诚朴勇毅

原创 AD9854+STM32正弦波信号发生器

https://pan.baidu.com/s/1oBLHT23-HahRMiAKpZWaZQAD9854使用20M晶振，MCU为STM32F103ZET6，该程序可以在百度网盘免费下载。

原创 matlabR2013B许可证到期激活问题

我安装的Matlab R2013b在使用了不到两个月之后，一直提示要激活。本来想重新安装一个，后来找到了解决办法。在Matlab根目录的license文件夹里，下载以下链接的license.lic文件，替换原来的license.lic文件，重启Matlab即可。R2013a亲测有效。链接: https://pan.baidu.com/s/1mixMy84 密码: 3g59

原创 顺序存储结构的队列（C语言）

队列是一种特殊的线性表，它的特殊性体现在，它只能够从一段进，从另一端出，遵循先入先出的原则。这种独特的规则，可以运用在程序设计中的很多地方，非常的巧妙。下面，我用C语言来实现了循环队列。/*******************************************************************///描述：队列的顺序存储结构，该队列为循环队列，队列的创建，插入，

原创 恒虚警检测自适应门限计算方法

最近看到一篇文献，他给出的自适应门限计算方法效果还不错，特此记录。

原创 线性调频脉冲雷达信号的匹配滤波输出公式推导

原创 时域匹配滤波、频域匹配滤波以及自相关

上图可以看到经过脉压之后LFM信号被压缩成了一个尖峰。LFM信号的实部和匹配滤波器的实部是一样的。今天闲来无事，想看一下雷达信号匹配滤波的过程中匹配滤波器的时频特性。上面是频谱图，可以看大3者的带宽是一样的。假设，雷达发射的线性调频脉冲信号为。表示共轭，匹配滤波的频谱为。

原创 匹配滤波器的实现-时域卷积法和频域法

【代码】匹配滤波器的实现-时域卷积法和频域法。

原创 不同窗口宽度对应的短时傅里叶变换的结果

根据测不准原理，可知，时间窗越宽，频率分辨率越高，但是时间分辨率越低；时间窗越窄，频率分辨率越低，时间分辨率越高。下面给出一个例子，展示不同窗口宽度下的时频分布，窗函数统一采用hanning窗。图3 128点的时窗下时频分布。图4 256点的时窗下时频分布。图1 32点的时窗下时频分布。图2 64点的时窗下时频分布。

原创 短时傅里叶变换加窗和不加窗的区别

今天编了好长时间的代码，发现短时傅里叶变换后的时频图有点怪怪的，最后才知道原来是没有加窗的原因，特此记录一下，下面三幅图分别是不加窗，加hanning窗和加高斯窗的时频图。图3 加hanning窗的时频图。图2 加高斯窗的时频图。图1 不加窗的时频图。

原创 S变换matlab实现

【代码】S变换matlab实现。

原创 Matlab一些使用技巧

两个百分号就可以实现代码的分段，不同段之间会以不同的背景色显示，方便调试。

原创 时频分析之S变换

对应信号xt∈L2Rxt∈L2RL2RL^2(R)L2R为能量有限函数空间，xtx(t)xt的S变换的表达式为Sτf∫−∞∞xt∣f∣2πe−t−τ2f22e−j2πftdtSτf∫−∞∞​xt2π​∣f∣​e−2t−τ2f2​e−j2πftdt式中，xtx(t)xt是关于时间的连续函数，τ\tauτ。

原创 高斯函数Gaussian绘制matlab

约翰·卡尔·弗里德里希·高斯，（德语：Johann Carl Friedrich Gauß，英语：Gauss，拉丁语：Carolus Fridericus Gauss）1777年4月30日–1855年2月23日，德国著名数学家、物理学家、天文学家、几何学家、大地测量学家， 毕业于Carolinum学院（现布伦瑞克工业大学），后进入哥廷根大学深造。的时候，高斯函数的积分为1，在这种情况下，它是正态分布随机变量的概率密度函数，期望值。决定了峰值的位置，也就是对称轴的位置，越大的时候，曲线越胖。

原创 matlab的绘图的标题中(title)添加标量以及格式化输出

例如我们要绘制高斯函数，标题中添加均值和方差，那么可以采用sprintf函数进行格式化输出，其中%f表示当前位置为一个浮点数，%.nf表示保留n为小数进行显示。有时候我们需要在matlab绘制的图像的标题中添加一些变量，这样在修改某些参数后，标题会跟着一块儿变。

