2.2 单目测距方法二 假设，有效焦距为 f 的 CCD 摄像机安装在载体的顶部， 俯仰角度，距离地面 的高度为 h；地面上有某个被测点P；点P与镜头中心的水平距离为d 。则被测点与 摄像机的光学成像几何关系如图 2 所示： 图 2：单目相机测距原理 其中， 0 O 是镜头的中心； 0 0 ( , )O x y 是光轴与像平面的交点，作为像平面坐标系的 原点； '( , )P x y 是被测点P在像平面的投影。那么，有几何关系：

OBD-II PIDs (On-board diagnostics Parameter IDs) are codes used to request data from a vehicle, used as a diagnostic tool. SAE standard J1979 defines many OBD-II PIDs. All on-road vehicles and trucks sold in North America are required to support a subset of these codes, primarily for state mandated emissions inspections. Manufacturers also define additional PIDs specific to their vehicles. Though not mandated, many motorcycles also support OBD-II PIDs.

这是关于控制论的电子书，高清，最新版本，经典著作，英文版

示波器使用方法 示波器的mode详解

提出了一种基于组合广义形态滤波器（CGMF）的自适应多尺度方法，用于对来自MEMS陀螺仪的输出信号进行去噪。 采用变分模式分解将原始信号分解为多尺度模式。 在选择了结构元素（SE）的长度选择之后，自适应多尺度CGMF方法降低了与不同模式相对应的噪声，此后获得了去噪信号的重建。 通过对降噪效果的分析，本方法的主要优点是：（i）与常规形态滤波器（MF）相比，有效地克服了由数据偏差引起的缺陷； （ii）有效地针对噪声的不同成分，并提供降噪功效，不仅主要消除噪声，而且使波形平滑； （iii）解决了MF的SE长度选择问题，并产生了可行的指标公式，例如功率谱熵和均方根误差，用于模式评估。 与现有的其他信号处理方法相比，该方法结构简单，合理，具有较好的噪声抑制效果。 实验证明了该去噪算法的适用性和可行性。

C. Qian、L. Huang、M. Cao、HC So 和 J. Xie，“PUMA：用于 DOA 估计的 MODE 的改进实现”，IEEE 航空航天和电子系统汇刊，第一卷。 53号5，第 2128-2139 页，2017 年。 该代码比较了两种算法，即 MODE 和 PUMA，用于 DOA 估计。 它表明 PUMA 和 MODE 是同一优化问题的两种不同求解器，但 PUMA 的效果比 MODE 好得多。 MODE 甚至不适用于单源 DOA。

基于带权重系数的众数滤波方法进行深度上采样

xmodem 协议可用于bootloader编程，1k bytes 128bytes 可移植

复模指示功能（奇异值分解） CMIF 定义为从正常矩阵求解的特征值，该矩阵由频率响应函数 (FRF) 矩阵形成。 CMIF可以通过将正常矩阵与其Hermitian矩阵相乘来计算，也可以通过在每个谱线处对正常矩阵进行奇异值分解（SVD）来计算。 此函数使用“经济规模”SVD 计算 CMIF。 建议在使用 CMIF 之前对输入数据进行带通滤波。 如果您发现此代码对您的应用程序有用，请不要忘记评价它。 如有问题、建议和意见：kalkan76@gmail.com

细节增强的matlab代码MoDE：多目标数据嵌入 该存储库包含2020年在国际数据挖掘会议（ICDM）上发表的论文“不确定的距离信息下的可解释性数据嵌入”的代码和结果。 在下面，您可能会看到MoDE迭代的漂亮可视化效果，显示了知名数据集算法的收敛性。 要了解在数据可视化中使用MoDE的优势，您可以观看会议演示： 细节 多目标数据嵌入（ MoDE ）是一种2D数据嵌入，可高保真地捕获数据关系的多个方面： 相关性 距离，以及 订单或重要性排名。 MoDE的独特之处在于，它不需要像大多数可视化技术一样在对象之间精确的距离。 我们可以给出对象之间的上下限范围，这意味着MoDE可以有效地可视化压缩或不确定的数据！ 此外，此嵌入方法可增强解释性，因为： 它在结果嵌入中合并了数据样本的等级或分数（如果数据集中存在这样的等级），并通过将具有较高分数的点以更高的角度放置在2D中，提供了可解释的数据嵌入。 嵌入通常会导致数据的“半月形”可视化。 因此，用户通常会看到类似的数据可视化效果，因此更容易理解和解释。 对于许多其他技术，不仅每个数据集都提供不同的可视化结果，而且可视化方法的不同运行可能会给出不同