双峰分布数据的反演是动态光散射中的难点，在双峰分布数据反演中经常采用Tikhonov正则化方法，但不同正则矩阵对反演结果的影响还不明确。分别采用单位矩阵L1、一阶差分矩阵L2、二阶差分矩阵L3，在6种噪声水平下，对两种双峰分布颗粒进行了反演研究，模拟数据表明：随着噪声水平的增加，双峰分辨力下降，光强比越接近、颗粒越大，算法抗干扰能力越强；在同等噪声情况下，矩阵L3的双峰分辨力最好、反演误差最小，L1双峰分辨力最差、反演误差最大；L3能够分辨出的峰值粒径比最低，L1最大。同等噪声水平下，峰值粒径比越大，双峰分辨力越强。因此在处理有噪声数据时，为保证反演结果的准确性，应优先选择L3。最后通过实验数据的反演结果验证了模拟数据的结论。

散列函数hash 基于SHA-1。MATLAB可运行实现。

能够分析ADC的信噪比、无杂散动态范围等性能指标

在紫外光散射通信系统中, 脉冲展宽和噪声会对信号产生严重影响。为降低系统误码率、提高通信距离, 加入了低密度奇偶校验码(LDPC)进行码元纠错。对比了开关键控(OOK)和二进制相移键控(BPSK)副载波强度调制的性能, 仿真分析了BPSK副载波强度调制下不同编码效率、不同译码方式的LDPC码对非直视(NLOS)紫外光通信系统误码率的影响。结果表明：BPSK副载波强度调制的性能优于OOK调制, 编码效率越小的LDPC码的纠错能力越强, 置信传播算法和对数似然比置信传播算法译码性能几乎一致, 均优于最小和算法。在小角度、短距离时, 非直视紫外光通信系统误码率更小, 当误码率为6.5×10-6时, LDPC(672, 168)码与未编码序列相比, 通信距离提高约一倍。

envi散点图扩展补丁，envi4.7与envi5.0测试过了，均可用

qt散点图实现源码，c++

本文通过对Apriori算法分析，应用散列、事务压缩、划分、抽样等方法，最大可能的减少数据库扫描的次数，快速发现频繁项集，提高Apriori算法的效率。

c#绘制散点图

搭建实验平台,把26个字母的图像传入光纤,并在输出端采集散斑图。把散斑图展开到HSV色彩空间中,单使用V分量进行分类能达到不错的分类准确率,且能缩减训练时长。在预处理后,分别使用具有不同层数卷积结构的神经网络、卷积神经网络和支持向量机(CNN+SVM)算法、SVM算法对散斑图进行分类。测试结果发现,使用4420张散斑图作为训练集,3层卷积结构的神经网络的识别准确率为88%,4层卷积结构的神经网络的识别准确率为95%,CNN+SVM算法的识别准确率为98%,而SVM算法的识别准确率达到了100%。实验结果表明,把机器学习算法应用在光信号上,同样可以对多模光纤散斑图进行分类,当图像特征相对明显时,直接使用SVM算法对光纤输出散斑进行识别,可以大大提升多模光纤输出散斑图的识别准确率。

该程序是经典的层状介质面波频散曲线反演，可以应用于低频seismology和高频浅层面波频散曲线反演。