tcnative-1.dll 32位 and tcnative-1.dll 64位

评估指标为点目标距离向和方位向峰值坐标、峰值旁瓣比、一维积分旁瓣比、二维积分旁瓣比、剖面图

matlab读取tdms文件，中间带有例子，非常实用

AES的S盒可以用扩展的欧几里德和费马定理来写，这里我采用费马定理。要注意的是S盒的求逆过程是在加瓦罗域下进行的，所以里面的所有乘法、除法、加法、减法都是在加瓦罗域下进行。

图像融合相关，IHS,PCA加权图像融合三种算法的Matlab源代码。详细的代码分析，三种经典的融合算法。

Anaconda Python3.6 的安装程序（for Windows），含有32bit 和 64bit。下载了很久，整理出来，方便入门学习python的同学节省时间安装方便

1、压缩包中包含了由盛唐公司研制的USB_D12开发评估板实现USB鼠标的全部源代码2、源代码中的U_Mouse.C文件实现了数据通讯的协议，Chap_9.C含有鼠标枚举所需的各种描述符。3、上述文件实为USB接口芯片D12开发的经典参考资料及制作USB鼠标的极佳参考原型。4、阅读源程序前务必先阅读开发评估板的使用说明书各评估板的电路原理图，方能快速理解源程序。5、需要USB鼠标的底层驱动程序的开发者请与作者联系。

SIFT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。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

车载充电机（OBC）是新能源汽车必不可少的核心零部件，其市场规模随着新能源 汽车市场的快速增长而扩大。据相关数据分析，2016 年，电动汽车车载充电机市 场规模约 20 亿元，未来几年随着新能源汽车产量的逐年提升，预计到 2020 年 国内电动汽车车载充电机市场规模将达到 77 亿元。 本文将给大家介绍基于 TI C2000™ 微控制器的 3.3KW 车载充电机方案。此参考设计使用 C2000™ 微控 制器 (MCU) 和 LMG3410 来控制交错式连续导通模式 (CCM) 图腾柱 (TTPL) 无桥功率因数校正 (PFC) 功率级的方法。该电源拓扑采用氮化镓 (GaN) 器件， 从而提高了效率，并降低了电源尺寸。该设计支持用于提高效率的切相和自适应死 区时间，用于在轻负载下改进功率因数的输入电容补偿方案，以及瞬态时用于降低 电压尖峰的非线性电压环路。 交错式 TTPL PFC 拓扑结构是电动汽车充电器的设计的趋势，具有更高功率和更 高的功率密度。 C2000 MCU 是针对实时控制应用而优化的 MCU 系列之一。 快速优质的模数控制器可精确测量电流和电压信号，集成比较器子系统 （CMPSS）提供过流和过压保护，而无需使用任何外部设备。经过优化的 CPU 内核可以快速执行控制循环。 三角函数使用片上三角数学单元（TMU）可以加速 操作。 该解决方案还选择在 F28004x 和 F2837x 上使用控制律加速器 （CLA）， CLA 是协处理器可用于减轻 CPU 负担并在 C2000 上启用运行更快 的循环或更多功能

极化SAR图像处理中，将三个不同极化通道的数据进行为彩色合成的程序fake_color

matlab函数两个：一个是能量谱。 一个是小波包分解与重构；可以自己更改成一个程序，可以达到能量特征提取的目的