ADC数字抽取滤波模块的设计研究

关于机器人路径规划的人工势场算法，共8篇论文。本人最近在做毕设，这些资料是在校园网上下的，为了方便校外不能上数据库的技术人员。

之前写的关于qt实现串口助手博客，有人需要源码，由于当初是为项目需要些，里面有很多不必要的控制，现在重新整理了一份较为纯净的代码，和大家交流学习注意目录不要有中文路径名，尽量在顶层目录下编译，，源博客地址：http://blog.csdn.net/mao19931004/article/details/51852573

QPSK基本的调制解调MATLAB仿真，再无编码条件下，实行简单的调制解调，仿真结果有调制前的信号图，调制后的信号图，以及误码率

在matlab程序中，可以实现粒子群算法优化bp神经网络的算法，可用不同数据

该套会员管理系统现在多家商家使用多年，是一套通用性强、功能强大的会员管理软件，是企业经营管理不可或缺的管理工具。系统将会员信息、会员消费紧密结合，实现会员储值卡、折扣卡、计次卡多卡合一的组合卡管理功能，且会员消费可自动积分，帮助企业全面实现管理信息化。适用于以会员制客户管理模式为中心的服务性行业，如：餐饮娱乐、美容美发、休闲健身、洗浴中心、零售专卖、汽车美容等，有效提升企业客户的忠诚度，为企业创造价值。网购的分享给大家

里边涉及到了按键，按下不同的键可以发出不同编码的信号。用到的载波是用单片机产生的38k的方波。

网上使用Android调用海康SDK的例子很少，Android下的SDK也不好找，找了好久才发现一个能用的，为了项目需要，需要OSD字幕叠加功能，例子可以正常播放视频并将字幕叠加至视频图像上，海康只提供了四行字幕的叠加，将就着用吧，演示图片：https://www.cnblogs.com/publish/p/9765812.html

介绍了弹簧阻尼单元combin14的使用方法，实例和命令流实现

该文档是我的本科毕业设计，包含论文以及对应的MATLAB上的simulink仿真，代码主要包括：光伏MPPT算法，光伏电池和蓄电池构成能量管理系统，光伏电池、蓄电池和超级电容构成能量管理系统。比较全面

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