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