Satisfying-CSDN博客

原创 DBSCAN聚类原理及Python实现

（1）密度直达、密度可达、密度相连都属于同一个簇；（2）密度直达、密度可达不具有对称性，密度相连具有对称性。

2024-03-19 16:03:20 2698 1

原创第5讲 -- 常用的毫米波雷达频段对比

（本文完整的pdf请关注“张张学算法”，并回复“028”获取~）77GHz现已被规划用于汽车雷达。

2024-03-19 15:56:58 4182

原创 KD-Tree的原理及其在KNN中的应用（附Python代码）

回溯到某个节点，比较该节点和目标节点之间的距离时并不是计算欧氏距离（其实使用欧氏距离也可以），而是在当前分割维度上的数据之差，这是因为多维数据进行二分查找分割时，使用的是平行于某个坐标轴的超平面，（1）从根节点出发进行查找，根据树深计算当前的分割维度split，若目标结点在分割维度上的数据小于当前节点，则进入左子树遍历，否则进入右子树遍历；（2）重复步骤一，直到找到叶子节点，记录当前目标节点和当前节点的距离为最小距离，当前节点为最近节点，并开始回溯；任意节点的子树的高度差都小于等于1。

2024-03-18 17:55:31 2591

原创第4讲 -- 线性调频连续波LFMCW测量原理：测距、测速、测角

连续发送L个chrip信号，其相位信息是随着chrip个数在不断变化的，因此对回波信号按照距离维-多普勒维排列存储之后，同一列的不同行对应的是相同频率、不同相位的回波信号（同频不同相）。如下中图，将接收到的回波信号和发射信号经过混频器，再经过一个低通滤波器就可以得到一个单一频率的正弦波信号，叫做差频信号，如下左图中IF signal。测速需要多个chrip；具有相同频率、不同初始相位的正弦信号经过FFT变换，会在相同频率处产生峰值，但峰值信号的相位不同，峰值的相位等于正弦波的初始相位。

2024-03-17 13:59:18 5134 5

原创地面点检测算法（附C++代码）

先根据先验信息滤除掉不可能是地面点的部分点云，再从剩下的候选地面点中随机选择3个点，根据三个点坐标计算平面的法线向量，将法线向量及已知点坐标代入点法式方程即可得拟合的平面方程表达式，将剩余候选地面点代入方程计算每个点到平面的距离，统计满足内点数量点的个数。循环迭代，取内点数量最多的一次迭代的平面方程模型为最优模型。另外雷达和地面通常是平行的，所以法向量和(0, 0, 1)的夹角是很小的，这个思路也可以解决。加入雷达最远地面线先验信息约束，地面线最远到不了100m，那么只对。：先过滤掉不可能是地面点的点云；

2024-03-14 10:13:01 438

原创点云法向量和平面方程

文章目录一、平面方程表示法1.1 一般方程1.2 点法式1.3 一般方程的系数构成法向量1.4 结论二、拉格朗日乘数法三、法向量计算3.1 问题背景3.2 推导过程3.2.1 证明法向量是一个特征向量3.2.2 证明法向量是最小特征值对应的特征向量四、已知三点求平面方程表达式五、已知协方差矩阵计算法向量一、平面方程表示法1.1 一般方程Ax+By+Cz+D=0Ax+By+Cz+D=0Ax+By+Cz+D=01.2 点法式已知平面Π\PiΠ上的一个点M0=(x0,y0,z0)M_0=(x_0,y

2024-03-13 11:02:38 1435

原创用Python求最大公约数GCD（欧几里得算法）

(x, y) = sorted([y, x % y], reverse=True) # 始终保证y是那个较小值，即x>yx, y = y, x % y # 最小值永远是取模之后的数，因此直接这句就可以if y == 0:return x。

2024-03-12 14:55:22 4574

原创坐标变换（二维、三维）

标量空间：只有标量；向量空间（Vector space）：除了标量，还有向量；仿射空间（Affine space）：除了标量、向量，还有点。向量空间没有位置的概念，所以不能表述几何物体，因此需要用到仿射空间；（对应齐次坐标系）欧几里得空间（Euclidean space）：除了标量、向量，还有距离。仿射空间定义了点，包含了构建几何模型的必要元素，但是仿射空间没有定义长度的概念，欧几里得空间引入了这个概念。（对应欧几里得坐标系）只有平移和旋转，物体的形状不发生改变的变换。