原创 kittler算法matlab函数-图像二值化分割

其思想：假设灰度图像由目标和背景组成，且目标和背景满足一混合高斯分布，计算目标和背景的均值、方差，根据最小分类误差思想得到的最小误差目标函数，取目标函数最小时的阈值即为最佳阈值。例如，当图像的灰度分布不满足混合高斯分布假设时，或者当目标和背景的灰度差异不明显时，算法的分割效果可能会受到影响。它试图找到一个阈值，使得图像中的目标和背景被正确分类的概率最大化，或者等价地说，使得分类误差最小化。在此基础上，算法的目标是通过计算找到一个最优的阈值，使得图像根据这个阈值被分割成二值图像时，分类误差达到最小。

原创 matlab一下特殊矩阵的操作（对角矩阵、全零行删除）

【代码】matlab一下特殊矩阵的操作（对角矩阵、全零行删除）

原创 LaTeX排版Elsevier公式缩进及参考文献修改等问题

最近打算投Elsevier(爱思唯尔)下的期刊，下载了他们给出的模板，在使用过程中出现了诸多问题，记录如下，以便给遇到同样问题的朋友提供帮助。

原创 visio导出pdf图片变得不清晰的解决办法

从网上查了好久，发现最有效的办法是在visio中选择“文件”->“打印”->“Microsoft Print to PDF”。我一开始选的是Adobe PDF，结果另存为的pdf文件打开之后就是不清晰，后来按照以上办法就清晰多了。

原创 matlab峰值检测

在信号处理中，我们常常需要寻找信号的峰值，对于全局最大值，寻找起来比较容易，而对于局部峰值的寻找就需要考虑更多的条件，例如峰值的绝对幅度以及相邻峰值之间之间的间距；，我如何在信号中找到峰值？如何测量受趋势影响的信号峰值的振幅？信号的峰值似乎以固定间隔出现。例如我们想要寻找如下信号的峰值，设置阈值后，提取到的峰值相对比较准确，但是在第3条竖线和第4条竖线上出现了两个峰值，如下图所示。图中红色圆圈标记的即峰值，可以看到峰值很多，这是因为它把很多局部的小的峰值也检测了出来。各个峰值的绝对值存在一定的差异。

原创 香橙派 AIpro

原创 香橙派 AIpro初体验

原创 Jupyter Lab 软件安装与使用

Jupyter Lab 软件是一个基于web 的交互式开发环境，集成了代码编辑器、终端、文件管理器等功能，使得开发者可以在一个界面中完成各种任务。

原创 香橙派AIpro使用SSH远程登录

香橙派AIpro可以连接HDMI显示器使用，也可以远程登录。这里采用MobaXterm软件远程登录开发板。

原创 香橙派AIpro（OrangePi AIPro）开发板初测评

最近，我拿到手一款Orange Pi AI Pro 开发板，它是香橙派联合华为精心打造的高性能AI 开发板，其搭载了昇腾AI 处理器，可提供8TOPS INT8 的计算能力，内存提供了8GB 和16GB两种版本。可以实现图像、视频等多种数据分析与推理计算，可广泛用于教育、机器人、无人机等场景。

原创 相似系数计算公式

1]李凤娥.自适应抗干扰及盲源分离应用技术研究[D].西安电子科技大学，2021.DOI:10.27389/d.cnki.gxadu.2021.001863.在采用盲分离算法进行信号分离的时候，需要对分离结果进行定量分析和评估，分离效可用相似系数来评估。仅存在幅度上的不同，分离的信号十分纯净；完全不相同，信号没有被分离。的数值越接近1，分离的效果越好。等于1，则表明分离的信号。等于0，则表明分离的信号。

原创 matlab绘图杂谈-stem函数和plot函数

三条曲线应该是用plot函数绘制的，而target哪个绿色的圆圈，我的理解是用stem函数绘制的。它只是1个点，并且没有竖线，stem绘制的默认的是茎叶图，既有线又有标记，像图中这个它就是只有标记。如果自己随便画一个图，那么直接使用语法2，其参数都采用默认参数，如果要自己控制参数，可以采用语法4。值得注意的是，使用plot函数的时候，这些参数的设置方法是和stem函数一样的。它可以分别控制线条、标记的各自的参数，具体可以查阅matlab官方的资料。它设定的线型是点划线，标记是圆圈，颜色是红色。

