有的话没说出来之前，你是他的主人，一旦说出来你就成了他的奴隶||想要干好事，别太把自己当人，别把别人太不当人||认识这个人就是开了一扇窗户，就能看到不一样的东西，听到不一样的声音，能让你思考、觉悟，这已经够了

原创 如何安装scipy、numpy、matplotlib、scikit-learn（亲测）

关于python的包的安装

原创 torch:常用归约函数

返回满足条件的所有元素的索引（等价于。：将所有元素展平后计算，返回一个标量（除。：沿哪个维度进行搜索（默认为最后一维）：前 k 个值（形状与原张量相同，但。：这些值在原张量对应维度上的索引。中选择元素（类似三元运算符）。，同时返回值和索引时需要使用。（默认）返回最大的 k 个；（默认）返回的结果按值降序（：返回的前 k 个元素数量。：沿着该维度进行归约，

原创 torch：tensor的运算

torch.pow()等价与**注意：对负数开平方会得到。（实数域），如需复数请用。

原创 torch:tensor的拼接与拆分

按照长度拆分：传入参数有两种形式，一是传入一个list 表示内部各部分大小。二是传入一个数字 该数表示每一部分的大小。stack会创建一个新的维度，要求拼接的两个张量所有的大小完全一致，在新的维度进行分别表示。cat进行拼接的时候要求其他维度的长度保持一致。chunk：传入参数为需要拆分成几块。

原创 torch:tensor的切片

torch.take(x,torch.tensor([])) 张量展开取值​​torch.masked_select(x, mask) # torch.Size([4]) 生成一个Dim=1的tensor​# take 不包含维度，将张量展开取值# tensor([[4, 3, 5], [6, 7, 8]]) ——》 tensor([4, 3, 5, 6, 7, 8]) 取索引为0 2 7的值组成新的tensor。

原创 torch:tensor的创建

直接生成一个随机的数据。

原创 torch:广播（Broadcast）

是 PyTorch、NumPy 等库中的一种自动规则，它允许不同形状的张量进行逐元素运算（如加法、乘法），而无需手动复制数据。

原创 torch：transpose和permute的用法

会让张量变得不连续，若后续需要。

原创 torch:expand和repeate的区别

将张量在每个维度上重复指定次数（次数是整数）。（与原张量共享数据），高效。只想逻辑上“变大”用。

原创 torch：squeeze和unsqueeze用法

【代码】torch：squeeze和unsqueeze用法。

原创 torch：view和reshape的区别

【代码】torch：view和reshape的区别。

原创 PyTorch 中定义了一个 LeakyReLU 激活函数层

LeakyReLU 是经典 ReLU 激活函数的改进版。ReLU：对于输入x，输出max(0, x)，负数直接置为 0。LeakyReLU：对于输入x，当x >= 0时输出x；当x < 0时输出（一个很小的斜率），而不是直接变成 0。

原创 torch关于detach的用法介绍

这在需要固定网络某部分参数、或者提取特征用于其他计算而不影响原图时非常有用。之后用这个分离的张量进行运算，梯度无法反向传播到。主要功能就是阻断链式求梯度的过程。返回一个与原张量共享数据但。

原创 希尔伯特变换的计算流程

原创 卡尔曼滤波的数学计算流程

卡尔曼滤波需要定义系统模型（状态转移方程和观测方程）以及噪声参数。：待测物理量的真实值（假设为常数或缓慢变化，采用随机游走模型）。（5.2, 5.8, 6.8, 9.0）用于估计和。（6.1, 6.2, 5.2, 6.8）作为序列，依次进行滤波更新。目标：基于前4个时刻的观测，预测第5个时刻的状态。K。

原创 华为可穿戴设备通过NMPA医疗认证

它成立于2018年，前身是CFDA（国家食品药品监督管理总局），主要职责是负责药品、化妆品、医疗器械的注册与监督管理。其官方网站为。对于可穿戴健康设备而言，NMPA的角色尤为关键。它就像一位“守门人”，决定着一款设备能否以“医疗器械”的身份在中国大陆合法上市，是区分“普通消费电子产品”与“专业医疗设备”的分水岭。第一类风险低，常规管理，实行产品备案即可。第二类风险中等，需要严格控制管理，实行产品注册管理。许多具有监测功能的智能穿戴设备属于此类。第三类风险高，需要采取特别措施严格控制管理，

原创 辛普森积分

辛普森法通过二次插值提高了精度，对光滑函数效果良好。实际应用中，常采用自适应或复合辛普森法，将区间细分以控制误差。

原创 脑机接口的一些常识

它融合了和，旨在实现一个协同进化的“脑在环路”系统。其中，“读脑”（解码）与“写脑”（编码）正在走向融合，AI是推动这一进程的强大引擎。

原创 NLP的一些概念

维度语料库（那5个句子）词频表（统计结果）好词表（水果主题）内容完整、原始的句子所有词 + 次数仅苹果、香蕉、水果大小5句，约30个词10多个词条3个词条作用研究语言真实用法了解哪些词更常见教/学特定词汇是否人工筛选只需收集文本自动统计人为挑选。

