17、matlab实现均值滤波、中值滤波、Butterworth滤波和线性相位FIR滤波
1、创建信号
1）创建正余弦信号、噪声信号和混合信号
原始正余弦信号公式：Signal1= sin(2*pi*20* t) + sin(2*pi*40* t) + sin(2*pi*60* t)
高斯分布的白噪声：NoiseGauss= [randn(1,2000)]
均匀分布的白噪声：[rand(1,2000)]
正余弦信号、噪声信号和混合信号代码：
N = 2000; %采样点数
Fs = 2000; %采样频率
t = 0:1 / Fs:1 - 1 / Fs; %时间序列
Signal1= sin(2*pi*20* t) + sin(2*pi*40* t) + sin(2*pi*60* t);
NoiseGauss= [randn(1,2000)]; %高斯分部白噪声
NoiseWhite= [rand(1,2000)]; %后100点均匀分布白噪声
NoiseSignal1= Signal1+NoiseGauss; %设计混合信号1
NoiseSignal2= Signal1+NoiseWhite; %设计混合信号2
subplot(5,1,1);
plot(Signal1);
title('正余弦信号');
subplot(5,1,2);
plot(NoiseGauss);
title('高斯噪声');
subplot(5,1,3);
plot(NoiseWhite);
title('白噪声');
subplot(5,1,4);
plot(NoiseSignal1);
title('混合高斯噪声信号');
subplot(5,1,5);
plot(NoiseSignal2);
title('混合白噪声信号');试图效果：
2）创建方波信号、噪声及混合信号
原始方波信号公式：
Signal2=[2*ones(1,50),zeros(1,50),-1*ones(1,100),zeros(1,50),-2*ones(1,50),zeros(1,50),1*ones(1,100),zeros(1,50),2*ones(1,50),zeros(1,50),-1*ones(1,100),zeros(1,50),-2*ones(1,50),zeros(1,50),1*ones(1,100),zeros(1,50),2*ones(1,50),zeros(1,50),-1*ones(1,100),zeros(1,50),-2*ones(1,50),zeros(1,50),1*ones(1,100),zeros(1,50),2*ones(1,50),zeros(1,50),-1*ones(1,100),zeros(1,50),-2*ones(1,50),zeros(1,50),1*ones(1,100),zeros(1,50),]
高斯分布的白噪声：NoiseGauss= [randn(1,2000)]
均匀分布的白噪声：[rand(1,2000)]
方波信号、噪声及混合信号代码
N = 2000; %采样点数
Fs = 2000; %采样频率
t = 0:1 / Fs:1 - 1 / Fs; %时间序列
NoiseGauss= [randn(1,2000)]; %高斯分部白噪声
NoiseWhite= [rand(1,2000)]; %后100点均匀分布白噪声
Signal2=[2*ones(1,50),zeros(1,50),-1*ones(1,100),zeros(1,50),-2*ones(1,50),zeros(1,50),1*ones(1,100),zeros(1,50),2*ones(1,50),zeros(1,50),-1*ones(1,100),zeros(1,50),-2*ones(1,50),zeros(1,50),1*ones(1,100),zeros(1,50),2*ones(1,50),zeros(1,50),-1*ones(1,100),zeros(1,50),-2*ones(1,50),zeros(1,50),1*ones(1,100),zeros(1,50),2*ones(1,50),zeros(1,50),-1*ones(1,100),zeros(1,50),-2*ones(1,50),zeros(1,50),1*ones(1,100),zeros(1,50),];
NSignal1= Signal2+NoiseGauss; %设计混合信号1
NSignal2= Signal2+NoiseWhite; %设计混合信号2
subplot(5,1,1);
plot(Signal2);
title('方波信号');
subplot(5,1,2);
plot(NoiseGauss);
title('高斯噪声');
subplot(5,1,3);
plot(NoiseWhite);
title('白噪声');
subplot(5,1,4);
plot(NSignal1);
title('方波混合高斯噪声信号');
subplot(5,1,5);
plot(NSignal2);
title('方波混合白噪声信号');试图效果：
2、均值滤波filter()函数
语法：y = filter(b,a,x) 使用由分子和分母系数 b 和 a 定义的有理传递函数 对输入数据 x 进行滤波。
1）正余弦混合噪声信号均值滤波
代码：
N = 2000; %采样点数
Fs = 2000; %采样频率
t = 0:1 / Fs:1 - 1 / Fs; %时间序列
