2016.11.15

最新推荐文章于 2021-12-30 23:31:17 发布
原创 最新推荐文章于 2021-12-30 23:31:17 发布 · 333 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

紫扇芭蕉红柳白骰
青瓦石桥点雨桥舟
玲珑华雀
子代猪头

VS2017+Qt5.9.6+MITK-2016.11编译与安装-亲测有效2018-11-10
L.T.T.L的博客
11-10 5339
德国版MITK-2016.11编译与安装-亲测有效2018-11-10前言环境及软件一些说明正式开始VS2017安装Qt安装VS2017-Qt插件安装cmake安装MITK安装编译下载源码cmake配置MITK的VS项目在VS里编译==节约下载依赖包的时间====编译可能会出的错====错误 C2220 警告被视为错误 - 没有生成“object”文件====CTK 里错误 MSB6006 “cm...
802.11--802.11ac协议
Following-It的博客
08-21 5227
简要介绍802.11ac协议，包括其PHY、MAC层的一些特性
NOIP模拟题——小L的牛栏
weixin_30722589的博客
11-15 117
【题目描述】 小L通过泥萌的帮助，成功解决了二叉树的修改问题，并因此写了一篇论文， 成功报送了叉院（羡慕不？）。勤奋又勤思的他在研究生时期成功转系，考入了北京大学光华管理学院！毕业后，凭着自己积累下的浓厚经济学与计算机学的基础，成功建设了一个现代化奶牛场！ 奶牛们十分聪明,于是在牛场建围栏时打算和小L斗智斗勇！小L有N种可以建造围栏的木料，长度分别是l1,l2„lN，每种长度的木料无...
「THUPC 2017」小 L 的计算题 / Sum
forever_dreams的博客
08-08 506
算法标签：生成函数+分治NTT+多项式ln
顺无盘linux win10包,(2018.05.21)云更新2016正式版x86_2016.10.15.4976无盘xp-win7x32-x64-win10x64公包...
weixin_30284477的博客
05-13 1572
官方2016.12.6更新版本修正各BUG(服务端支持x86 32位系统)Win10，ltsb企业版2017.3.3更改三层地址,改善不配问题.重新修改补丁,使其更稳定解决个别提示客户端配套问题,之前下载的建议重换上此次补丁.更新日志:(V2016.10.15.4976)1、【重要】新增UEFI快速启动功能(需要使用UEFI镜像)；2、【重要】全面兼容IMAC-5K(Win10操作系统)；3、【重...
802.11协议解析
ZhengNice的博客
07-16 2万+
1.1  802.11n标准发展历程 IEEE 802.11工作组意识到支持高吞吐将是WLAN技术发展历程的关键点，基于IEEE HTSG (High Throughput Study Group)前期的技术工作，于2003年成立了Task Group n (TGn)。n表示Next Generation，核心内容就是通过物理层和MAC层的优化来充分提高WLAN技术的吞吐。由于802.11n
802.11 协议介绍
热门推荐
12-30 3万+
802.11协议介绍，802.11协议详解
IEEE 802.11 from wiki
zirconsdu的专栏
02-04 4591
From Wikipedia, the free encyclopedia Jump to: navigation, search IEEE 802.11 is a set of standards for implementing wireless local area network (WLAN) computer communication in the 2.4,
U-BOOT-2016.07移植 (第一篇) 初步分析
FUNKUNUX
09-07 1万+
U-BOOT-201607移植　之　初步分析 1. 更新交叉编译工具(arm-linux-gcc 4.4.3) 2. 下载u-boot-2016.07并解压 3. 分析顶层Makefile, 找出目标依赖关系 4. 配置并试编译u-boot 5. u-boot启动流程分析(start.S, crt0.S)
2016.12.2
Night__Day的博客
12-05 1986
张凌枫〈2016.12.2〉〔连续第15天总结〕A.今日任务 1.this指针 2.写各种论文总结B.具体任务 1.依然是this指针昨天看的时候觉得这个东西好麻烦好像还不如重新命名来的简单。又看了一遍发现它可以连续调用一个对象里的东西，这个貌似对长篇幅的代码有很大的帮助（虽然现在还没用到） 2.写不完的论文总结统计一下英语还有4篇 数学两篇 还有一篇我的大学。。 3.职业生涯规
Windows微软运行库合集 v2016.11.17 x64
12-08
《Windows微软运行库合集 v2016.11.17 x64》是针对64位Windows操作系统的一款重要软件包，它包含了微软开发的一系列运行时库组件，这些组件对于运行许多基于Windows的应用程序是必不可少的。运行库是计算机系统中的...
