DHT11温湿度检测系统 51单片机Keil编程文件＋Proteus仿真 DHT11温湿度检测系统 51单片机Keil编程文件＋Proteus仿真 DHT11温湿度检测系统 51单片机Keil编程文件＋Proteus仿真 DHT11温湿度检测系统 51单片机Keil编程文件＋Proteus仿真 DHT11温湿度检测系统 51单片机Keil编程文件＋Proteus仿真

小波的边缘检测，多元的，附带程序，方便，简单易懂，以实现

应用于灰度图像及彩色图像的不同检测方法的对比程序研究

论文的Matlab代码： VK Veludandi 和 K. Vasudevan，“SIMO-OFDM 中卷积编码 DQPSK 基于线性预测的数据检测”， CoRR，卷。 abs/1710.02977, 2017. [在线]。 可用的： http://arxiv.org/abs/1710.02977

非正交多址接入（NOMA）可以通过对资源的非交使用来提高频谱利用率，增加用户连接数，有望成为5G的关键技术之一。考虑基站端配备多根天线，针对上行免调度SIMO-NOMA系统中活跃用户数量未知的情况，提出了一种基于压缩感知的稀疏度自适应匹配追踪硬融合算法(SAMP-HFA)。所提算法主要包括三部分：首先利用传统的SAMP算法估计基站端每根天线上的用户活动情况，接着融合这些检测到的用户活动信息获得一个公共的活跃用户集合，最后利用该集合估计活跃用户的传输数据。仿真结果表明，随着天线数目的增加，所提算法的误码率性能显著提高。

期刊的MATLAB代码： VK Veludandi 和 K. Vasudevan，“基于线性预测的串行连接 DQPSK 检测SIMO-OFDM”，无线个人通信，Springer，第一卷。 97，第 3 期，第 4789-4811 页，2017 年。

铃流检测及模拟摘挂机电路板制作生产实习报告.

雷达回波序列中弱小飞机目标检测跟踪数据集_宋志勇.caj

LaneNet车道检测 使用tensorflow主要基于IEEE IV会议论文“走向端到端的车道检测：实例分割方法”，实现用于实时车道检测的深度神经网络。有关详细信息，请参阅他们的论文 。 该模型由编码器-解码器阶段，二进制语义分割阶段和使用判别损失函数的实例语义分割组成，用于实时车道检测任务。 主要的网络架构如下： Network Architecture 安装 该软件仅在带有GTX-1070 GPU的ubuntu 16.04（x64），python3.5，cuda-9.0，cudnn-7.0上进行了测试。 要安装此软件，您需要tensorflow 1.12.0，并且尚未测试其他版本的tensorflow，但我认为它可以在版本1.12以上的tensorflow中正常工作。 其他必需的软件包，您可以通过以下方式安装它们 pip3 install -r requirements.txt

实时碰撞检测算法技术