Signal1= sin(2*pi*20* t) + sin(2*pi*40* t) + sin(2*pi*60* t);
NoiseGauss= [randn(1,2000)]; %高斯分部白噪声
NoiseWhite= [rand(1,2000)]; %后100点均匀分布白噪声
NoiseSignal1= Signal1+NoiseGauss; %设计混合信号1
NoiseSignal2= Signal1+NoiseWhite; %设计混合信号2
b=[1 1 1 1 1 1]/6;
Signal_Filter1 = filter(b,1,NoiseSignal1);
Signal_Filter2 = filter(b,1,NoiseSignal2);
figure(1);
subplot(3,2,1);
plot(Signal1);
title('原始信号1');
subplot(3,2,3);
plot(NoiseSignal1);
title('高斯混合信号1');
subplot(3,2,5);
plot(Signal_Filter1);
title('均值滤波后高斯混合信号1');
subplot(3,2,2);
plot(Signal1);
title('原始信号1');
subplot(3,2,4);
plot(NoiseSignal2);
title('白噪声混合信号1');
subplot(3,2,6);
plot(Signal_Filter2);
title('均值滤波后白噪声混合信号1');视图效果：竖直方向三幅图进行对比
2）方波混合噪声信号均值滤波
代码
N = 2000; %采样点数
Fs = 2000; %采样频率
t = 0:1 / Fs:1 - 1 / Fs; %时间序列
NoiseGauss= [randn(1,2000)]; %高斯分部白噪声
NoiseWhite= [rand(1,2000)]; %后100点均匀分布白噪声
Signal2=[2*ones(1,50),zeros(1,50),-1*ones(1,100),zeros(1,50),-2*ones(1,50),zeros(1,50),1*ones(1,100),zeros(1,50),2*ones(1,50),zeros(1,50),-1*ones(1,100),zeros(1,50),-2*ones(1,50),zeros(1,50),1*ones(1,100),zeros(1,50),2*ones(1,50),zeros(1,50),-1*ones(1,100),zeros(1,50),-2*ones(1,50),zeros(1,50),1*ones(1,100),zeros(1,50),2*ones(1,50),zeros(1,50),-1*ones(1,100),zeros(1,50),-2*ones(1,50),zeros(1,50),1*ones(1,100),zeros(1,50),];
NSignal1= Signal2+NoiseGauss; %设计混合信号1
NSignal2= Signal2+NoiseWhite; %设计混合信号2
b=[1 1 1 1 1 1]/6;
Signal_Filter3 = filter(b,1,NSignal1);
Signal_Filter4 = filter(b,1,NSignal2);
figure(2);
subplot(3,2,1);
plot(Signal2);
title('原始信号2');
subplot(3,2,3);
plot(NSignal1);
title('高斯混合信号2');
subplot(3,2,5);
plot(Signal_Filter3);
title('均值滤波后高斯混合信号2');
subplot(3,2,2);
plot(Signal2);
title('原始信号2');
subplot(3,2,4);
plot(NSignal2);
title('白噪声混合信号2');
subplot(3,2,6);
plot(Signal_Filter4);
title('均值滤波后白噪声混合信号2');视图效果：
3、中值滤波：medfilt1()函数
语法：medfilt1(x,n)对x应用一个n阶一维中值滤波器
1）正余弦混合噪声信号中值滤波
代码
N = 2000; %采样点数
Fs = 2000; %采样频率
t = 0:1 / Fs:1 - 1 / Fs; %时间序列
Signal1= sin(2*pi*20* t) + sin(2*pi*40* t) + sin(2*pi*60* t);
NoiseGauss= [randn(1,2000)]; %高斯分部白噪声
NoiseWhite= [rand(1,2000)]; %后100点均匀分布白噪声
NoiseSignal1= Signal1+NoiseGauss; %设计混合信号1
NoiseSignal2= Signal1+NoiseWhite; %设计混合信号2
Signal_Filter1=medfilt1(NoiseSignal1,11);
Signal_Filter2=medfilt1(NoiseSignal2,11);
figure(1);
subplot(3,2,1);
plot(Signal1);
title('原始信号1');
subplot(3,2,3);
plot(NoiseSignal1);
title('高斯混合信号1');
subplot(3,2,5);
