FPGA电子时钟 用verilog语言 可实现时间调节 时间暂停 利用计数分频器 状态转移图

微信小程序蓝牙搜、连接、数据接收、显示，自己测试可用才上传的，如有需要远程调试和咨询，可加微信，完事后发个红包就行呵呵。

C/A码的产生，GPS抗干扰中用到，matlab程序仿真

经典书籍：Razavi射频微电子学（中文版）经典书籍：Razavi射频微电子学（中文版）

在计算机视觉领域中，使用二维投影恢复物体三维信息的过程称为三维重建。三维重建在计算机视觉中具有重要的研究价值

altium designer 常用封装库，自己画的封装，包含了常用的元器件封装，非常实用。

利用MATLAB实现医学图像处理与分析边缘是图像最基本的特征。所谓边缘是指图像周围像素灰度有阶跃变化或屋顶状变化的像素的集合, 它存在于目标与背景、目标与目标、区域与区域、基元与基元之间。边缘具有方向和幅度两个特征, 沿边缘走向, 像素值变化比较平缓; 垂直于边缘走向, 像素值变化比较剧烈, 可能呈现阶跃状, 也可能呈现斜坡状因此, 边缘可以分为两种: 一种为阶跃性边缘, 它两边的像素灰度值有着明显的不同; 另一种为屋顶状边缘, 它位于灰度值从增加到减少的变化转折点。对于阶跃性边缘, 二阶方向导数在边缘处呈零交叉; 而对于屋顶状边缘, 二阶方向导数在边缘处取极值。第6期高向军,等:利用 MATLAB实现医学图像处理与分析1749d imw rie( modif, ank le_new series d en, n b)在 MATLA B中,笔者实现算法如下:a读入图像,预定义3.2 Levelset图像分割初始轮廓,如图3(a)所示;b定义离散化水平集函数;c)曲线在医学图像分割研究中,基于 level set技术的活动轮廓模演化,递准过程;d)求解演化后的零水平集,即为分割图像的型正引人注目。本实例在 MATLAB环境中,实现了Chm和边缘,如图3(b)所示。Ⅴese提出的无梯度的活动轮廓模型,并应用在医学图像分割之中。4结束语CⅤ分割方法的基本原理如下:没定义域为Ω的图像uo实践证明,MAT^AB软件功能强大、数据计算能力突出、被闭合边界C划分为目标O(C的内部)和背景B(C的外语言简洁易读。使用图像工具箱中的医学图像处理函数可以部)两个同质区域。两个区域的平均灰度分别为c1和c2此时方便快捷地实现医学图像的读写及简单处理功能。本文用实能量函数可看做为外部能量和内部能量之和,即例证明了在 MATLAB环境中可以方便、快速、有效地实现复杂E(cIc> C)=EinsidefC)+Eoutsidec)医学图像处理算法。同时Ⅵ ATLAR工具箱涉及的专业领域广H, m isc,(uo-Ci2dx dy+泛且功能強大。由于工具箱具有可靠性和开放性,可以方便H2IJout ie c)(o-C2)2dedy-YICI地直接加以使用,也可以将自己的代码加到工具箱中以改进函数功能。因比,在Ⅵ ATLA B(R2006b)环境下,实现医学图像的处理和分析具有很大的应用优势和价值。参考文献:1」田捷,包尚联,周明全.医学影像处理与分析[Ⅵ].北京:电子工业出版社,2003.(a)初始图像(b)分割结果「2]张尢赛,陈福民·D)IαM医学图像窗口变换的加速算法[J.计图3 Level set分割结果算机工程与应用,200339(13):218-2203]王立功,刘伟强,于甬华,等.DCOM医学图像文件格犬解析与当闭合边界C处于两个同质区域的边界时,能量达到最应用研究[J计算机工程与应用,20642(29):210212225小。为了解决曲线的拓扑变化问题,C-V分割法采用了水平[41曾筝,董芳华,陈咣,等.利用 MATLAB实现C断层图像的三维集方法,将闭合边界C嵌入高一维的曲面ψ中,根据初始闭合重建[J·CT理论与应用研究,200413(2):24-29曲线c构造一个内正外负的符号距离水平集函数中这样就5l任忠宝,李佳·基于 MATLA B的颅面三维重构技术J·计算机将关于闭合曲线C的能量函数转换为关于曲面中的能量函(6]王家文,李迎军.MAAB7.0图形图像处理(M].