徕卡TCA变形监测软件

自1987年Kass提出Snakes模型以来，各种基于主动轮廓线的图像分割理解和识别方法如雨后春笋般蓬勃发展起来。Snakes模型的基本思想很简单，它以构成一定形状的一些控制点为模板（轮廓线），通过模板自身的弹性形变，与图像局部特征相匹配达到调和，即某种能量函数极小化，完成对图像的分割。再通过对模板的进一步分析而实现图像的理解和识别。

fanuc robot的开发介绍文档，类似于SDK，介绍文档里面描述了大概可以进行哪些数据的的取值

基于多径传输和多普勒频移的 瑞利（Rayleigh）信道的仿真

XML 转换 CSV文件，可打开查看对比xml文件

Visual Assist X 2237+破解补丁+汉化包+菜单+设置提示+每日提示汉化(通杀所有VS版本2015,2017...)亲测可用

【实例简介】关于机器人参数观测及辨识控制，其中包括了基于神经网络的自适应状态观测器的设计及应用等范例。

【实例简介】我们创建了102个类别数据集，包含102个花类别。选择花的花通常在英国发生。每个类包含40到258个图像。可以在此类别统计页面上找到每个类别的类别和图像数量的详细信息。图像具有大规模，姿势和光变化。此外，有些类别在类别中有很大的变化，有几个非常相似的类别。使用具有形状和颜色特征的isomap可视化数据集。

QFN贴片芯片封装（三维PCB封装库）AD用PCB封装库，作者主页下有全套的三维PCB封装库，欢迎大家下载使用。文件为作者千辛万苦整理的，请大家自用，不要随意传播，谢谢！～

西工大整列信号处理课件，完整版，师兄留下来的资料，欢迎下载！●●●●●●●●0相关的重要学术刊物IEEE Transactions on Signal ProcessingIEEE Transactions on Antennas and Propagationo IEEE Transactions on aerospace and electronicSystemso IEEE Journal of Oceanic EngineeringJournal of the Acoustical Society of America●电子学报●声学学报丽归潭杨益新●●●●●●●●●●●●相关的重要学术会议●●●IEEE Sensor Array and Multichannel SignalProcessing Workshop-SaMIEEE Workshop On Statistical Signal ProcessingSSP(Formerly IEEE Workshop On Statistical SignalAnd Array Processing- SSAP). IEEE International Conference on acousticsSpeech, and Signal Processing-ICASSPWorkshop on Adaptive Sensor Array ProcessingASAP(Lincoln Laboratory-MIT)MTS/IEEE Oceans Conference百归杨益新●●●●内容安排●●●●0课次1—引言课次8一最优波束形成课次2一阵列和空间滤波器课次9一自适应波束形成课次3-线性阵列和孔径课次10一目标方位估计(1)课次4一线阵波束优化设计课次11—目标方位估计(2)课次5一平面阵列和孔径课次12一匹配场处理、智能天线课次6一空时过程的特征课次13一课程设计讲解课次7一仿真算例分析课次14—闭卷考试丽归潭杨益新●●●●●●●阵列信号处理●●●●●●●●考虑的信号和噪声不仅有肘城依赖性,也有空城依赖性●将信号和噪声表征为空一时过程●研究多维空一时域的检测和估计问题处理器空域部分连续空域→孔径离散空域→阵列(基阵)酉归贯杨益新●●●●●●●●0Signal #I●●●●Signal #2Interference▲ZNoiseFieldc阵列结构(阵特性及阵形)°信号的空间和时间特性千扰的空间和时间特性ArrayProcessor阵列处理的目的丽归潭杨益新●●●●●●●阵列结构(阵元特性及阵形)●●●●●●●●●阵元特性:各向同性(omni- directiona或 isotropic)各向异性( directiona|)●阵列几何形状(阵元的物理位置):线阵平面阵体积阵●阵元分布:等间距(均匀分布)不等间距(非均匀分布)随机分布酉归贯杨益新●●●●信号的空间和时间特性●●●●0●●●●●时域上已知信号信号有未知参数信号有已知结构(例如,BPSK)随机信号●空域上(最感兴趣的)已知方向上的平面波信号未知方向上的平面波信号空间散布的信号丽归潭杨益新●●●●●●●●●●●●●噪声(或干扰)的空间和时间特性●●●噪声源分类:自噪声:阵元之间统计独立,可减小但不能消除;外部噪声源产生的噪声:需用时空特性表征●时域上有未知参数的信号随机信号●空域上已知方向上的一个或多个平面波未知方向上的一个或多个平面波空间散布的干扰酉归贯杨益新●●●●●●●●0阵列信号处理的目的存在噪声和干扰时,检测信号;●存在噪声和干扰时,解调信号并估计信息波形;●从多个路径上有通讯信号到达时,检测信息序列;●存在噪声时,估计多个平面波信号的到达角;●构造入射信号和噪声场的时域和空域谱估计;●将信号发射到一个特定的空间位置上●还有其它应用场合丽归潭杨益新●●●●●●●阵列信号处理的两个主要方面●●●●●●●●●波束形成●参数估计5040Direction of Arrival(Deg)酉归贯杨益新●●●●阵列信号处理的主要应用领域●●●●0●●●●●声呐●雷达●射电天文●通信●地震学语音处理医学诊断和治疗丽归潭杨益新●●●●●●●●声呐●●●●●●●●百归杨益新被动声呐●●●●●●●●0●0Detectionthreshold(D7Ambient nose(ND)DirectivTransmission lossindex(T)Source level (SL)丽归潭杨益新典型被动声呐阵列●●●●●●●●●●●扩展式声呐浮标酉归贯杨益新典型被动声呐阵列●●●●●●●●0●●●●业)击潜艇噪声测量用阵列丽归潭杨益新●●●●主动声呐●●●●●●●●●threshold(DnAmbient noise(NL)VolumereverberationDirectrindexSourceTransmissioSource level (SL)Ambient noise(NL)loss (ILST)Target strength(IS)Bottom reverberation百归杨益新

Transferring Deep Convolutional Neural Networks for the Scene Classification of High-Resolution Remo 所用数据源WHU-RS Dataset.从Google Earth（Google Inc.）收集的WHU-RS数据集[6]是一个新的公开可用的数据集，其包含大小为600×600像素的950幅图像，均匀分布在19个场景类中。一些示例图像如图5所示。我们可以看到，一些类别中的照明，尺度，分辨率和viewpoint-dependent外观的变化使得它比UCM数据集更复杂。