plot(Signal_Filter1);
title('中值滤波后高斯混合信号1');
subplot(3,2,2);
plot(Signal1);
title('原始信号1');
subplot(3,2,4);
plot(NoiseSignal2);
title('白噪声混合信号1');
subplot(3,2,6);
plot(Signal_Filter2);
title('中值滤波后白噪声混合信号1');视图效果
2）方波混合噪声信号中值滤波
代码
N = 2000; %采样点数
Fs = 2000; %采样频率
t = 0:1 / Fs:1 - 1 / Fs; %时间序列
NoiseGauss= [randn(1,2000)]; %高斯分部白噪声
NoiseWhite= [rand(1,2000)]; %后100点均匀分布白噪声
Signal2=[2*ones(1,50),zeros(1,50),-1*ones(1,100),zeros(1,50),-2*ones(1,50),zeros(1,50),1*ones(1,100),zeros(1,50),2*ones(1,50),zeros(1,50),-1*ones(1,100),zeros(1,50),-2*ones(1,50),zeros(1,50),1*ones(1,100),zeros(1,50),2*ones(1,50),zeros(1,50),-1*ones(1,100),zeros(1,50),-2*ones(1,50),zeros(1,50),1*ones(1,100),zeros(1,50),2*ones(1,50),zeros(1,50),-1*ones(1,100),zeros(1,50),-2*ones(1,50),zeros(1,50),1*ones(1,100),zeros(1,50),];
NSignal1= Signal2+NoiseGauss; %设计混合信号1
NSignal2= Signal2+NoiseWhite; %设计混合信号2
Signal_Filter3=medfilt1(NSignal1,11);
Signal_Filter4=medfilt1(NSignal2,11);
figure(2);
subplot(3,2,1);
plot(Signal2);
title('原始信号2');
subplot(3,2,3);
plot(NSignal1);
title('高斯混合信号2');
subplot(3,2,5);
plot(Signal_Filter3);
title('中值滤波后高斯混合信号2');
subplot(3,2,2);
plot(Signal2);
title('原始信号2');
subplot(3,2,4);
plot(NSignal2);
title('白噪声混合信号2');
subplot(3,2,6);
plot(Signal_Filter4);
title('中值滤波后白噪声混合信号2');视图效果
4、 Butterworth低通滤波：巴特沃斯滤波butter()函数
语法：[b,a] = butter(n,Wn) 返回归一化截止频率为 Wn 的 n 阶低通数字巴特沃斯滤波器的传递函数系数。
1）正余弦混合噪声信号Butterworth低通滤波
代码
N = 2000; %采样点数
Fs = 2000; %采样频率
t = 0:1 / Fs:1 - 1 / Fs; %时间序列
Signal1= sin(2*pi*20* t) + sin(2*pi*40* t) + sin(2*pi*60* t);
NoiseGauss= [randn(1,2000)]; %高斯分部白噪声
NoiseWhite= [rand(1,2000)]; %后100点均匀分布白噪声
NoiseSignal1= Signal1+NoiseGauss; %设计混合信号1
NoiseSignal2= Signal1+NoiseWhite; %设计混合信号2
Wc=2*250/Fs;%截止频率 50Hz
[b,a]=butter(4,Wc);%Butterworth滤波
Signal_Filter1=filter(b,a,NoiseSignal1);
Signal_Filter2=filter(b,a,NoiseSignal2);
figure(1);
subplot(3,2,1);
plot(Signal1);
title('原始信号1');
subplot(3,2,3);
plot(NoiseSignal1);
title('高斯混合信号1');
subplot(3,2,5);
plot(Signal_Filter1);
title('巴特沃斯低通滤波后高斯混合信号1');
subplot(3,2,2);
plot(Signal1);
title('原始信号1');
subplot(3,2,4);
plot(NoiseSignal2);
title('白噪声混合信号1');
subplot(3,2,6);
plot(Signal_Filter2);
title('巴特沃斯低通滤波后白噪声混合信号1');视图效果
2）方波混合噪声信号Butterworth低通滤波
代码
N = 2000; %采样点数
Fs = 2000; %采样频率
t = 0:1 / Fs:1 - 1 / Fs; %时间序列
NoiseGauss= [randn(1,2000)]; %高斯分部白噪声
NoiseWhite= [rand(1,2000)]; %后100点均匀分布白噪声