北京:国防数,再通过变分技术可以得到关于曲面的偏微分方程模型,即工业出版社,2006冲=1中/Yd(y中/1中1)-1(mo-c12+2(no-c2)2通(71HANT, VESE L. A ctive con bou rs w ithou t edges JI. EEE Tans过求由面的零水平集就可以得到C的位置mage Process 2001, 10(2): 266 277(上接第1740页)相比,本文算法虽然计算量有所增大,但能acam pos itc m ethod[ J]. Pattern Recogn tion 1982, 22(4: 381正确区分质量中等区域和质量较差的区域,并将背景区域和质385.量较差、后继算法无法恢复的噪声区域分割,保留质量巾等41 MEHTRE B M. F ngerp rmt m age ana ls s for autm atic ren tifica tion区域,使后续算法的处理区域更精确。I J] M achine Vis ion and App lica tons 1993, 6(2-3): 124-1395]苏彦华·Ⅴ balc++数字图像识別技术典型業例[M]·北京:人4结束语民邮电出版社,2004I6]耿茵茵,唐良瑞.指纹图像分级分割算法ⅠJ.北方工业大学学本文提出了一种改进的基于指纹灰度特性的指纹图像分200012(3):2-26割算法,克服了传统自适应阈值分割算法在指纹与背景交接区[7]甘树坤,欧宗瑛,魏鸿磊,基于灰度特性的指纹图像分割算法[J域,以及指纹内部脊线太淡或脊线粘连的区域分割不准及分割古林化工学院学报,200623(1):68-71前景边界的方坎效应问题,适用于更多类型的指纹图像,且分[8] ROSENFILD A, KAK A C. Digita I im age process ing[M].Naw割比较精确。实验结果表明,该算法的分割效果很好,对前景Yor a cadem i press 1976区和背景区的分割更加灵活准确,有效降低了指纹图像噪声的[9]G0 NAZALES R C. WOODSR E. D igital m age processing[M I影响,它不仅能分割出指纹质量较好的图像,也能有效地分割Read a add ison w esley 1992噪声干扰较大的指纹图像,经过分割后的图像指纹纹线清晰、「11田捷,杨鑫,生物特征识别技术理论与应用M],北京:子工业出版社,2005流畅,具有较强的适应性和很高的实用价值。目前该算法已被应用到成熟的指纹识别算法中。10]吴|金,朱兆达图像处理中阂值选取方法3年(192-1992)的进展(12)[J.数据采集与处狸19938(3):1920}(4):26278.参考文執I 12 BAZEN AM, GEREZ S H. Segn en tation of fingeprin t m ages[ c]//l]陆颍.指纹自动识别原理与方法综述[J]·工栏数学学报.2004Prme of the 12th Annual W orks op on C icu its Sys kms and Sign al21(6):10031010Pocess ng Neherland I s n, 2001 276-2802]硎 HANG J anwei I Heng li s udy on segm ent a lgorithm in au m a[l3]冯星奎,颜祖泉,肖兴明,等.指纹图像合成分割法[J.计算机l i fige prill ilen Lifica lion[ J. M cro oomputer Applica tons应用研究,200017(1):7G77199915(12)202214]韩思奇,王蕾·图像分割的阈值法综述丨J].系统工程与皃子技13 CMEBTREUM.C是是出m出是 lishing630 bihgts-ycscrved.htp/w. cnkinct