2024-03-12 14:51:50 2778

原创矩阵分解（特征分解、SVD分解）

若对于N阶矩阵A，存在实数λ\lambdaλ及非零向量xx，满足AxλxAxλx，则称λ\lambdaλ是A的特征值，非零向量xx是A的特征向量。

2024-03-12 14:43:51 5634

原创 PCA算法原理及实现（Python）

欲将一组N维向量降到K维（0

2024-03-07 15:45:07 4804

原创第2讲 -- 雷达基本方程的推导

GAeF（1）为什么要研究雷达方程？或者说，雷达方程为什么重要？（2）雷达方程的适用条件？（3）雷达方程的应用。

2024-03-07 15:28:43 3697

原创用最小二乘法求解超定方程组

方程个数大于未知量个数的方程组，不存在解析解，寻求最小二乘解；方程个数等于未知量个数的方程组，存在唯一解析解；方程个数小于未知量个数的方程组，存在无穷多解，寻求一个基本解。要注意的是，定义中说的 “方程个数” 必须基于方程组中任意两个方程不等价的大前提，即不能存在类似于xy1x+y=1xy1和2x2y22x+2y=22x2y2的两个方程。也就是说，如果将方程组写成向量形式AXbAX=bAXb，要保证该方程组的系数矩阵AAA列满秩。

2024-03-07 15:18:08 3118

原创使用Python寻找列表中最大、小的前K个元素及其索引

因为只需要求前K个大、小元素，Python也有对应的max()/min()函数包，因此只需要循环使用K次max()/min()即可（为了方便，暂且称这种方法为“K次循环法”）。该方法原理简单，且适用性极好，有无重复元素的列表均适用；Python中有heapq.nlargest()和heapq.nsmallest()包方法，heapq包方法是基于堆的概念（放以后细讲）。若列表没有重复元素，该方法使用非常方便，一行代码即可；但若存在重复元素，该方法不能准确输出K个最大值对应的位置索引，因此该方法适用性一般。

2023-03-10 14:08:50 2078

原创 Python中赋值、引用、深浅拷贝的区别和联系

Python中的赋值即引用，进行赋值时不会开辟新的内存空间，也不会产生一个新的变量单独存在，只是在原有数据块上打上了一个新标签。当数据块的任意一个标签发生变化时，本质是这个数据块发生变化，那么指向这个数据块的任意标签都会发生变化。浅拷贝常见的形式：切片a=a[:]、工厂函数a=list(a)、copy函数a=a.copy()或a=copy.copy(a)。浅拷贝只拷贝了最外层的对象，子对象只是被拷贝了元素的引用（即对象内的元素没有被拷贝）；

2023-03-08 22:04:25 1024 1

原创蒙特卡洛原理及实例（附Matlab代码）

蒙特卡洛法不是一种优化算法，是基于大数定理的一种离散化的解题策略，尤其适用于问题的解析解难以计算或者甚至没有解析解时。（本文完整的pdf请关注“张张学算法”，并回复“011”获取~）

2022-11-23 21:41:21 48986 9

原创第3讲 -- 信噪比如何计算？如何产生固定信噪比的带噪信号？

信噪比，又叫SNRSNRSNR或S/NS/NS/N，是指一个电子系统中信号与噪声的比例，信噪比的计量单位通常是dBdBdBSNR=10lgPsPnSNR=10lgPnPsSNR=20lgVsVnSNR=20lgVnVs其中PsP_sPs和PnP_nPn代表信号和噪声的有效功率，VsV_sVs和VnV_nVn。

2022-11-03 20:11:11 5651

原创一文教你区分面向过程和面向对象编程

面向过程是绝大部分程序员的思想，它一种以过程为中心，依次把解决问题的步骤分析出来，并用函数封装好，后续在主函数中按照具体步骤调用相应的函数。面向过程编程的程序主体是函数，一个函数就是一个封装起来的模块，各个子步骤往往是通过各个函数来完成，因此面向过程是以行为（函数）为中心，始终关注的是怎么一步一步解决问题，从而实现函数的顺序执行。传统的面向过程的编程思想总结起来就八个字——自顶向下，逐步细化，它将要实现的功能描述为一个从开始到结束按部就班的连续的步骤（过程），依次逐步实现完成这些步骤。

2022-10-31 19:56:25 2257

原创【20221025】【数学基础】相关性和成比例关系的联系和区别

相关关系是客观现象存在的一种非确定的相互依存关系，即自变量的每一个取值，因变量由于受随机因素影响，与其所对应的数值是非确定性的。相关关系中的自变量和因变量没有严格的区别，可以互换。因果关系一定是相关关系，反之不一定成立。相关的概念常见于概率统计学，相关性的大小可以用相关系数描述，常用的相关系数是皮尔逊Pearson相关系数。随机变量的相关性本质是由协方差决定的。当cov(X,Y)>0cov(X,Y)>0cov(X,Y)>0时，X和Y正相关。

2022-10-25 20:25:17 2775

原创【20220901】【Matlab】Matlab字符串和ASCII的相互转换

生成固定长度的列表，所以可以利用字符串和 ASCII 码的转换关系，先生成一个元素全为 32 的列表，然后再转为字符串即可。

2022-09-01 17:19:14 2940

原创【20220825】【数学基础】用最小二乘法求解超定方程组

方程个数大于未知量个数的方程组，不存在解析解，寻求最小二乘解；方程个数等于未知量个数的方程组，存在唯一解析解；方程个数小于未知量个数的方程组，存在无穷多解，寻求一个基本解。要注意的是，定义中说的 “方程个数” 必须基于方程组中任意两个方程不等价的大前提，即不能存在类似于x+y=1x+y=1x+y=1和2x+2y=22x+2y=22x+2y=2的两个方程。也就是说，如果将方程组写成向量形式AX=bAX=bAX=b，要保证该方程组的系数矩阵。......