Signal2=[2*ones(1,50),zeros(1,50),-1*ones(1,100),zeros(1,50),-2*ones(1,50),zeros(1,50),1*ones(1,100),zeros(1,50),2*ones(1,50),zeros(1,50),-1*ones(1,100),zeros(1,50),-2*ones(1,50),zeros(1,50),1*ones(1,100),zeros(1,50),2*ones(1,50),zeros(1,50),-1*ones(1,100),zeros(1,50),-2*ones(1,50),zeros(1,50),1*ones(1,100),zeros(1,50),2*ones(1,50),zeros(1,50),-1*ones(1,100),zeros(1,50),-2*ones(1,50),zeros(1,50),1*ones(1,100),zeros(1,50),];
NSignal1= Signal2+NoiseGauss; %设计混合信号1
NSignal2= Signal2+NoiseWhite; %设计混合信号2
Wc=2*250/Fs;%截止频率 50Hz
[b,a]=butter(4,Wc);%Butterworth滤波
Signal_Filter3=filter(b,a,NSignal1);
Signal_Filter4=filter(b,a,NSignal2);
figure(2);
subplot(3,2,1);
plot(Signal2);
title('原始信号2');
subplot(3,2,3);
plot(NSignal1);
title('高斯混合信号2');
subplot(3,2,5);
plot(Signal_Filter3);
title('巴特沃斯低通滤波后高斯混合信号2');
subplot(3,2,2);
plot(Signal2);
title('原始信号2');
subplot(3,2,4);
plot(NSignal2);
title('白噪声混合信号2');
subplot(3,2,6);
plot(Signal_Filter4);
title('巴特沃斯低通滤波后白噪声混合信号2');视图效果
4、线性相位FIR滤波：firls()函数
语法：firls(n,f,a)：返回包含n阶FIR滤波器的n+1个系数的行向量b。所得滤波器的频率和幅度特性与向量f和a给出的特性相匹配。
1）正余弦混合噪声信号线性相位FIR滤波
代码
N = 2000; %采样点数
Fs = 2000; %采样频率
t = 0:1 / Fs:1 - 1 / Fs; %时间序列
Signal1= sin(2*pi*20* t) + sin(2*pi*40* t) + sin(2*pi*60* t);
NoiseGauss= [randn(1,2000)]; %高斯分部白噪声
NoiseWhite= [rand(1,2000)]; %后100点均匀分布白噪声
NoiseSignal1= Signal1+NoiseGauss; %设计混合信号1
NoiseSignal2= Signal1+NoiseWhite; %设计混合信号2
F = 0:0.05:0.95;%频率点对的向量
A = [1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0];%与F的参数对应
b = firls(2,F,A);%20为阶次
Signal_Filter1 = filter(b,1,NoiseSignal1);
Signal_Filter2 = filter(b,1,NoiseSignal2);
figure(1);
subplot(3,2,1);
plot(Signal1);
title('原始信号1');
subplot(3,2,3);
plot(NoiseSignal1);
title('高斯混合信号1');
subplot(3,2,5);
plot(Signal_Filter1);
title('FIR滤波后高斯混合信号1');
subplot(3,2,2);
plot(Signal1);
title('原始信号1');
subplot(3,2,4);
plot(NoiseSignal2);
title('白噪声混合信号1');
subplot(3,2,6);
plot(Signal_Filter2);
title('FIR滤波后白噪声混合信号1');视图效果
2）方波混合噪声信号线性相位FIR滤波
代码
N = 2000; %采样点数
Fs = 2000; %采样频率
t = 0:1 / Fs:1 - 1 / Fs; %时间序列
NoiseGauss= [randn(1,2000)]; %高斯分部白噪声
NoiseWhite= [rand(1,2000)]; %后100点均匀分布白噪声
Signal2=[2*ones(1,50),zeros(1,50),-1*ones(1,100),zeros(1,50),-2*ones(1,50),zeros(1,50),1*ones(1,100),zeros(1,50),2*ones(1,50),zeros(1,50),-1*ones(1,100),zeros(1,50),-2*ones(1,50),zeros(1,50),1*ones(1,100),zeros(1,50),2*ones(1,50),zeros(1,50),-1*ones(1,100),zeros(1,50),-2*ones(1,50),zeros(1,50),1*ones(1,100),zeros(1,50),2*ones(1,50),zeros(1,50),-1*ones(1,100),zeros(1,50),-2*ones(1,50),zeros(1,50),1*ones(1,100),zeros(1,50),];