对YOLOV3的核心代码进行了注释，注释量大约上万行，有兴趣的小伙伴可以拿去研究研究或者继续注释

该资源是本人长时间综合比较之后，认为最好的学习克里金插值方法的matlab代码，其中含有使用文档，原理说明，以及代码注释！

基于STM32的ADC采样(双通道)

模糊理论和神经网络的基础资料，相关知识说得较明白易懂。模糊理论和神经网络的基础与应用(仅供交流学习使用,请勿用于商业交易,否则后果自负)中国计算机学会学术著作丛书模糊理论和神经网络的基础与应用Introduction to Fuzzy Theory andNeural Networks and Their Application赵振宇徐用恐著清华大学出版社广西科学技术出版社模糊理论和神经网络的基础与应用(仅供交流学习使用,请勿用于商业交易,否则后果自负)(京)新登字158号(桂)新登字06号内容简介模糊理论和神经网弊是近年来得到迅速发展的嘶兴学料,它们的应用和影响己经遍及人工智能算机科学自动控制、专家系统信息科学、 CAD/CAN医疗诊断、经济等部门和领域本书系统驰论述了模糊理论和神经网络的基本理论、方法,从统一的工程角度综合分析了两大学科的最新成果,研究动向以及两者交叉部分中的前沿研究并介绍了高技术的应用实例。全书非14章,分三大都分第一部分为模糊理论的基础、建模方法和实际应用第二部升为神经网将的基本理论罔络学习方法和典型实倒第三部分讨论了模棚系统和神经网络系统的异同、融合和相互转换方法,本书还提供了大暈劑颞,以便读者自己模伤实践加深理解。本书可供白动控制计算机、信号信息处理、电路与系统、系綻工程等专业的高校师生利科技人虽遄用版权所有,醐印必究。本书封面貼有消华大学出版社激光防伪标签,无标签者不得销嘗肉书在版編目(CIP數据模糊理论和神经网络的基础与应用=Ⅰ NTRODUCTION TO FUZZY THEORY ANDNEURAL NETWORKS AND THEIR APPLI CATTON/赵振宇,徐用懋著.一北京:清华大学出版社,1995.19〔中国计算机学会学术者作丛书IsHN7-302-02061-2I.模r.①赵…闪徐…】,①模糊数学-应用-计算机网络②神经网络应川计算机网终Ⅳ.TP393中国版本图书馆CIP数据核字(95)第23616号出版者:清华大学出版社(北京清华大学校内,邮编100084)西科学技术出版社(厂西南宁河堤路14号,邮编530021印刷者:北京市清华园印刷厂发行者:新华书店总店北京科披发行所开本:787×1092116印张;13.75字数:324千字版次:i996年6月第1版199日年6月第1次印刷号:IN7-302-020612/TP·958印数:001-4000定价:16.00元模糊理论和神经网络的基础与应用(仅供交流学习使用,请勿用于商业交易,否则后果自负)清华大学出版社广西科学抆术出版社计算机学术著作出版基金评审委员会主任委员张效祥副主任委员周远清汪成为委员王鼎兴杨芙清李三立施伯乐徐家福夏培肃董韫美张兴强徐培忠模糊理论和神经网络的基础与应用(仅供交流学习使用,请勿用于商业交易,否则后果自负)出版说明近午来随岩微电子和计算相技术渗透到各个技术领域,人类正在步入一个技术迅插发展的新时期。这个新时期的主要标志是计算机和信息处理的广泛应用。计算机在改造传统产业实现管理自动化促进新兴产业的发展等方面都起着重要作用,它在现代化建设中的战略地位愈来盒明显。算机科学与其它学科的交叉又产生了许多新学科推功着科学技术向更广阔的领域发展,正在对人类社会产生深远的影响科学技术是第一生产力。计算机科学技术是我国高科技领域的一个重要方面。为了推动我国计算机科学及产业的发展,促进学术交流,使科研慮果尽快转化为生产力华大学出版杜与广西科学技术出版社联合设立了“计算机学术著作基金”,旨在支持和员科技人员,提写高水平的学术著作,以反映和推广我国在这一领域的最新成果计算机学术著作出版基金资助出版的著作范国包括:有重要理论价值或重要应用价值的学术专著计算机学科前沿探索的论著推动计算机拔水及产业发的专著;与计算机有关的交叉学科的论蓍有较大应用价值的工具书世界名著的优透翻译作品。凡经作者本人申请,计算机学术著作出版基金评审委员会评牢通过的著作,将由该基金资助出版,出版社将努力徹好出版工作基金还支持两社列选的国家高科技葷点图书和国家教委重獻图书规划中计算机学科领域的学术著作的出版为了做好选题工作出版社特邀请“中国计算机学会”“中国中文信息学会”帮助做好组织有关学术普作丛书的列选工作。热诚希望得到厂大计算机界同仁的支持和帮助清华大学出版社计算机学术著作出版基金办公室西科学技术出版社1992年4月模糊理论和神经网络的基础与应用(仅供交流学习使用,请勿用于商业交易,否则后果自负)丛书序亩计算机是当代发展最为迅猛的科学技术其应用几乎已深入到人类社会活动和生活的一切领域大大提高了社会生产力引起了经济结构社会结构和生活方式的深刻变化和变革,是最为活跃的生产力之一。计算机本嘉在国际范围内已成为年产值达250亿美元的巨大产业国际争异常剧烈,预计到本世纪末将发展为世界第一大产业。计算帆科技具有极大的综合性质,与众多科学技术相交叉而反过来又渗入更多的科学技术,促进它们的发展。计算机科技内容十分丰富学科分支生长尤为迅速,日新月异,层出不穷。因此在我国计算机科技尚比较落后的情况下加强计算机科技的传播实为当务之急。中国计算机学会一直把出版图书刊物作为学术动的重要内容之一。