原创 matlab窗函数-hann窗和hamming窗函数

汉明窗（hamming）和海宁窗（hann）类似，汉明窗的时域波形两端不能到零，而海宁窗时域信号两端是零。简单点说，hann窗比较稳，短期长期发挥稳定，hamming窗比较激进，短期发挥水平高，长期就没劲了。这些窗函数通常在时域上是有限的宽度，并且具有对称性，如矩形窗、汉宁窗、汉明窗和布莱克曼窗等。例如，汉明窗是一种对称窗函数，它可以用来平滑信号，减少频谱能量的泄漏，从而提高傅里叶变换后的频率分辨率和精度。hann窗的matlab函数为hann，使用方法和hamming是相同的，这两种窗有些差异。

原创 matlab抽取与插值

我们假设一个数字信号xnn12Nxnn12...N共有NNN个点，抽取就是每个几个点抽1个点，比如2倍抽取，那么抽取后的信号为yny1x1y2x3y3x5yN2xN−1yny1x1y2x3y3x5...yN/2xN−1，可以看到抽取之后信号的长度变短了。插值和抽取相反，插值之后信号会变得越来越密集，注意绝对时间长度是不变的。例如数字信号xnn12Nxnn12...N。

原创 线性调频信号的解线调(dechirp，去斜)处理matlab仿真

去斜处理的主要原理为用发射副本信号与回波混频得到基带信号，再用傅里叶变换提取基带信号频率，通过时域到频域的转换将时域脉冲信号压缩为频域上的一个峰。匹配滤波和解线调其实都是一个sinc函数乘以一个复指数项的形式，两者的sinc函数一个位于快时间域一个位于距离频率域。去斜处理在一些特殊场合，不仅运算简单，而且可以简化设备，已经广泛应用于SAR和ISAR中作脉冲压缩。

原创 雷达线性调频信号的脉冲压缩及距离分辨率

除此之外，还有一种脉冲压缩的方法叫做去斜处理，是用一个参考信号在时域上和雷达回波进行相乘，相乘之后，线性调频信号就变成了一个点频信号。点频信号的频域图上的峰值的位置对应目标的距离。由于主瓣半宽为1/B，因此两个目标为了能完全错开，那么第二个目标的峰值至少在第一个目标回波的第一零点处，此时两者相差距离为。线性调频信号的带宽为2MHz，采样频率为16MHz，我们可以计算出来，其主瓣宽度为1ms，对应的采样点就是16个。可以看到，sinc函数有一个很高的主瓣，最大值为1，还有很多小的副瓣。

原创 雷达信号处理——恒虚警检测（CFAR）

上图展示的是同时在距离维和多普勒维进行恒虚警检测的原理，如果只是在距离维或多普勒维做CFAR，检测单元的左右两侧均有设定好数量的保护单元和参考单元。不同的CFAR检测器适用于不同的场景，CA-CFAR算法适用于均匀环境中的单目标或彼此相距较远的多目标环境，在邻近多目标环境会发生目标的遮蔽效应，在杂波边缘会发生杂波边缘效应。从图中也可以看到，根据阈值的选择不同，有不同的检测器，其中CA-CFAR是取的参考单元的均值，SO-CFAR取的是参考单元的最小值，而GO-CFAR是取的参考单元的最大值。

原创 WinEdt打开.tex文件显示error reading错误

在WinEdt中，【File】-【Open】（或使用快捷键Ctrl+O），在弹出的打开对话框中，右下角【文件名】右侧有一个打开扩展名方式，默认是default(是因为.tex文件中包含了utf-8字符，而在打开的时候并没有指明utf-8打开方式。再选择相应的.tex文件打开即可。)形式，点击下三角号，选择UTF-8(

原创 短时傅里叶变换编程实现-首尾补零

在信号处理中，我们经常听到海明窗（hamming window）、汉宁窗（hanning window）之类的名字，这是什么意思呢？简单来说，窗就是一个函数，它的形状像窗，所以类似的函数都叫窗。例如我们处理的语音信号一般在10ms到30ms之间，我们可以把它看成是平稳的。为了处理语音信号，我们要对语音信号进行加窗，也就是一次仅处理窗中的数据。因为实际的语音信号是很长的，我们不能也不必对非常长的数据进行一次性处理。明智的解决办法就是每次取一段数据，进行分析，然后再取下一段数据，再进行分析。