NSignal1= Signal2+NoiseGauss; %设计混合信号1
NSignal2= Signal2+NoiseWhite; %设计混合信号2
F = 0:0.05:0.95;%频率点对的向量
A = [1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0];%与F的参数对应
b = firls(2,F,A);%20为阶次
Signal_Filter3 = filter(b,1,NSignal1);
Signal_Filter4 = filter(b,1,NSignal2);
figure(2);
subplot(3,2,1);
plot(Signal2);
title('原始信号2');
subplot(3,2,3);
plot(NSignal1);
title('高斯混合信号2');
subplot(3,2,5);
plot(Signal_Filter3);
title('FIR滤波后高斯混合信号2');
subplot(3,2,2);
plot(Signal2);
title('原始信号2');
subplot(3,2,4);
plot(NSignal2);
title('白噪声混合信号2');
subplot(3,2,6);
plot(Signal_Filter4);
title('FIR滤波后白噪声混合信号2');视图效果
相关文章：
17、matlab实现均值滤波、中值滤波、Butterworth滤波和线性相位FIR滤波
1、创建信号 1）创建正余弦信号、噪声信号和混合信号 原始正余弦信号公式：Signal1 sin(2*pi*20* t) sin(2*pi*40* t) sin(2*pi*60* t) 高斯分布的白噪声：NoiseGauss [randn(1,2000)] 均匀分布的白噪声：[rand(1,2000)] 正余弦…...
【Autopilot】没有自动添加本地管理员的问题处理
【问题】某公司选用了D记的笔记本电脑，约定出厂就预配置好Autopilot，当时向D记提供了三个信息： 1. M365的租户ID 2. 公司域名信息 3. Group Tag (某公司为跨国公司，通过Group Tag来区分国家，比如CHN-中国，L…...
【C#学习笔记】属性和字段
文章目录 前言属性和字段的区别字段访问修饰符和关键字定义变量类型的定义变量命名变量的赋值 属性 不同的使用情况 前言 最近在工作的过程中常常会觉得自己在程序设计方面的能力还是有欠缺。例如一直对于变量的声明感到不足，在工作中为了图方便总是直接public定义…...
最佳实践的实践 - API 不应将 HTTP 重定向到 HTTPS
原文：jviide - 2024.05.23 TL;DR: 与其将 API 调用从 HTTP 重定向到 HTTPS，不如让失败显而易见。要么完全禁用 HTTP 接口，要么返回明确的 HTTP 错误响应，并撤销通过未加密连接发送的 API 密钥。遗憾的是，许多知名的 A…...
四种跨域解决方案
文章目录 1.引出跨域1.基本介绍2.具体演示1.启动之前学习过的springboot-furn项目2.浏览器直接访问 [localhost:8081/furns](http://localhost:8081/furns) 可以显示信息3.启动前端项目，取消请求拦截器，这样设置，就会出现跨域4.跨域原因 2.跨…...
移动端投屏到大屏幕的操作详解
如果你懒得折腾电脑、电视或其他大屏设备上的影视软件安装及配置，可以选择直接在手机端上将影片投屏到电脑、电视或其他大屏设备上，这里给大家分享三种手机投屏的方法。 系统自带的投屏功能 不管是安卓、鸿蒙还是苹果操作系统，都自带了无线…...
【环境搭建】3.阿里云ECS服务器 安装Redis
在阿里云的 Alibaba Cloud Linux 3.2104 LTS 64位系统上安装 Redis 可以通过以下步骤完成： 1.更新系统软件包： 首先，更新系统软件包以确保所有软件包都是最新的： sudo yum update -y2.安装编译工具和依赖项： Redis…...
动态语言的开源编译器汇总
对于动态语言而言，我们通常不会使用传统意义上的“编译器”，因为动态语言往往是在运行时解释执行的，或者被转换为中间形式（如字节码），再由虚拟机执行。不过，为了性能考虑，现代动态语…...
Linux防火墙配置001
Linux防火墙主要用于控制网络流量，保护系统安全。在Linux中，有几种不同的防火墙管理工具，其中最常见的是iptables和firewalld。本章主要讲述如何关闭防火墙。 操作系统： CentOS Stream 9 操作步骤： 关闭防火墙&…...
Tomcat概述及部署
目录 一.Tomcat概述 1.介绍 2.使用场景 3.组件构成 4.组件结构 5.请求过程 二.Tomcat部署 1.关闭防火墙 2.下载安装JDK 3.安装启动tomcat 4.部署虚拟主机 4.1.创建 xy101 和 xy102 项目目录和文件 4.2.修改 Tomcat 主配置文件 server.xml 一.Tomcat概述 1.介绍 …...
