基于合成孔径激光成像雷达(SAIL)二维数据收集方程和成像算法, 研究了圆形孔径和矩形孔径光学望远镜天线的方位向成像分辨率, 导出了点扩展函数的解析表达式, 分析了理想成像点尺寸及其光学足迹中心偏离、相位二次项匹配滤波失匹、空间采样宽度、采样周期等的影响; 也研究了距离向成像分辨率并分析了非线性啁啾补偿等的影响。对于各种影响因素都给出了数学判据, 特别是发现了矩形孔径的光学望远镜可以产生适合于SAIL扫描方式的矩形光学足趾并消除方位向分辨率不均匀降低, 可以设计最佳的矩形孔径的尺度分别控制光学足趾在方位向及其垂直方向上的尺度, 得到大扫描宽度和高方位向分辨率; 也发现了目标外差延时必须尽量小以克服非线性啁啾和初始光频不稳定性相位误差。

在本文中，我们解决了具有不完善的载波频率同步的频分多输入多输出（FD-MIMO）雷达稀疏成像问题。 从距离角平面上的经典点扩散函数（PSF）的角度来看，我们知道感兴趣的场景中的不同散射体将不再共享相同的PSF。 取而代之的是，位于不同范围容器中的散射体将具有不同的PSF。 此外，对于不同的产生载波频率偏移的信号源，我们发现与那些与接收器相关的信号源会由于范围角度尺寸之间的交叉干扰而对PSF产生更严重的影响。 我们还提出了一个不严格的载波频率偏移阈值，以建议超出的边界，由此导致的PSF将完全失真。 相应地，我们建议在稀疏重建后，当那些频偏可控时，以迭代方式补偿这些频偏的影响。 仿真证明了从解析推导中得出的合理结果，并验证了所提算法的有效性。

在跨发射机和接收机的载波偏移下，多/输入多输出（MIMO）雷达成像会遭受性能下降的困扰。 本文从MIMO点扩展函数（PSF）的角度分析了载波偏移对稀疏目标成像的影响。 建立了使用正交匹配追踪（OMP）成功进行支持恢复的条件，并且根据l（2）距离来表征性能损失。 提出了一种考虑载波偏移引起的扰动的稀疏成像算法，该算法对OMP算法进行了改进。 数值实验证实了这一分析。

字符串与ASCII的转换函数,方便在直接调用 字符转ASCII(1234转31323334) ASCII转字符(312323334转1234)

网上找的C++调用SAP RFC的sapnwrfc方式过于麻烦且容易造成内存泄漏，所以自己封装了个COM组件，基于SAP_DotNetConnector3，以此来调用SAP函数

基于Keil实现字符串函数string.h的简单应用基于Keil实现字符串函数string.h的简单应用基于Keil实现字符串函数string.h的简单应用基于Keil实现字符串函数string.h的简单应用基于Keil实现字符串函数string.h的简单应用基于Keil实现字符串函数string.h的简单应用基于Keil实现字符串函数string.h的简单应用基于Keil实现字符串函数string.h的简单应用基于Keil实现字符串函数string.h的简单应用基于Keil实现字符串函数string.h的简单应用基于Keil实现字符串函数string.h的简单应用基于Keil实现字符串函数string.h的简单应用基于Keil实现字符串函数string.h的简单应用基于Keil实现字符串函数string.h的简单应用基于Keil实现字符串函数string.h的简单应用基于Keil实现字符串函数string.h的简单应用基于Keil实现字符串函数string.h的简单应用基于Keil实现字符串函数string.h的简单应用基于Keil实现字符串函数string.h的简单应用基于Keil

C语言常用函数归纳.doc

超详细的STM32库函数版本资料

输入是给出 x、y 和 z 范围的向量。 例如 x=1:100;y=40:70;z=80:250; 对缺乏描述表示歉意，但此提交是针对特定请求的。 它是从一个更大的程序中提取的。 % - BI 实体点云立方体函数 [P]=Cuboid(x,y,z) % - 为由点组成的实体长方体生成坐标 a=长度（x）；b=长度（y）；c=长度（z）； % 为了编码简单而分配% BI1。 查找所有 x 坐标xp = zeros（1，a * b * c）; % 预分配对于 nx=1:a 如果 nx==1,xp(1:c*b)=(repmat(x(nx),1,c*b)); else xp（（（（nx-1）* c * b）+1：nx * c * b）= repmat（x（nx），1，c * b）;结束结尾% BI2。 查找所有 y 坐标yp=zeros(1,b*c); % 预分配对于 ny=1:b 如果 n

主要介绍了python学习——内置函数、数据结构、标准库的技巧，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