原创 希尔伯特变换-matlab仿真

在信号处理中我们常见的有傅里叶变换，用来分析频域信息，还有拉普拉斯变换和z变换，用于系统分析系统响应。短时傅里叶分析和小波分析用于时频分析。希尔伯特变换似乎听到的比较少。我因为最近在做信号幅度提取的时候看到可以用希尔伯特变换来提取包络，所以才了解到了希尔伯特变换，网上的资料很多，对它的介绍也很多，我对它的了解有限，只是知道它可以做IQ调制，也可以提取信号分包络。我觉得作为工科生，就应该本着实用主义的原则，很多公式和定理的证明是数学家的事情，我们只需要懂怎么用，把这些已有的信号处理的工具用好就行了。

原创 短时傅里叶变换函数编写

在信号处理中，我们经常听到海明窗（hamming window）、汉宁窗（hanning window）之类的名字，这是什么意思呢？简单来说，窗就是一个函数，它的形状像窗，所以类似的函数都叫窗。例如我们处理的语音信号一般在10ms到30ms之间，我们可以把它看成是平稳的。为了处理语音信号，我们要对语音信号进行加窗，也就是一次仅处理窗中的数据。因为实际的语音信号是很长的，我们不能也不必对非常长的数据进行一次性处理。明智的解决办法就是每次取一段数据，进行分析，然后再取下一段数据，再进行分析。

原创 单脉冲测角-和差比幅法-方向图传播因子-函数编写

中详细介绍了，我们在实际仿真的时候，往往需要在给定来波方向下方向图转化因子（directional pattern propagation fac-tor ，DPPF）的输出，它的输入是来波方向，输出即波束形成之后的系数——方向图转化因子，它表示阵列下经过各阵元加权求和后对某一个来波方向的信号的影响。由拟合曲线得到的角度为1.92°，与2°相差不大。这里的差波束是由两个波束相减得到的，这两个波束指向的角度位于和波束两侧，一左一右，一般而言，这两个角度得位于主瓣内，关于主瓣的计算方式可以参考博文。

原创 科研者好用的网站

网站https://keyanxiazi.bepass.cn/硕博必备的科研工具进行集成网站https://www.deepl.com/translator非常好用的润色及翻译网站，适合英文水平low但又不得不发英文文章的科研狗。http://int.turnitincn.com/sci论文查重网站，投稿之前必须查重。知云翻译左边选定段落或者全文，就可一键翻译。多种翻译引擎任君挑选。…持续更新中

原创 单脉冲测角-和差比幅法

在一些文献中看到有人说可以通过查表得方法，我个人觉得也是可行的，首先我们仿真出来大量的点，例如上图中，不同的角度对应不同的比值，取得点越多，角度分辨率越高，得到的表格也越大。在了解单脉冲测向之前，首先要知道普通波束形成，普通波束形成就是设计一组权值，使得对各个阵元接收到的信号进行加权求和之后，形成一种空间滤波，选择性的接收期望方向的信号而抑制其他方向的信号。比幅测向顾名思义，就是以差波束和和波束的幅度比作为单脉冲比，实际上利用了左右波束的对称性，而不局限于阵列本身几何结构的特殊性，因此可以用于共形阵。

原创 波束形成中的主瓣宽度

对于均匀线阵，俯仰角θ\thetaθ的定义域通常为θ∈(−90∘,90∘)\theta \in (-90^{\circ},90^{\circ})θ∈(−90∘,90∘)。设阵列参考点为ο\omicronο，即左起第一个阵元。由几何关系我们可以知道，第mmm个阵元相对于参考点的波程差为(m−1)dsinθ(m-1)d\rm{sin}\theta(m−1)dsinθ，因此我们可以得到第mmm个阵元相对于参考点的时延τm\tau_mτm​。τm=(m−1)dsinθc\tau_m=\frac{(m-1)d\r

原创 单脉冲测角-半阵法

通常情况下，单脉冲测角需要在阵列的输出端分别形成和波束和差波束，其中和波束要求在波束指向处形成主瓣增益，而差波束则要求在波束指向处形成零陷。在了解单脉冲测向之前，首先要知道确知波束形成，确知波束形成就是设计一组权值，使得对各个阵元接收到的信号进行加权求和之后，形成一种空间滤波，选择性的接收期望方向的信号而抑制其他方向的信号。值得注意的是，本文是针对一维均匀线阵做的仿真，对于二维均匀线阵，分别有和波束、俯仰差、方位差，原理与此相同。较为接近时，MRC的线性度较好，而在远离波束指向的地方，MRC的线性度较差。