东大IPGW_4.1_东北大学校园网关登录_2016.11.15更新_只支持Android5.0以上设备
11-17
东北大学校园网网关快速登录，更高效，更实用！ 主要功能： 该应用用于快速登录东北大学校园网网关，避免了通过浏览器登录的繁琐...2016-11-15 Java开发经验交流QQ群：151432177 Android开发经验交流QQ群：372359403
一键GHOST v2016.02.16 硬盘版.zip
07-14
一键GHOST v2016.02.16 更新日志 增加3个GRUB4DOS启动自定义ISO菜单选项 更新DiskGenius到4.7.2版 增加"修复"工具中对C盘的磁盘错误修复功能 增加一项帮助文档常见问题FAQ 修正GHOST32快捷方式指向错误的BUG ...
【嵌入式AIoT】系统架构与轻量化模型部署：面向智能家居与工业监测的边缘智能终端实战设计
12-21
内容概要：本文系统介绍了嵌入式AIoT应用场景的实战方法与实践路径，涵盖从场景选择、系统架构设计到AI模型部署、通信与数据管理的全流程。重点阐述了嵌入式系统与人工智能、物联网技术的融合，强调在资源受限环境下实现感知、分析与决策一体化的智能终端系统。文章详细解析了感知层、边缘计算层和云端服务层的协同机制，突出边缘侧数据处理与轻量化AI模型优化的重要性，并倡导以实际需求为导向，避免“为AI而AI”的设计误区。同时，强调系统稳定性、远程维护和长期运行能力的建设。; 适合人群：具备嵌入式系统基础、物联网或AI相关背景，有一定开发经验的工程师或工作1-3年的技术研发人员；适用于希望深入理解AIoT系统集成与实战落地的学习者。; 使用场景及目标：①智能家居、工业监测、智慧农业等分布式智能系统开发；②在算力、功耗受限的嵌入式设备上实现AI推理与边缘智能；③构建高效、可靠、可维护的端云协同AIoT系统。; 阅读建议：建议结合实际硬件平台进行项目化学习，边学边练，重点关注系统架构设计、模型优化与通信协议选型，注重整体系统思维的培养，而非仅关注单一技术点。
基于Python 的UART 文件传输工具
最新发布
12-21
基于Python 的UART 文件传输工具，基于Pyside6的GUI界面
C# 基于 Onnx 与 P2PNet 的人群检测与计数系统源码实现
12-21
基于C#编程语言与Onnx运行时环境，本文档详细阐述了一种利用P2PNet架构实现人群密度估计与个体计数的技术方案。该方案通过解析预训练模型，实现了对图像或视频流中人群分布的精准检测，并提供了可靠的计数功能。核心内容包括模型加载与推理流程的完整实现、数据处理管道的构建以及性能优化策略的探讨。本文旨在为相关领域的开发人员提供一个清晰、可复现的参考实现，着重于工程实践的严谨性与代码模块的可用性。所有实现代码均经过结构化组织与详细注释，以确保其易于理解与集成。 资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！
Theoretical Machine Learning Notes (Princeton COS511)
12-21
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结（summarization） 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签，可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
食堂线上预约点餐系统_一个基于现代Web技术构建的面向学校企业及园区食堂的综合性数字化餐饮服务平台_该系统旨在通过线上化流程彻底革新传统食堂就餐模式_核心功能模块包括用户端小程序.zip
12-21
食堂线上预约点餐系统_一个基于现代Web技术构建的面向学校企业及园区食堂的综合性数字化餐饮服务平台_该系统旨在通过线上化流程彻底革新传统食堂就餐模式_核心功能模块包括用户端小程序.zip
Unity STL文件读取插件：pb_Stl-master
12-21
Unity STL文件导入工具 该工具为Unity引擎提供标准STL格式三维模型文件的导入功能，支持二进制与ASCII两种编码格式的解析。通过集成此插件，开发者可直接在Unity编辑器中加载由各类CAD软件或三维扫描设备生成的STL模型文件，无需借助第三方转换软件进行格式预处理。 核心特性包括： 1. 完整几何数据解析：精确读取顶点坐标、法线向量及三角面片拓扑关系 2. 自适应材质分配：根据模型几何特征自动生成并配置基础材质球 3. 内存优化机制：采用流式加载技术处理大型STL文件，避免编辑器卡顿 4. 坐标系统转换：自动校正不同三维软件坐标系差异，确保模型方向一致性 技术实现层面，插件通过托管DLL封装了经过优化的STL解析算法，在保证读取精度的同时维持了较高执行效率。导入后的模型将自动生成标准网格组件，支持Unity光照系统、碰撞体生成及导航网格烘焙等后续处理流程。 该工具适用于机械设计展示、三维打印预览、工业仿真等需要频繁交换CAD数据的开发场景，显著简化了从工程设计到实时渲染的工作流程。 资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！
