摘要：
1. 文字的居中 对于标准的markdown文本，是不支持居中对齐的。还好markdown支持html语言，所以我们采用html语法格式即可。 <center>这一行需要居中</center> 下面就是排版后的结果 这一行需要居中 2.文字的字体及颜色 2.1 字体更换 同样我们也需要遵照其标准的语 阅读全文
摘要：
目标到雷达的距离 可以通过测量电波往返一次所需时间 得到： 时间 就是回波相对于发射信号的延迟，因此，目标距离测量就是要精确测量延迟时 。 根据雷达发射信号的不同，测定延迟时间通常可以采用： 脉冲法 频率法 相位法 一，脉冲法测距 1，基本原理 有两种定义回波到达时间 的方法：一种是以目标回波脉冲的 阅读全文
摘要：
阅读全文
摘要：
一，雷达方程 1，基本雷达方程 理想无损耗、自由空间传播的单基地雷达方程。 接收回波功率（假设信号从天线方向图最大增益处发射、接收，并且不考虑传输损耗）： 上面的$\delta$其实就是$\sigma$. 表示雷达天线有效接收面积。 接收到的回波功率 必须超过最小可检测信号功率 ，雷达才能发现目标， 阅读全文
摘要：
阅读全文
摘要：
一、组成和主要质量指标 任务：不失真地放大所需的微弱信号(目标的回波信号)，抑制不需要的其他信号。 其他信号包括： 噪声（noise）：无意的； 干扰（jamming）：一般认为是有意的； 杂波（clutter）：近地物，如山川、海浪的回波。 我们通常所说的信号，一般是指真正的目标回波。 1、超外差 阅读全文
摘要：
阅读全文
摘要：
一、任务和组成 任务：产生大功率特定调制的射频调制信号。 这里说的特定调制，主要包括：振幅调制、频率调制和相位调制。 1、振幅调制 （1）连续波信号 （2）脉冲信号 2、频率调制 （1）固定载频 （2）频率分集 （3）频率编码：脉宽分几段，每一段频率有所不同。 （4）线性调频：（LFM，chirp） 阅读全文
摘要：
阅读全文
摘要：
一、基本雷达方程 雷达基本方程（理想无损耗自由空间传播的单极地雷达方程），也叫做最大作用距离方程。雷达探测目标过程如下图所示。 \(R_{max}\)：雷达探测的最远距离 ：雷达发射机发射信号的功率。 ：发射天线增益，这里假设目标与雷达天线的连线正好穿过天线方向图最大增益处。 ：接收天线增益，假设天 阅读全文
摘要：
阅读全文
摘要：
阅读全文
摘要：
博客园怎样在Markdown编辑模式下调整图片大小 首先添加完图片的格式是这样的: 将其改为↓ <img src="https://img2020.cnblogs.com/blog/1413127/202008/1413127-20200806093208191-1038167115.png" wi 阅读全文
摘要：
雷达原理 一、概念 radar->radio detection and ranging无线电探测和测距 雷达是radar的音译 雷达发射的是电磁波信号 雷达探测目标原理如下图所示 雷达发射机产生射频信号，经雷达发射天线辐射到空间，当电磁波遇到目标发生反射，回波信号经雷达接收天线，到达接收机，经接收 阅读全文
摘要：
行内公式 $ f(x) = a+b $ >>> 行间公式 $$ f(x) = a+b $$ >>> 手动编号 $$ f(x) = a - b \tag{1.1} $$ >>> 根号、分式 命令：\sqrt表示平方根，\sqrt[n]表示n次方根，\frac表示分式 $$\sqrt{x} + \sqr 阅读全文
摘要：
载入训练好的模型并且进行预测 代码： import torch import numpy as np import torchvision #torch的视觉包 import torchvision.datasets as datasets import torchvision.transforms 阅读全文
摘要：
利用卷积神经网络对MINIST数据集进行训练 代码： import torch import numpy as np import torchvision #torch的视觉包 import torchvision.datasets as datasets import torchvision.tr 阅读全文
摘要：
多层感知机 代码： import torch import numpy as np import torchvision #torch的视觉包 import torchvision.datasets as datasets import torchvision.transforms as trans 阅读全文
摘要：
对对MNIST数据集进行训练 代码： import torch import numpy as np import torchvision #torch的视觉包 import torchvision.datasets as datasets import torchvision.transforms 阅读全文
摘要：
原理： C++代码（灰度图像）： //TP Inpaint #include <iostream> #include <stdlib.h> #include <math.h> #include <opencv2/highgui/highgui.hpp> #include <opencv2/core/ 阅读全文
摘要：
Backward反向传播 import torch import numpy as np import torchvision #torch的视觉包 import torchvision.datasets as datasets import torchvision.transforms as tr 阅读全文
摘要：
softmax中dim维度这个参数的取值 准则是dim等于多少就是，该索引维度数据可以变化，dim=0, 二维 索引 [0,0]+[1,0]+[2,0]，三维度 [0,0,0]+[1,0,0]+[2,0,0]，dim=1,[0,0]+[0,1]+[0,2] 代码： import torch impo 阅读全文
摘要：
