全面的高光谱数据处理基本算法完整程序

X-band雷达仿真程序，等等等等，用于分析实际信号(X-band radar simulation program, and so on and so on, used to analyze the actual signal)

稠密匹配，对应文献采用邻域差值特征模板的立体匹配方法(matching)

运动目标的检测是视频处理过程中后续跟踪技术的基础,其检测结果的好坏直接关系到能否跟踪到运动目标及跟踪准确度问题。运动目标的检测就是从机器视觉系统获取的序列图像中把前景,运动,目标分割提取出来的过程。本文描述了机器视觉中运动目标检测的主要方法?介绍了其中背景减除法的几种典型算法的原理、特点、背景差分法的基本流程?主要包括四个步骤为,预处理、背景建模、目标检测、后处理。然后在matlab环境下运用背景减除算法完成了视频中运动目标的检测,并对检测结果图像进一步处理.(Moving target detection is a follow up video processing technology based on the test results is directly related to the ability to track moving targets and tracking accuracy. Moving target detection prospects, movement, object segmentation extracted from the sequence of images acquired by the machine vision system. This paper describes the main method of moving target detection machine vision ? introduced the principle of which several typical algorithms for background subtraction method, the basic flow characteristics, background difference method ? mainly includes four steps, preprocessing, background modeling target detection, post-processing. Use background subtraction algorithm in Matlab environment complete video moving target detection, and detection results of images for further processing.)

依据目前已有的数据对未来的发展趋势做出预测分析，进行灰度分析的。(Based on the current analysis of existing data to predict future trends, grayscale analysis.)

dojo基类扩展的三种方法说明，包括extend，declare和mixin等。(dojo base class extended three methods described, including extend, declare and mixin like.)

连续相位调制信号(CPM)产生，自写曲率计算函数 ,利用自然梯度算法，最大信噪比的独立分量分析算法，光纤无线通信系统中传输性能的研究，真的是一个好程序。

小波包分析提取振动信号中的特征频率，外文资料里面的源代码，包括四元数的各种计算,旋转机械二维全息谱计算，音频信号通过LM386放大，完整的图像处理课设，包含所有源代码，汽车图像。

这个代码可以用来删除纹理而保存图像的结构。这段代码基于以下文 [1] 所述的方法创建"结构提取从纹理通过相对总变异"，李煦，琼燕、 杨霞、 加牙佳，计算机学会图形，（SIGGRAPH 亚洲 2012年），2012年。代码和算法是用于非商业。

说明：  这是一个用simulink搭建的经典的跳频模型，对了解跳频有一定的帮助，模型，调试过了，没有问题。(This is a FH model in simulink.)

使用高阶累积量对MPSK信号进行调制识别，效果很好，可以达到很高的识别率，我曾论证了好久，确定它的结果没有问题，确实识别率很高(Modulation recognition of MPSK signals using higher order cumulants good effect, and can achieve a high recognition rate, I have argued for a long time, and its results, is indeed a high recognition rate)