2022-08-25 20:31:27 4039

原创第1讲 -- 雷达系统概述

雷达，是Radar(RadioDetectionandRanging)的音译，意思是“无线电探测和测距”，它是通过无线电/电磁波的方式获取目标的存在与否以及空间位置，因此雷达也被称为“无线电定位”。发射机向目标发射电磁波，经目标反射之后，由接收机接收，经过信号处理可获得目标至发射机的距离、（径向）速度、方位、高度等信息。能够全天时、全天候工作，穿透能力强，不受光照、雾云雨天气的干扰，因此雷达是非常重要的传感器。...............

2022-07-21 16:14:51 7722 5

原创【20220629】【信号处理】（平稳随机信号）自相关函数性质的证明过程

目录1. 偶函数2. 处取得最大值3. 周期函数的自相关函数也是周期函数，且周期和原函数相同4. 对于非周期信号，当趋于无穷大时，自相关函数趋于信号平均值的平方做变量代换，令，则有：因此，自相关函数为偶函数。利用任何非负函数的期望恒为非幅值的性质，则有：若为平稳过程，则有：则有：即：因此，自相关函数在处取得最大值，且为平稳随机过程的 “平均交流功率” 。证明：

2022-06-29 18:16:35 9913 2

原创【20220628】【信号处理】自相关函数在信号处理中的应用——提取被噪声干扰的周期信号的周期

自相关函数的定义和特性详见：(6条消息) 【20220627】【信号处理】自相关函数的定义、计算方法及应用_Satisfying的博客-CSDN博客利用自相关函数 “周期信号的自相关函数依旧是同频率的周期信号” 的特性。该性质推导过程如下：假设有一个周期信号为：根据定义，其自相关函数为：由于的周期为，因此有：则有：因此，周期函数的自相关函数也为周期函数，并且周期等于原周期函数周期。运行结果：

2022-06-28 21:10:54 7524 1

原创【20220627】【信号处理】自相关函数的定义、计算方法及应用

相关函数是用于定性描述两个信号之间的相关程度，两个信号之间的线性相似性大小可用相关系数定量计算。计算公式为：相关系数的定义及相关性质详见：【20220623】【信号处理】深入理解Pearson相关系数和Matlab corr()、corrcoef()仿真_Satisfying的博客-CSDN博客相关函数可分为自相关函数、互相关函数和协方差函数，本文重点介绍自相关函数。自相关函数是描述某一个随机信号在不同时刻之间的相关程度，定义式为：对于连续信号

2022-06-27 21:12:31 69732 9

原创【20220623】【信号处理】深入理解Pearson相关系数和Matlab corr()、corrcoef()仿真

相关系数（correlation of coefficient）是统计学中的概念，是由统计学家卡尔·皮尔逊设计的一个统计指标，也称作 Pearson 相关系数。相关系数用于描述两个连续型变量之间的线性相关程度及相关方向，它的取值在 [-1, 1] 之间。总体的 Pearson 相关系数用表示，计算公式为：样本的 Pearson 相关系数用表示，计算公式为： Pearson 相关系数 = 两个变量的协方差除以标准差的乘积。（参考：统计知识扫

2022-06-23 15:42:56 6135 1

原创【20220420】【Matlab】错误使用 save，必须为字符串标量或字符串的解决办法~

1. 报错信息错误使用 save 必须为字符串标量或字符向量。clear; clc;a = 10;path = 'D:\';name = 'matData';path_name = fullfile(path, name);save(path_name, a);2. 报错原因Matlab 的 save 函数是通过字符串去寻找工作区中的变量。所以给 a 加上单引号即可~（参考：matlab 循环存储变量为.mat 以及save函数报错：错误使用 sav...

2022-04-20 15:24:48 19352

原创【20220207】【信号处理】希尔伯特变换定义及解调原理

一、解析信号1. 定义解析信号是没有负频率分量的复值函数，解析信号的实部和虚部是由希尔伯特变换相关联的实值函数。（参考：解析信号）2. 概念一个实值函数的 Hilbert 变换记作为，则的解析信号为： 3. 性质（参考：希尔伯特变换简介）解析信号有如下性质.........