构造线性模型 code： import torch import numpy as np import torchvision #torch的视觉包 import torchvision.datasets as datasets import torchvision.transforms as tr 阅读全文
摘要：
利用transform做数据增强 https://zhuanlan.zhihu.com/p/54527197 import torch import numpy as np import torchvision #torch的视觉包 import torchvision.datasets as da 阅读全文
摘要：
先在自己的路径下创建文件夹 然后把自己想要放进去的图片放进去 import torch import numpy as np import torchvision #torch的视觉包 import torchvision.datasets as datasets import torchvisio 阅读全文
摘要：
pytorch里面有很多数据集 首先在百度输入 pytorch 然后打开官网 然后搜索 torchvision 然后 然后 点开具体的数据集 然后导入的时候 输入 mnist数据集下载地址 https://blog.csdn.net/qq_23096723/article/details/80982 阅读全文
摘要：
阅读全文
摘要：
tab键一般为4个空格 单行注释用# 多行注释用''' 较长的句子可以用\连接 定义多点坐标 绘出折线 并计算起始点和终点距离 import turtle import numpy as np x1=y1=100 x2,y2=100,-100 x3,y3=-100,-100 x4,y4=-100,1 阅读全文
摘要：
返回特定像素的RGB值 import cv2 import numpy as np img = cv2.imread('color_image.jpg') px = img[10, 50] print(px) blue = img[10, 50, 0] print(blue) green = img 阅读全文
摘要：
原理： C++代码（灰度图像）： #include <iostream> #include <stdlib.h> #include <math.h> #include <opencv2/highgui/highgui.hpp> #include <opencv2/core/core.hpp> #in 阅读全文
摘要：
原理： C++代码（灰度图像）： //CDD Inpaint #include <iostream> #include <stdlib.h> #include <math.h> #include <opencv2/highgui/highgui.hpp> #include <opencv2/core 阅读全文
摘要：
原理： C++代码（灰度图像）： //#define OPENCV_TRAITS_ENABLE_DEPRECATED #include <iostream> #include <stdlib.h> #include <math.h> #include <opencv2/highgui/highgui 阅读全文
摘要：
原理： C++代码（灰度图像）： #include <iostream> #include <stdlib.h> #include <math.h> #include <opencv2/highgui/highgui.hpp> #include <opencv2/core/core.hpp> #in 阅读全文
摘要：
读取图片 灰度化 保存图片 import cv2 as cv img=cv.imread('lena.png')#不能有中文 gray_img=cv.cvtColor(img,code=cv.COLOR_BGR2GRAY)#转为灰度图 cv.imshow('input image',img)#inp 阅读全文
摘要：
信号：频率为3Hz，采样间隔为0.02s的振动，振动振幅为0.5，初相为1，采样长度为5s dt=0.02; %采样间隔 f=3; %采样频率 t=0:dt:5; %采样长度 振动持续时间 x=0.5*sin(2*pi*f*t+1); %信号 plot(t,x) xlabel('时间/s') yla 阅读全文
摘要：
anaconda镜像网站 https://mirrors.bfsu.edu.cn/anaconda/archive/ 使用Pytorch tensors来创建前向神经网络，计算损失，以及反向传播 一个Pytorch Tensor很像一个numpy的ndarray。但它和numpy ndarray最大 阅读全文
摘要：
#include <opencv2/opencv.hpp> #include <iostream> #include <stdlib.h> #include <math.h> #include <opencv2/highgui/highgui.hpp> #include <opencv2/core/ 阅读全文
摘要：
#include <opencv2/opencv.hpp> #include<iostream> using namespace std; using namespace cv; void main() { //读取图片 Mat image = imread("1.png"); imshow("ro 阅读全文
摘要：
#include <opencv2/opencv.hpp> #include <iostream> #include <stdlib.h> #include <math.h> #include <opencv2/highgui/highgui.hpp> #include <opencv2/core/ 阅读全文
摘要：
from tkinter import * from tkinter import messagebox root=Tk() btn01=Button(root)#把按钮放在窗口里面 btn01['text']='点我就送花' btn01.pack()#压缩一下 def songhua(e): #e 阅读全文