[Vue3：Vite构建项目]：安装router实现登录页面路由跳转
文章目录 一：前置依赖查看依赖安装vite npm create vitelatest sys-instruction-0607 --template vue-ts安装路由：npm install vue-router4安装elementUI：npm install element-plus --save 二：配置文件：viewsÿ…...
概率论与数理统计，重要知识点——全部公式总结
二、一维随机变量及其分布 五个分布参考另外一篇文章 四、随机变量的数字特征 大数定理以及中心极限定理 六、数理统计...
Spring系列-SpringMvc父子容器启动原理解析
1、Spring整合SpringMVC 特性： 说到Spring整合SpringMVC唯一的体现就是父子容器： 通常我们会设置父容器（Spring）管理Service、Dao层的Bean, 子容器(SpringMVC)管理Controller的Bean .子容器可以访问父容器的Bean, 父容器无法访…...
[ssi-uploader插件]解决如何接收服务器返回数据+修改参数名称
前言 ssi-uploader是一款非常好用的多文件上传插件，源码是开源的，在github上面即可下载： https://github.com/ssbeefeater/ssi-uploader 但是源码有些微小的不足，今天我们解决两点问题： 上传文件完成后，…...
InfiniGate自研网关实现思路七
25.网关Nginx负载模型配置 通过模拟多个HTTP服务配置到 Nginx 做负载均衡，以学习API网关负载的配置和使用 API 网关是用于支撑分布式 RPC 接口协议转换提供 HTTP 调用的一套服务，那么 API 网关系统就需要可横向扩展来满足系统的吞吐量诉求。所以这里需…...
277 基于MATLAB GUI火灾检测系统
基于MATLAB GUI火灾检测系统，可以实现图片和视频的火苗检测。火焰识别的三个特征：1个颜色特征，2个几何特征颜色特征：HSV颜色空间下，对三个通道值进行阈值滤波，几何特征1：长宽比，几何…...
【西瓜书】4.决策树
1 递归返回情况 （1）结点包含样本全为同一类别 （2）属性集为空，没有属性可供划分了 或 有属性，但是在属性上划分的结果都一样 （3）结点为空结点 **结束时判定该结点的类别遵循如下规则&…...
区块链--Ubuntu上搭建以太坊私有链
1、搭建私链所需环境 操作系统：ubuntu16.04，开虚拟机的话要至少4G，否则会影响测试挖矿时的速度 软件： geth客户端 Mist和Ethereum Wallet：Releases ethereum/mist GitHub 2、安装geth客户端 sudo apt-get update …...
菜品信息分页查询——后端SpringBoot
1.分页查询的逻辑： 页面发送ajax请求，将分页查询参数(page，pageSize, name)提交到服务端，获取分页数据； 页面发送请求，请求服务端进行图片下载，用于页面图片展示。 开发菜品信息分页查询功能&a…...
利用GPT和PlantUML快速生成UML图用于设计
在软件开发中，设计阶段可是关键的一步。UML（统一建模语言）图能帮我们更清晰地理解和规划系统结构，但手动画UML图有时会很费时费力。好消息是，通过结合使用ChatGPT和PlantUML，我们可以高效地生成UML图&#…...
web-上传项目文件夹到Git远程仓库
Git初识 概念：一个免费开源，分布式的代码版本控制系统，帮助开发团队维护代码 作用：记录代码内容，切换代码版本，多人开发时高效合并代码内容 检验成功 打开bash终端（git专用）命令…...
使用OpenPCDet训练与测试Transformer模型：如何加载自己的数据集
引言 Transformer架构因其强大的序列处理能力和长距离依赖捕捉能力，在自然语言处理领域取得了巨大成功。近年来，这一架构也被引入3D物体检测领域，如Voxel Transformer等，显著提升了模型在复杂场景下的检测性能。OpenPCDet整合了多…...
四舍五入问题
单纯输出四舍五入可以用 printf("%.nf",num); 但是这个方法有时候会出错 代表输出n位四舍五入小数 而将数四舍五入赋值给变量可以用round（）函数 a round(num); 表示将num四舍五入赋值给a 但是这么些只能转换位四舍五入的整数 可以改…...