原创 #!/usr/bin/python的命名

#!/usr/bin/python# -*- coding: UTF-8 -*-很熟悉的代码

原创 卷积与反卷积输出计算

计算机视觉的基础概念，但是对日常工作很重要！

原创 模拟PPG生物信号，利用短时傅里叶变换滤波，提取心率

项目偶数 NN奇数 NN独立频率点数（单边谱）N/2+1(N+1)/2奈奎斯特频率点存在，对应 k=N/2，为实数不存在频率成对情况除 k=0和 k=N/2外，其余成对除 k=0外，其余全部成对频谱绘制通常画到 fs/2 为止，包含奈奎斯特点画到略低于 fs/2的最大频率点物理意义可准确表示采样频率一半的成分无法准确表示正好 fs/2的频率序列类型时域对称性频域对称性频域数值特点实偶序列X[k]为偶对称实部偶，虚部为零实奇序列X[k] 为奇对称实部为零，虚部奇一般实序列。

原创 ACSM代谢公式是手环估算VO2 Max的核心物理模型

ACSM代谢公式是手环估算VO2 Max的核心物理模型，它将可测量的运动速度转换为生理上的摄氧量，从而建立起“心率-摄氧量”的线性关系。尽管公式本身是简化的平均值，但通过结合个人心率数据和外推法，手环得以在用户日常运动中给出一个相对科学的VO2 Max估算值。而各大厂商的算法优化，正是为了在这个基础模型上，通过端云协同和大数据训练，使估算结果更贴近每个人的真实水平。

原创 信号概念以及维纳辛钦定理的演算过程

Rxx(τ)=E[x(t)⋅x∗(t+τ)]Rxx​(τ)=E[x(t)⋅x∗(t+τ)] （自相关函数，描述信号自身在不同时间点的相似度）对 Sxx(f)Sxx​(f) 在所有频率上积分，就得到信号的总平均功率。假设信号是2,5,6,7,2,1,6,7,8如何利用维纳辛钦定律计算它的功率谱密度，要求过程详细？Sxx(f)=F{Rxx(τ)}Sxx​(f)=F{Rxx​(τ)} （功率谱密度，PSD）这样，我们就用维纳-辛钦定理（先估计自相关，再 DFT）得到了该信号的功率谱密度估计。

原创 python的多态

多态（Polymorphism）是指同一操作（如方法调用）作用于不同对象时，可以有不同的实现，产生不同的结果。例如，len()函数可以用于字符串、列表、元组等不同类型，但都能正确返回长度。鸭子类型的名称来源于一句谚语：“如果它走起路来像鸭子、叫起来也像鸭子，那么它就是鸭子。在编程中，这意味着：我们不关心一个对象是什么类型（类），只关心它有没有我们需要的方法或属性。只要对象实现了某个方法，就可以被调用，而不需要显式继承自某个基类。animal.quack() # 调用对象的 quack 方法。

原创 语言模型的具体原理

nP(S)数学公式如下：这个公式的含义是：要计算整个句子的概率，就需要知道第一个词出现的概率，然后乘以在第一个词已知的情况下第二个词的概率，再乘以前两个词已知的情况下第三个词的概率，以此类推，直到最后一个词。具体计算步骤假设我们要计算句子的概率。：模型会有一个特殊的起始标记[BOS](Beginning Of Sentence) 作为初始上下文。模型看到初始上下文[BOS]，会生成一个概率分布，预测下一个词是什么。我们从输出中找到“我”对应的概率。（假设值）现在已知[BOS]，我。

原创 陀螺仪和加速度计（模拟状态，计算运动状态）

陀螺仪：表示方法g[x,y,z]，绕X轴旋转 → 大拇指指向X+ → 四指方向 = 正旋转（从Y转向Z）绕Y轴旋转 → 大拇指指向Y+ → 四指方向 = 正旋转（从Z转向X）绕Z轴旋转 → 大拇指指向Z+ → 四指方向 = 正旋转（从X转向Y）gyro[i] = [0, 0, -np.pi/2] # 弧度/秒，负值表示顺时针gyro[0]gyro[1]gyro[2]-np.pi/2-np.pi/2Z轴向下看，= 逆时针旋转或者：正值为顺时针，负值为逆时针记录三轴值，记为理想情况。

原创 简单记录：matplotlib的使用

注：axhspan() 函数必须用 ymin 和 ymax 两个参数指定宽度，axvspan() 函数必须用 xmin 和 xmax 两个参数指定宽度。plt.axhspan() 函数允许我们添加一个跨坐标轴的水平带（矩形）plt.axvspan() 函数允许我们添加一个跨坐标轴的垂直带（矩形）plt.subplot(1,2,1)表示一行俩列，第一个子图。plt.subplot(1,2,2)表示一行俩列，第二个子图。positive['X1']：x轴的值。positive['X2']：y轴的值。

