该文件包含适用于第 2-7 章中大部分图的 Matlab 脚本以及 Harry L. Van Trees，Wiley，2002 年出版的 Optimum Array Processing 的第 2-6 章中的选定解。ISBN-13：978-0471093909。 Optimum Array Processing 综合介绍了经典和统计阵列处理。 开发了线性和平面阵列的经典分析和合成技术。 提供了时空随机过程的统计特征。 涵盖了优化阵列处理的许多不同方面，包括波形估计、自适应波束成形、参数估计和信号检测。 研究了平面波信号和空间传播信号，并且所有结果都以教学上合理的方式发展。

国外经典信号处理教程书籍，是国内外高等学府信号处理课程的教科用书，也可作为科研及工作人员的参考用书。

大学课程的一个作业，是使用processing制作的竖屏卷轴射击游戏，左右键控制战机移动，按住空格发射子弹，从上方会随机掉下不定大小不定生命值的圆球，每摧毁5个圆球升1级，每升5级子弹变更多，圆球生命值随等级会越来越多。如果圆球移动到屏幕最下方扣一点生命值。画面通过不断刷新有透明度的背景做出拖拽的效果，画面效果挺不错的

Dork-Hunt：第一个完整的游戏项目，在Processing中完成

PyEMD 链接 HTML文档： ： 问题追踪器： : 源代码存储库： : 介绍 这是经验模式分解（EMD）的另一个Python实现。 该软件包包含许多EMD变体，并打算及时交付。 EMD变体： 集成EMD（EEMD）， “完整的EMD组合”（CEEMDAN） 香草EMD的不同设置和配置。 图像分解（EMD2D和BEMD）（实验性，不支持） PyEMD允许将不同的样条曲线用于包络，停止准则和极值插值。 可用花键： 自然立方[默认] 点向立方 秋间 线性的 可用的停止标准： 柯西收敛[默认] 固定迭代次数 连续原型IMF的数量 极端检测： 离散极值[默认] 抛物线插值 安装 受到推崇的 只需直接从GitHub或使用命令行下载此目录： $ git clone 然后进入下载的项目并从命令行运行： $ python setup.py安装 皮皮 从PyPi

文字版PDF， 非转换PDF。数字图像处理，冈萨雷斯，文字版，英文版，第四版，英文版电子书：Digital Image Processing 4th Edition

纸张计数显示装置:grinning_face_with_smiling_eyes: 1、简介:pencil: 纸张计数显示装置基于RT-Thread实时操作系统，硬件平台采用STM32F407单片机为主控制器，以具有抗电磁干扰（EMI）架构的FDC2214模块作为电容采集传感器，通过屏蔽双绞线连接至两铜极板，读取采集的数据并进行相应判断，应用触摸屏和语音模块进行状态显示与播报。FDC2214模块将采集到的数据通过IIC协议传输给主控制器，主控制器对原始数据进行卡尔曼滤波，抑制噪声对数据采集的影响。校准模式下，本系统利用最大隶属度法，确定电容模拟值及纸张数的论域，定义模糊子集和隶属函数，建立模糊规则控制表，求得模糊控制查询表。其根据采集到的两极板的数据，做出短路判断并读取多组实时数据，将其与模拟区间进行归类，选取最大可能性区间作为期望值，减小最终判断的差错率。 成果：在校准好后，50张以下100%正确 配置参数 主控制器 配置参数 主传感器 芯片型号 STM32F

深度学习在图像处理中的应用教程 前言 本教程是对本人研究生期间的研究内容进行整理总结，总结的同时也希望能够帮助更多的小伙伴。后期如果有学习到新的知识也会与大家一起分享。 本教程会以视频的方式进行分享，教学流程如下： 1）介绍网络的结构与创新点 2）使用Pytorch进行网络的搭建与训练 3）使用Tensorflow（内部的keras模块）进行网络的搭建与训练 教程目录，点击跳转相应视频（后期会根据学习内容增加） 图像分类 LeNet（已完成） AlexNet（已完成） VggNet（已完成） GoogLeNet（已完成） ResNet（已完成） ResNeXt (已完成) MobileNet（已完成） ShuffleNet (已完成) EfficientNet（已完成） 目标检测篇 Faster-RCNN/FPN（已完成） SSD/RetinaNet (已完成) YOLOv3 SPP (进

句子 这个存储库包含一个 R 包，它是一个围绕句子 C++ 库的 Rcpp 包装器 句子是一个无监督的分词器，它允许使用字节对编码和 Unigrams 执行文本分词 它基于论文SentencePiece: A simple and languagedependent subword tokenizer and detokenizer for Neural Text Processing [ ] 句子 C++ 代码可从。 这个包目前包含版本 v0.1.84 这个 R 包具有与 R 包类似的功能 特征 R 包允许您 构建字节对编码 (BPE)、Unigram、Char 或 Word 模型 应用模型对文本进行编码 应用模型将 id 解码回文本 下载基于维基百科的预训练句子模型 安装 对于普通用户，从本地 CRAN 镜像install.packages("sentencepiece")安装包

processing安装包，好不容易从网上下载下来的，大家共同使用吧。