于生成对抗网络的图像清晰度提升方法. 为了更好的传递图像的细节信息, 采用改进的残差块和跳跃连接作为生成网络的主体架构, 生成器损失函数除了对抗损失, 还包括内容损失、感知损失和纹理损失. 在DIV2K数据集上的实验表明, 该方法在提升图像清晰度方面有较好的视觉体验和定量评估.