超声全聚焦成像校正模型及加速算法.pdf,超声全聚焦成像算法是一种基于全矩阵数据的成像技术，具有成像精度高、缺陷表征能力强的优点，但也存在数据量大、计算时间长、近表面区域噪声较大的缺点，目前主要应用于后处理成像。针对以上问题，建立了基于阵元指向性函数的成像校正模型；结合并行计算设备，提出了基于三角矩阵数据采集和索引技术的成像加速算法。使用16阵元相控阵探头对带有人工通孔的铝制试块进行检测试验，结果表明，使用加速算法可以将每帧图像成像时间缩短至135 ms以内，满足实时成像的要求；添加校正模型后，对于图像近表面区域噪声抑制效果明显，降低了伪缺陷出现的可能性，提高了图像信噪比。

推挽变换器设计与校正，推挽的优点很多，合理的利用和优化式变换器性能好坏的关键，所以。。。。。。。。

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。

为了校正广角镜头的桶形畸变，提出一种新的桶形畸变数字校正方法。它使用点阵样板校正的方法，根据畸变图和理想图中圆点的位置关系，得出畸变图像素在X轴和Y轴方向上的偏移量曲面，采用三次B插值函数对曲面插值；由曲面插值获取像素点的偏移量，对各像素进行坐标转换得到校正图像；然后对图像进行了双线性插值的灰度重建。仿真结果表明，该方法使图像的坐标位置和灰度都得到很好的校正。

针对分布式高频地波雷达(HFSWR)的工程应用,研究了基于自适应混合算法(AHA)的阵列无源校正方法.该方法将阵列误差估计问题转化为多元参数的联合估计问题,利用改进的混合算法得到了该优化问题的最优解估计.利用海洋回波校正了分布式高频地波雷达阵列幅相误差之后,将该方法应用到雷达系统的阵列互耦误差校正.仿真和现场实验实测数据的分析表明,该方法对空间谱算法性能的改善十分明显,验证了其有效性.

本文介绍了如何应用数字化方法将光学镜头拍摄的有畸变的图像矫正

根据matlab代码修改为python代码，python代码注释非常详细，两者代码都在打包文件里，自己可以对照观看理解。

对于频率估计，采用了插值法，其中信号参数，采样的条件都可以非常灵活的设置

自动控制原理串联超前校正Matlab实现 自动控制原理串联超前校正Matlab实现 自动控制原理串联超前校正Matlab实现 自动控制原理串联超前校正Matlab实现 自动控制原理串联超前校正Matlab实现 自动控制原理串联超前校正Matlab实现 自动控制原理串联超前校正Matlab实现

在ArcGIS中将没有坐标信息的图矫正到经纬度坐标系下。