零基础入门学用Arduino 第一部分（三）
重要的内容写在前面： 该系列是以up主太极创客的零基础入门学用Arduino教程为基础制作的学习笔记。个人把这个教程学完之后，整体感觉是很好的，如果有条件的可以先学习一些相关课程，学起来会更加轻松，相关课程有数字电路…...
C++标准库random
random 完整文档看这里 三步走: 选择一种随机数种子选择一个随机数引擎选择一个随机数分布输出 随机数种子 //生成随机数种子,在Linux的实现中,是读取/dev/urandom设备 std::random_device rd; unsigned seed1 rd();// 获取当前时间点作为随机数种子 unsigned seed2 std:…...
电子电气架构——车载诊断DTC一文通
我是穿拖鞋的汉子，魔都中坚持长期主义的汽车电子工程师。 老规矩，分享一段喜欢的文字，避免自己成为高知识低文化的工程师： 没有人关注你。也无需有人关注你。你必须承认自己的价值，你不能站在他人的角度来反对自己。人生在世，最怕的就是把别人的眼光当成自己生活的唯一标…...
Golang | Leetcode Golang题解之第129题求根节点到叶节点数字之和
题目： 题解： type pair struct {node *TreeNodenum int }func sumNumbers(root *TreeNode) (sum int) {if root nil {return}queue : []pair{{root, root.Val}}for len(queue) > 0 {p : queue[0]queue queue[1:]left, right, num : p.node.Left, …...
工业信息化SCI期刊，中科院1区TOP，IF=12.3，收稿范围广泛
一、期刊名称 IEEE Transactions on Industrial Informatics 二、期刊简介概况 期刊类型：SCI 学科领域：工程工业 影响因子：12.3 中科院分区：1区TOP 三、期刊征稿范围 IEEE工业信息学汇刊是一本多学科期刊，发表技…...
Spring Boot整合Redis
Spring Boot整合Redis Spring Boot 整合 Redis 是一种常见的做法，用于在 Spring Boot 应用程序中添加缓存、会话管理分布式锁等功能。 浅谈Redis Redis用于存储数据，且在内存当中进行存储。 但是在日常编写代码时，定义一个变量也就是属于在内…...
kafka的leader和follower
leader和follower kafka的leader和follower是相对于分区有意义的，不是相对于broker。 因为每个分区都有leader和follower, leader负责读写数据。 follower负责复制leader的数据保存到自己的日志数据中，并在leader挂掉后重新选举出leader。 kafka会再…...
网站 建立目录出错/网络推广外包哪家好
什么是企业云存储？实际这是一个远程平台，可通过高度虚拟化的多租户基础架构为企业提供可扩展的数据存储资源，可以根据组织的要求对其进行动态配置。企业员工可以将本地的电脑或者手机客户端生成的所有数据存储经过Internet存放在云中…...
网站建设广州公司哪家好/独立站谷歌seo
很久没有在博客写东西了，这段时间也比较累，工作比较忙，还有就是自己这段时间太懒了。越是不写东西，越是不思考，感觉大脑越是空空如也。 大概整理一下自己的2017年，主要是一个字 ： 变。 从一个…...
怎样建设美丽中国?/重庆网站快速排名优化
北京时间6月1日凌晨消息，据路透社报道，针对2013年戴尔创始人迈克尔戴尔（Michael Dell）和银湖资本（Silver Lake Partners）以249亿美元收购戴尔公司这一交易，特拉华州一法官周二裁定，该…...
网站开发视频是存储的/搭建网站基本步骤
对如何写一个工业级的Python项目作一个top-down小结。一、项目结构顶层结构：文件夹：model可以是项目中的自定义类；utils是一些工程工具，比如log，trackerlog存放记录的日志py文件：run：主文件&…...
wordpress 机器学习/阿里域名购买网站
.yaml文件实际是用YAML语言编写的，YAML简述。如下 1、语法特点 大小写敏感通过缩进表示层级关系禁止使用tab缩进，只能使用空格键缩进的空格数据不重要，只要相同层级左对齐即可使用#表示注释 2、yaml支持的数据结构有三种：对象、…...
网站的建设与设计论文/申请友情链接
时间限制：C/C 1秒，其他语言2秒 空间限制：C/C 64M，其他语言128M 热度指数：514583 本题知识点： 分治 题目描述 输入一棵二叉搜索树，将该二叉搜索树转换成一个排序的双向链表。要求不能创建任何新…...