关于信号处理方面的相关程序，希望对大家有一定的用处。

添加了对一个很好的 matlab 绘图的支持，其中一个最多几个子图堆叠在一起，适合科学论文。 该库有很好的文档记录，可以广泛使用。 图形可以导出为 PNG、PDF 或带有嵌入字体的 PDF。 主要目标是直接在带有单个公共 x 轴的 matlab 中为漂亮的绘图提供支持（在我的领域中，这通常是时间）。 有许多绘图选项和功能。 只需查看文档！

Pandas使用这些函数处理缺失值： isnull和notnull：检测是否是空值，可用于df和series dropna：丢弃、删除缺失值 axis : 删除行还是列，{0 or ‘index’, 1 or ‘columns’}, default 0 how : 如果等于any则任何值为空都删除，如果等于all则所有值都为空才删除 inplace : 如果为True则修改当前df，否则返回新的df fillna：填充空值 value：用于填充的值，可以是单个值，或者字典（key是列名，value是值） method : 等于ffill使用前

公司内部用来比较两个Excel文件小工具，支持导出差异，批量比较导出，过滤不比较列等功能，有些小BUG，没时间改，只为赚点积分

MSP430F149，NRF24L01无线模块多对多通信。代码里是两个发送，一个接收

用于数据比对，去重，取交集合集等，筛选出需要的数据，作为辅助工具

掌中游斗地主(完整版)，集合了单机斗地主、网络斗地主、癞子斗地主等，有史以来最有参考价值的源码，虽然运行慢了一点但是功能正常，用的是纯java写的。支持单机和网络对战。分层太多了，jar包也一大堆大体看了一下貌似核心功能有封装。有需要的自己仔细研究一下吧。研究出结果别忘了回来评个论

再重新看一下上面的步进电机外观图和内部结构图：步进电机一共有5根引线，其中红色的是公共端，连接到 5 V 电源，接下来的橙、黄、粉、蓝就对应了 A、B、C、D 相；那么如果要导通 A 相绕组，就只需将橙色线接地即可，B 相则黄色接地，依此类推；再根据上述单四拍和八拍工作过程的讲解，可以得出下面的绕组控制顺序表，如表9-1所示：我们板子上控制步进电机部分是和板子上的显示控制的 74HC138 译码器部分复用的 P1.0～P1.3，关于跳线我们在第3章已经讲过了，通过调整跳线帽的位置可以让 P1.0～P1.3控制步进电机的四个绕组，如图9-5所示。图9-5 显示译码与步进电机的选择跳线如果要使用电

在[1]中，通过迭代最小化（SLIM）方法进行的稀疏学习已被证明在MIMO雷达模型的高分辨率成像中是有效的。 但是，那里的回声模型是直接根据离散形式导出的。 成像空间的先前网格化以及所有散射体都精确位于网格上的假设。 因此，这里我们将回波模型推广到任意位置散射体的连续形式。 通过比较两个模型，我们首先指出了先前模型中的一个推导错误。 然后，我们分析了先前模型和SLIM方法在何种程度上会受到离网散射体的范围和角度偏差的影响。 根据我们的分析，由于先前模型中的采样间隔和离散距离仓的大小是根据传输的子脉冲的持续时间设计的，因此距离偏差对成像性能没有重大影响。 但是，角度偏差可能导致基矩阵不匹配，从而严重影响SLIM的重建结果。 因此，提出了一种基于自更新的SLIM（SUB-SLIM）方法，通过交替稀疏成像和自适应细化角箱来处理偏角网格散射体。 数值结果说明了我们的方法和相关分析的有效性。

matlab肌电信号处理代码EMG手腕姿势分类 EMG分类系统的M文件（计算机Matlab代码）集合，用于根据[1]中所述的来自Myo Armband的随机默认前臂EMG信号来识别九种腕手运动。 该系统使用八个时域特征的线性组合，然后进行线性判别分析（LDA）投影和多层感知器（MLP）分类。 使用Myo Armband中随附的8个主动传感器，对年龄在27±4岁的10位受试者（七名男性，三名女性）的EMG录音进行了开发和测试。 该系统在八个通道的EMG段上运行。 需要Matlab编程环境。 可以在上找到更新。 要引用此系统，请使用参考文献[1,2]。 概述： 一种基于随机获取的前臂EMG信号的九种腕手动作的低复杂度方法。 该方法是通过评估来自八个通道的256段EMG窗口中的八个时域特征而开发的。 来自八个通道的估计特征通过LDA分析进行合并和缩减，并使用数据驱动的MLP方法进行分类。 此处的代码实现了此运动分类系统，该系统已通过EMG记录进行了训练，并记录了来自10个健康受试者的100次训练中的9个运动数据。 快速开始： 使用system_parameters函数在Matlab中设置系统