- 博客(9)
- 收藏
- 关注
RSS订阅原创 Python实现“EMD\EEMD\VMD+Hilbert时频图”与“CWT小波时频图”
Python实现“EMD\EEMD\VMD+Hilbert时频图”与“CWT小波时频图” 信号处理中常需要分析时域统计量、频率成分，但不平稳信号的时域波形往往复杂、无序，且傅里叶变换得到的频率成分是该时间段内的平均频率，无法分析频率随时间变化的情况。随后，短时傅里叶变换（STFT）、小波变换（WT）、希尔伯特变换（HHT）等时频分析方法相继而出。 其中，STFT受时间窗口的影响、WT则需要自己选择小波、HHT在变换时需要预先将信号分解为平稳信号。由于网上只有CWT小波时频图的python代码，笔者自
2021-12-19 17:41:42
10910
50
原创 浅谈快速傅里叶变化的Matlab与Python实现与区别
浅谈快速傅里叶变化的Matlab与Python实现与区别信号处理免不了要求频率、画频谱图，但Matlab的 fft() 函数与Python的 numpy.fft.fft() 与 scipy.fftpack.fft() 函数得到的是fft变化后的双边复数值，离画频谱图还有几句代码的距离。基本原理不介绍了，下面直接懒人投喂，给出Matlab与Python的两个函数，直接调用即可画频谱图。注：两种语言的fft算法是有区别的，最后细聊！Matlab的fftlw函数输入是信号序列、对应的时间序列、以及是否作
2021-10-27 16:00:13
1751
原创 Python实现“层次分析法”及“自调节层次分析法”
Python实现“层次分析法”及“自调节层次分析法”假设我们遇到如下问题：①对于M个方案，每个方案有N个属性，在已知各个方案每个属性值&&任意两个属性的重要程度的前提下，如何选择最优的方案？②对于一个层级结构，在已知各底层指标相互之间的重要程度下，如何确定各底层指标对最高级指标的权值？… …此时，便可用层次分析法将我们的主观想法——“谁比谁重要”转换为客观度量——“权值”层次分析法层次分析法的基本思想是将复杂问题分为若干层次和若干因素，在同一层次的各要素之间简单地进行比较判断和
2021-04-18 22:21:59
2521
15
原创 JAVA实现网络对战带技能五子棋（二）——后台判断算法
JAVA实现网络对战带技能五子棋（二）——后台判断输赢算法上文已经实现了图形界面制作，那么如何判断胜负呢？一个自然的想法是通过矩阵储存棋盘上棋子的信息，无棋子则为0，白棋为1，黑棋为0。用户每次在棋盘上下棋子的同时会更新棋盘矩阵，然后通过矩阵判断输赢，若胜负未分则进入下一回合，反之则结束游戏。创建棋盘矩阵观察之前制作的棋盘，大小为600×510，横线33条、纵线39条（棋子只能画在纵、横线的交点，且棋盘边界不能下棋子），线条之间的距离为15。因此，初步的想法是建一个33×39大小的矩阵，矩阵（0，
2021-02-02 22:05:35
434
3
原创 JAVA实现网络对战带技能五子棋（一）——图形界面设计（下）
JAVA实现网络对战带技能五子棋（一）——图形界面设计（下）Jpanel、标签、按钮设置首先进入上篇中Demo.java的Design界面，可以直接将左边工具栏中的组件拖至界面，并且可以编辑所选定组件的属性（布局、名称、背景色、内容等）在这里为了方便自由摆放组件，我将上图中主面板Layout设置为Absolute Layout,然后将Jpanel、标签、按钮拖入界面，并设置好属性。代码如下：在这里插入代码片...
2021-01-23 21:43:37
1632
10
原创 JAVA实现网络对战带技能五子棋（一）——图形界面设计（上）
JAVA实现网络对战带技能五子棋（一）——图形界面设计（上）序言一直想用java做一个网络对战app，偶然的想法：给五子棋加各种角色（每个角色会有不同的技能）会怎么样？于是开始了下面的故事。JAVA实现的整个流程我将分为五个部分详述：图形界面设计、后台判断算法、事件监听器、多线程操作、Socket类网络通信。Eclipse使用WindowBuilder设计图形界面使用Eclipse是当时听mooc推荐的，可能还有一些新的编译软件，但是用什么软件无所谓，核心是编程的思路。首先，需要下载JDK并配置环
2021-01-21 22:45:11
2594
10
原创 Python实现相空间重构求关联维数——GP算法、自相关法求时间延迟tau、最近邻算法求嵌入维数m
相空间重构求关联维数——GP算法、自相关法求时间延迟tau、最近邻算法求嵌入维数mGP算法：若有一维时间序列为{x1,x2,…,xn},对其进行相空间重构得到高维相空间的一系列向量：xi(τ,m)=(xi,xi1,⋯ ,xi+(m−1)τ){x_i}(\tau ,m) = \left( {{x_i},{x_{i1}}, \cdots ,{x_{i + {{(m - 1)}_\tau }}}} \right)xi(τ,m)=(xi,xi1,⋯,xi+(m−1)τ)式中：τ\tauτ为时间延迟
2020-12-19 21:27:11
12210
69
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人