通常软件绘图，包括 matlab、python 的 matplotlib，默认都是将坐标轴置于画布（figure）的最下侧（x 轴），最左侧（y 轴），也即将坐标原点置于左下角获取坐标轴在matplotlib的图中，默认有四个轴，两个横轴和两个竖轴，可以通过ax = plt.gca()方法获取，gca是‘get current axes’的缩写，获取图像的轴，总共有四个轴top、bottom、..

摘要在今天允许基于位置的服务的通信系统中，位置信息的可用性已经成为一个关键因素。在室外环境下，得益于GPS系统和独立蜂窝系统，移动终端定位能够达到很高的精确度。然而，在室内及具有深度阴影效应的环境下，常使卫星和蜂窝信号中断，定位就很成问题了。本文介绍室内和室外定位的不同技术和方法，重点介绍室内定位的方法和概念。此外，我们将在本文中讨论不同的基于定位技术的应用。最后，从准确性、成本、复杂性、安全性.

基于系统的室内定位尽管基本定位技术的混合使用提高了定位精度，但现在总是需要更好的方法来实现降低能耗和精度的进一步提高。现今，已经提出的不同的定位技术，可以分为图2所示的类别。在所有这些类别中，研究的重点都是基于新的指标和信号的先进技术，如能量驱动、机会信号(SoOP)、超宽带(UWB)以及传统的WLAN、WSN等系统，因此我们将讨论更多的智能定位技术;具体来说，就是基于超宽带的定位、基于无线局域.

无线网络中电磁波的传播方式有反射与透射，衍射，散射。多径传播的影响：当发射端接近于接收端时，以直接视距（LOS）路径的功率为主，其他路径（由不同机制产生）的功率可以忽略；随着接收端远离接入点，其他路径的功率渐渐可与直接视距路径的功率向媲美，我们可以看到信号强度相似的若干多径分量无线通信应用的信道模型无线网络的设计的三个最重要的传播特征，分别是可达到的信号覆盖范围，信道支持的最大数据库，信道...

1:SVD算法1.1 算法原理奇异值分解（SVD）是线性代数中一种重要的矩阵分解。假设M是一个m×n阶矩阵，其中的元素全部属于域K，也就是实数域或复数域。如此则存在一个分解使得M=UΣV∗M=UΣV^*M=UΣV∗其中U是m×m阶酉矩阵；Σ是m×n阶非负实数对角矩阵；而V*，即V的共轭转置，是n×n阶酉矩阵。这样的分解就称作M的奇异值分解。Σ对角线上的元素Σi,i即为M的奇异值。常见的做法是...

看到一篇很好地短文解释何为窗函数，整理如下：我们知道数字信号处理的主要数学工具是傅里叶变换，而傅里叶变换是研究整个时间域和频率域的关系，当运用计算机实现测试信号处理时，不可能对无限长的信号进行测量和运算，而是取其有限的时间片段进行分析。具体做法是从信号中截取一个时间片段，然后用截取的信号时间片段进行周期延拓处理，得到虚拟的无限长信号，再进行傅里叶变换和相关分析。无限长信号被截断后，其频谱发生了畸.

一时心起，想起来分享下当年做的小玩意，今天就来个倒车雷达，要不然在电脑里早晚我得删了他，哼！要是哪天哪个小伙伴也被逼着做这种东西，来这！背景车辆在倒车时，由于驾驶员无法看到车辆后方的状况，存在一定的安全隐患。倒车雷达是一种能够在倒车时检测车辆后方障碍物的电子装置，该装置一般使用超声波探测技术，利用超声探头发出超声波，超声波遇到障碍物后部分反射回超声探头，通过检测超声探头从发出超声波到接...

LightGBM是个快速的、分布式的、高性能的基于决策树算法的梯度提升框架。可用于排序、分类、回归以及很多其他的机器学习任务中lgb.LGBMClassifier（）用于分类模板一：import lightgbm as lgbprint("LGB test")clf = lgb.LGBMClassifier(boosting_type='gbdt', num_l

1：数据集介绍CIFAR-10 是一个用于普世物体识别的数据集，分为airplane、automobile、bird、cat、deer、dog、frog、horse、ship、truck共10 类。共60000张32*32大小的彩色RGB图像，分为10类，50000张用于训练，10000张用于测试。训练集分为5个训练batches，测试集分为1个测试batch。每个batch有10类，每类...

add_axes新增子区域add_axes为新增子区域，该区域可以座落在figure内任意位置，且该区域可任意设置大小可以用来做一些子图，图中图考虑如下代码：import numpy as npimport matplotlib.pyplot as plt#新建figurefig = plt.figure()#定义数据x = [1, 2, 3, 4, 5, 6, 7]y = [...