[信管网]2013-2018信息系统项目管理师历年真题（含上午题、案例分析、论文）试题和答案

这个源码很不好早，，在此提供给大家参考和使用

使用Matlab语言编程，分别用Gauss消去，Jacobi迭代，Gauss-Seidel迭代，SOR迭代和共轭梯度法对Hilbert矩阵进行求解并绘制相关曲线。

基于python实现串口通讯，从串口读取数据后进行动态曲线绘制，然后将数据保存到文件中，曲线绘制可实现暂停

清华大学公开课 卓晴老师主讲的《信号与系统》课程讲义。pdf格式。

蚁群算法.ppt蚁群算法.ppt蚁群算法.ppt蚁群算法.ppt蚁群算法.ppt

【实例简介】关于卡尔曼滤波对飞机姿态进行解算以及采用自抗扰控制对无人机进行姿态控制的仿真模型

自适应滤波器是在不知道输入过程的统计特性时，或是输入过程的统计特性发生变化时，能够自动调整自己的参数，以满足某种最佳准则要求的滤波器。所谓自适应滤波，就是利用前一时刻己获得的滤波器参数等结果，自动的调节现时刻的滤波器参数，以适应信号和噪声未知的或随时间变化的统计特性，从而实现最优滤波。自适应滤波器实质上就是一种能调节其自身传输特性以达到最优化的维纳滤波器。自适应滤波器不需要关于输入信号的先验知识，计算量小，特别适用于实时处理。

【实例简介】1993 年，法国的C.Berrou 等人提出了一种新的纠错编码方式—Turbo 码，当交织 长度足够长时，其性能接近Shannon 信道编码极限值，因此Turbo 码的出现，被看作是信道 编码理论发展史的一个里程碑，它使人们设计信道编码的方法从增加码的最小汉明距离转向 减少低重量码字的个数。Turbo 码性能优异，已经被确定为第三代通信系统的信道编码方案 之一。本文介绍了Turbo 码的编译码原理及其在TD-SCDMA 通信系统中的应用情况；结合 Turbo 码的迭代译码过程，重点讨论MAP 译码算法的详细推导和具体应用方法；根据 3GPP25.222 协议中定义的Turbo 码标准，从不同角度进行MAP 译码算法的MATLAB 仿真。 根据仿真结果，分析MAP 算法的译码性能，并且就设计参数对译码性能的影响进行了比较 性分析。

SIFT算法入门时看的一篇文章，SIFT算法详解及应用(讲的很详细)SIFT简介SIFTScale Invariant Feature Transform传统的特征提取方法成像匹配的核心问题是将同一目标在不同时间、不同分辨率、不同光照、不同位姿情况下所成的像相对应。传统的匹配算法往往是直接提取角点或边缘,对环境的适应能力较差,急需提出一种鲁棒性强、能够适应不同光照、不同位姿等情况下能够有效识别目标的方法。己0]/3/己7彐SIFT简介SIFTScale Invariant Feature TransformSIFT提出的目的和意义分1999年 British columbia大学大卫.劳伊( David g.Lowe)教授总结了现有的基于不变量技术的特征检测方法,并正式提出了一种基于尺度空间的、对图像缩放、旋转甚至仿射变换保持不变性的图像局部特征描述算子一SIFT(尺度不变特征变换),这种算法在2004年被加以完善己0]/3/己7SIFT简介SIFTScale Invariant Feature Transform将一幅图像映射(变换)为一个局部特征向量集;特征向量具有平移、缩放、旋转不变性,同时对光照变化、仿射及投影变换也有一定不变性。己0]/3/己7SIFT简介SIFTScale Invariant Feature TransformSIFT算法特点SIFT特征是图像的局部特征,其对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定性。独特性( Distinctiveness)好,信息量丰富,适用于在海量特征数据库中进行快速、准确的匹配。多量性,即使少数的几个物体也可以产生大量SIFT特征向量。经过优化的SIFT算法可满足一定的速度需求。可扩展性,可以很方便的与其他形式的特征向量进行联合。己0]/3/己7SIFT简介SIFTScale Invariant Feature TransformSIFT算法可以解决的问题目标的自身状态、场景所处的环境和成像器材的成像特性等因素影响图像配准/目标识别跟踪的性能。而SIFT算法在一定程度上可解决:目标的旋转、缩放、平移(RST)图像仿射/投影变换(视点 viewpoint)光照影响(111 amination)目标遮挡( occlusion)杂物场景(c1 utter)噪声己0]/3/己7SIFT算法实现细节SIFTScale Invariant Feature TransformSIFT算法实现步骤简述SIFT算法的实质可以归为在不同尺度空间上查找特征点(关键点)的问题。原图像特征点特征点目标的特检测描述征点集特征点匹匹配点矫配正目标图像特征点特征点目标的特检测描述征点集SIFT算法实现物体识别主要有三大工序,1、提取关键点;2、对关键点附加详细的信息(局部特征)也就是所谓的描述器;3、通过两方特征点(附带上特征向量的关键点)的两两比较找出相互匹配的若干对特征点,也就建立了景物间的对应关系。SIFT算法实现细节SIFTScale Invariant Feature TransformSIFT算法实现步骤关键点检测己。关键点描述彐·关键点匹配4·消除错配点己0]/3/己7关键点检测的相关概念SFTiant Feature Transfor1.哪些点是SIFT中要查找的关键点(特征点)?这些点是一些十分突出的点不会因光照条件的改变而消失,比如角点边缘点、暗区域的亮点以及亮区域的暗点,既然两幅图像中有相同的景物,那么使用某种方法分别提取各自的稳定点,这些点之间会有相互对应的匹配点。所谓关键点,就是在不同尺度空间的图像下检测出的具有方向信息的局部极值点。根据归纳,我们可以看出特征点具有的三个特征:尺度方向大小己0]/3/己7

一款基于51单片机的modbus rtu 通信测试程序，适合多采集点项目开发（例如水文项目、多地温度采集项目），基于485通信机制。