我国计算机专家学者通过科学实践做出了大量成果积累了丰富经验与学识。他们有撰写著作的大积极性,但相当时期以来计算机学术著作出于印数不多,出版往往退到不少困难,专业性越强有深度的著作出版难度越大最近清华大学出版杜与西科学枝术出版社为促进我国计算机科学技术及产业的发椎动计算机科技著作的出版工作,特设立“计算机学术著作出版基金”,以支持我国计算机科技工作者撰写高水平的学术著作并将资助出版的著作列为中国计算机学会的学术荷作从书我们十分盒视这件事,并三把它列为学会本屈理事会的工作要点之一。我们希望这一系划丛书能对传播学术成果,交流学术愿想促进科转化为生产力起到良好作月能对我国计算积科技发展具有有益的导向意义,也希望我国广大学会会员和计算机和技工作者括海外工作和学习的神州学人们能积极投稿,出好这一系列丛书。中国计算机学会1992年4月20日模糊理论和神经网络的基础与应用(仅供交流学习使用,请勿用于商业交易,否则后果自负)Introduction to Fuzzy Theory, Neural Networks sand Their Applicationsby Zhen-Yu Zhao and Yong-Mao XuThe fields of fuzzy sets and neural networks have made rapid progress in recentyears, This book gives a comprehensive presentation on recent developments in boththeory and applications, Special emphasis is placed on basic concepts, system designnalysis and development methods of fuzzy systems and neural network systemsThis hook consists of three majar parts. The first two parts present the fundamen-tals and real world applications of fuzzy sets theory and ueural nel works, respectivelyThe last part addresses various state-of-the-art techniques o combine fuzzy logic withneural networks eliminating the disadvantages of each of these technologies while effec-tively combining their advantageshis book can be used as the text for an advanced course on fuzzy theory and neuraletworks. It is also a valuable reference to all researchers and engi eers interested inthese subjects模糊理论和神经网络的基础与应用(仅供交流学习使用,请勿用于商业交易,否则后果自负)序非高兴得知赵振宇博士和除月懋教投巴完成他们的合著《棋糊理论利神兰网络的基础与应用》近年来模糊理论和神经网络提供了行之有效的方法来解决在特定环境以及采用定性描述方式的多冒的设计中的各种间题这本节从模糊埋论利神网络的基出发,综合分析和归纳了两领域的研究成果,并附有大量的应用实例赵博士和徐教授对棋糊系统和神经网络研究较深,这次他们对此专题的合著正合时宜。此外,赵博土还利用他精通语和英讦的特长,充分收纳了这两大领域的最新发展和动向。二十余年前,L, A. Zadeh教提出的模棚集合哩论已在工程的众多领域中得到广泛深入的研究。对于实际操作人员,即没有精确的数据和过程模型他也能操作和控制复杂的过程。而模糊理论正是将掘作人员的操作经骏鞍换成可以在计算机上运行的掉制算法以便实现模糊控制樸糊控制已泛应用于水质控制她铁操作汽车减震和牵引以及摄泉机聚焦等系统中。人工神经网络是由大量并行分布、有机相联的神经元构成的计算机构,对这种计算机构的研究受启于生物神纸系统的学习能力和并行机制。近年米,对神经网络方面的研究受到愈来愈密切的关注,特别在人工智能、心理学、工程学和物理学等学科中显得空前的活跃。另外,应用神经网络技术的商业产品亦愈来愈多,典型的例子如:语言识别系统爆炸检测器和飞机座位订票系统等绒合模糊理论、神经网络以及其它智能算法(如人上邀传斧法)的研究和应用将有卡常广阔的前景。一个明显的例子就是结合神网络的学习能力来训练基于模糊规则的系统。此书在这方面已有深刻的反映。作者正从统一的角度综合闯述了惯糊理论和抻经网络的重大课题和应用。