rml2016.10a生成
04-22
<think>嗯，用户现在在找关于RML2016.10a数据集的生成教程或工具。让我先看看他们提供的引用内容。根据引用[2]和[3]，这个数据集是用GNURadio和Python生成的，可能需要配置特定的环境，比如gr-mapper和gr-mediatools插件，但安装起来可能比较麻烦。用户之前可能遇到了配置环境的问题，尤其是在conda环境下安装这些插件失败的情况。 用户的需求应该是想了解如何从零开始生成这个数据集，或者找到现有的工具来生成类似的数据。他们可能是在做信号处理或机器学习的研究，需要复现数据集或者调整参数。需要先确认现有的生成方法，以及是否有可用的工具或脚本。 根据引用[3]，数据集是通过SDR和GNURadio生成的，所以可能需要指导用户如何配置GNURadio环境，并运行生成脚本。引用[2]提到配置环境困难，特别是那两个插件，所以可能需要提供替代方法，比如使用虚拟机或者Docker镜像，避免在本地安装这些依赖。 另外，引用[4]提到数据集的参数，比如信噪比范围和调制方式，用户可能想调整这些参数生成自己的数据。需要指出修改生成脚本中的相关部分，比如SNR参数或调制类型，并重新运行生成流程。 总结一下，用户需要详细的步骤来生成RML2016.10a数据集，包括环境配置、生成工具的使用，以及可能的替代方案。可能需要分步骤说明，先安装GNURadio和相关插件，然后下载官方脚本，运行生成。同时，考虑到用户可能在环境配置上遇到困难，提供虚拟机或Docker的选项会更友好。此外，提供参考链接和注意事项，比如数据处理和参数调整，能帮助他们更顺利地完成任务。</think>### RML2016.10a数据集生成方法 #### 一、核心生成工具 1. **GNURadio框架**是该数据集的主要生成工具，配合Python脚本实现信号生成与参数控制[^3] 2. **官方生成脚本**包含以下关键模块： ```python # 调制类型定义（示例） mod_types = ['8PSK', 'QPSK', 'BPSK', '16QAM'] # 信道参数设置 snr_range = np.arange(-20, 20, 2) ``` #### 二、环境配置步骤 1. **基础环境**（需按顺序安装）： - Ubuntu 18.04 LTS（推荐使用虚拟机或容器）[^2] - GNURadio 3.7.x 开发套件 ```bash sudo apt-get install gnuradio gr-osmosdr ``` 2. **扩展模块安装**： - gr-mapper：信号映射模块 - gr-mediatools：信号处理工具 （注：conda环境下安装可能失败，建议原生Linux环境）[^2] #### 三、数据生成流程 $$ y(t) = A \cdot \cos(2\pi f_c t + \phi(t)) + n(t) $$ 其中$n(t)$为加性高斯白噪声，信噪比范围-20dB至18dB[^4] 1. 参数配置文件示例： ```python params = { 'samples_per_symbol': 4, 'excess_bw': 0.35, 'modulation_schemes': 11, 'snr_steps': 19 } ``` 2. 信号生成示意图： ``` [基带信号] -> [脉冲整形] -> [上变频] -> [AWGN信道] -> [采集存储] ``` #### 四、替代方案 1. **预配置虚拟机镜像**： - 含完整GNURadio环境的OVA文件（约15GB） - 下载地址见开源社区资源[^1] 2. **Docker容器方案**： ```dockerfile FROM gnuradio/gnuradio:3.7 RUN git clone https://github.com/radioML/examples.git ``` #### 五、参数修改指南 1. 调整`generate_dataset.py`中的： - `snr_range`：信噪比范围 - `num_samples`：每种调制类型的样本数 - `sps`（samples per symbol）：符号采样率
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值