原创 牛顿插值（测试）

牛顿插值

原创 几个小学生的java作业，还是很有趣味性

3、输入打印等边三角形。

原创 各种信号的模拟（ECG信号、质谱图、EEG信号），方便U-net训练

峰值检测模拟数据是，用于模拟真实世界中含有峰值的信号（如心电图ECG、脑电图EEG、质谱图等）。：周期性或趋势性成分：随机扰动，模拟测量误差：需要检测的局部极大值点。

原创 关于np.random.choice(50, num_peaks, replace=False)的使用场景总结

测试：np.random.choice(50, num_peaks, replace=False)重要限制和错误场景1：随机分割数据集场景2：峰值检测应用场景3：随机抽样调查模拟6. 概率分布控制7. 替代方案对比8. 高级应用：蒙特卡洛模拟9. 可视化理解 10. 性能优化建议总结：

原创 滤波提取基线的方式

假设我输入的信号是：[10,9,8,9,7,6,5,7,4,3,2,1]如何检测出信号的基线。常见的基线检测方法有：移动平均、中值滤波、小波变换、形态学方法（如顶帽变换）等。由于信号较短，我们尝试使用移动平均或中值滤波。

原创 PPG关于脉学的发展

脉象是中医学通过触觉感知的脉搏动态特征，包含频率、节律、形态等维度，作为中医辨证的依据之一。其形成与心脉为主导、五脏协调相关，通过位（深浅）、数（快慢）、形（粗细）、势（强弱）四要素综合分析，一般分为浮、沉、迟、数四大类。正常脉象表现为一息四至、不浮不沉的特征。历代医家对脉象分类逐步细化，晋代王叔和《脉经》总结为24种脉象，明代李时珍《濒湖脉学》扩展至27脉，后明代医家李中梓于崇祯十五年《诊家正眼》最终形成28脉体系。注释一：1、脉象四大类（迟、数、浮、沉）

原创 卷积1D和2D有啥区别？

将卷积核放在输入矩阵的左上角，覆盖2x2的区域：[[1,2],[4,5]]，对应位置相乘并求和：1*1 + 2*0 + 4*0 + 5*(-1) = 1 - 5 = -4。位置0: 覆盖x[0:3] = [1,3,2] -> 1*1 + 3*0 + 2*(-1) = 1-2 = -1。位置1: 覆盖x[1:4] = [3,2,4] -> 3*1 + 2*0 + 4*(-1) = 3-4 = -1。第四个位置: 4*1 + 5*0 + 1*(-1) = 4-1=3。

原创 ECG的信号参数意义

一个完整的心电图（ECG）波形由P波、QRS波群、T波及PR段、ST段、TP段等组成，反映心脏电活动周期。P波代表心房除极，QRS波群对应心室除极，T波为心室复极，各波段形态和时长的变化可用于诊断心律失常、心肌缺血等疾病。

原创 unet网络的理解

x = torch.cat([x2, x1], dim=1) # 拼接编码器和解码器特征。x1: [batch, 64, 1024] ← 保存用于跳跃连接。x5: [batch, 1024, 64] # 最深层特征。UNet是一个对称的网络结构，左侧为下采样，右侧为上采样。x2: [batch, 128, 512] ← 保存。x3: [batch, 256, 256] ← 保存。x4: [batch, 512, 128] ← 保存。输入: [batch, 1, 1024]

原创 机器学习中遇到的一些知识总结

对一维数组变为2维数组：比如：x = [1,2,3,4,5,6]x1 = np.array(x) #将列表转换为numpy的一维数组x1.reshape(1,-1) #[[1,2,3,4,5,6]] ，-1表示自己推理得到卷积神经网络如何计算输出层：公式：输出 = （输入-卷积核+2*padding）/ stride +1padding:填充stride：步长假设输入图像尺寸为 32 × 32 ，卷积核尺寸为 5 × 5 ，填充为 0（即没有填充），步长为 1。即输出就是28。

原创 信号频谱问题

为什么信号分析要使用负频率：负频率是欧拉公式的数学结果，它让频域分析更完整对称。就像负数在现实中不存在，但数学中不可或缺。双边谱和单边谱是针对实信号的傅里叶变换而言的。由于实信号的傅里叶变换具有共轭对称性，其负频率部分的频谱是正频率部分的共轭。因此，双边谱包括正负频率，而单边谱只包括正频率，并将负频率的功率合并到正频率上。定义：双边谱（Two-sided Spectrum）：显示正负频率的频谱，对于实信号，其幅度谱关于原点对称，功率谱关于原点对称。

原创 PPG运动场景下的常用检测算法

频域方法（频谱减法、维纳滤波）直观但可能由于相位和非线性关系导致性能不佳。时域自适应噪声消除（LMS）是更经典和常用的方法，它能够动态地调整滤波器系数，跟踪运动伪影与PPG信号之间关系的变化。