我相信,此书对行志于模糊理论和神纸网络研究的读者是有裨益Masayos hi tomizuka美圈加州怕党莱大学机械系教授模糊理论和神经网络的基础与应用(仅供交流学习使用,请勿用于商业交易,否则后果自负)FOREWORDI am very pleased that Dr. Zhen-Yu Zhao and Professor Yong-Mao Xu have completed theit book," Introduction to Fuzy Theory, Neural Networks, and Their Appli-cations. In recent years, the fuzzy theory and neural networks have demonstrated theiryaludc for providing solutiont ta problems in unccrtain and imprecise environments a3well as to those with multi-design objectives, which may be stated in a qualitative man-ner. This book starts with Fundamentals of fuzzy theory and neural networks, developsthe ideas for comprehensive coverage of the two sub jects and presents their applications. Having rich rcscarch experienec in fuzzy systcms and neural nerworks, Dr. Zharand Professor Xu make an ideal team to write a book on these subjects. D. Zhao hastaken an advantage of his mastery of two ianguages, Japanese and English. Many recentimporcant developmerts in fuzzy thcory and neural networks havc bcen rcportcd in thesctwo languagesThe theory of fuzzy set&, established by Professor L, A. Zadeh about 20 years agohas been extensively studied in varicus fields of engineering. It is well known that hu-man beings have an ability to operate and control complicated processes without havingprecise data and plant models, Fuzzy theary has been shown to translate such knowldge of human beings into computer implementable control algorithms which are ronmonly called"fuzzy control. "Fuzzy control has been used in many practical applicalionssuch as water quality control, subway operation systems, automotive suspension andraction control and camcorder fotusing and stabilizationArtificial neural networks are computing architectures that consist of massiveparallel interconnections of simple neural proCessors. The study of such architectureshas becn inspired by thc learning abilities and parallelism of biological nervous syatemsIn recent years, neura! networks have received considerable Attention and are now beingactively explored in the fields of artificial intelligence psychology engineering andphysics. Neural networks have been applied to many conmercial products such asspeech recognition systems, explosive detectors and airline seat allocation systerms.Ambitned use af fuzzy theory neural networks, as well as other computational in-telligence algorithms such as genetic algotithms, has heen recognized as being promising, An obvious example is the training of fuzzy rule-based systems ly using the learm