2022-02-08 11:47:04 21837 8

原创【20220207】【信号处理】多种波峰、波谷检测算法原理介绍和优缺点比较

一、比较判别法波峰：f(x) > f(x-1) 且 f(x) > f(x+1)；波谷：f(x) <f(x-1) 且 f(x) < f(x+1)。二、一阶差分结合比较判别法波峰：一阶差分异号且 f(x) > f(x-1)；波谷：一阶差分异号且 f(x) < f(x-1)。三、二阶差分判别法波峰：一阶差分异号且二阶差分小于零；波.........

2022-02-07 18:10:31 9782

原创【20220207】【信号处理】三次样条插值原理详解

方程组的求解本文不做介绍。一、三次样条插值1. 定义三次样条插值（Cublic Spline Interpolation），简称 Spline 插值，是通过一系列样本点的光滑曲线，数学上通过求解三弯矩方程组得出曲线函数组。（参考：三次样条插值）2. 解决什么问题？通过采集数据，通常有两种做法：拟合或差值。拟合不要求曲线通过所有的样本点，讲究神似，即整体趋势一致；插值讲究形似，即要求曲线穿过每个样本点。插值生成的高阶曲...

2022-02-07 17:51:50 19642

原创【20220124】【信号处理】ECG信号预处理及信号筛选方法

（参考：模式识别（ECG信号的处理与识别））一、ECG信号干扰来源人体的心电信号是一种非线性、非平稳、随机性强的微弱生理信号，在信号采集过程中心电信号极易受到仪器、人体活动、操作者以及周围环境等各方面因素的干扰而引入噪声。ECG（心电图）信号的主要噪声包括：基带漂移、肌电干扰、工频噪声、其他噪声干扰等。基线漂移是 ECG 信号的主要噪声之一，主要是由于病人呼吸。电极贴片滑动等所导致，频率一般低于 1Hz，其表现为变换缓慢的类正弦曲线，如下图：...

2022-01-24 15:59:16 14252

原创【20220122】【信号处理】能量谱和功率谱的区别

一、能量信号和功率信号1. 能量信号能量有限的信号为能量信号；2. 功率信号功率有限的信号为功率信号。总之来说，所有周期信号都是功率信号，所有有限数量的脉冲信号都是能量信号。（参考：能量信号和功率信号的分别）二、能量谱和功率谱1. 能量谱能量谱也叫能量谱密度，能量谱密度描述了信号或时间序列的能量如果随频率分布。能量谱是原信号 FFT 变换的平方。2. 功率谱功率谱也叫功率谱密度函数，简称...

2022-01-22 10:16:47 5735

原创【20220118】【机器/深度学习】线性回归中的最小二乘法（LR）

一、什么是最小二乘法？最小二乘法是回归问题中的一种数学优化工具，它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便的求得位置的数据，使得求得的数据与真值之间误差的平方和最小。（参考：最小二乘法）最小二乘，广义来说就是机器学习中的平方损失函数： ...

2022-01-18 15:31:48 5124

原创【20220114】【信号处理】什么是基线漂移/趋势项？如何消除？

一、带你了解基线漂移1. 什么是基线漂移？一个特别低频的曲线叠加到了原始信号上，使得原始信号有缓慢的轻微的上下浮动的趋势。如下图：（参考：信号基线漂移是什么意思？）（参考：心电基线漂移的处理研究论文）2. 基线漂移的危害？如果不消除基线漂移/趋势项，那么会把趋势项当作真是采集的原始信号，会影响信号的准确性和后续的数据处理结果。存在基线漂移时，在进行 FFT 分析、相关性分析和功率谱密度分.........

2022-01-14 20:09:11 36759 13

原创【20220113】【Python】Python中使用matplotlib作图，如何设置不显示坐标值/坐标刻度？

1. 不显示坐标值plt.xticks([])plt.yticks([])2. 不显示坐标刻度plt.axis('off')3. 举个栗子~import matplotlib.pyplot as pltimport math# 生成信号fs = 1000f = 10t = list(range(0, 1000))t = [x/fs for x in t]a = [math.sin(2 * math.pi * f * x) for x in t]# 作图plt

2022-01-13 17:55:29 15554 1

原创【20220112】【信号处理】为什么要进行分窗？从Matlab仿真的角度对比常见几种窗函数的特性

一、为什么要进行分窗？1. 分窗的作用信号进行 FFT 变换容易因为非周期截断造成频谱泄露，加窗可以更好地满足 FFT 处理的周期性要求，减少频谱泄露。频谱泄露详解见：【20211228】【信号处理】从 Matlab 仿真角度理解频谱泄露（参考：数字信号预处理--加窗的重要性）（参考：为什么要对信号加窗）（参考：【信号处理】基础知识——加窗windowing）（参考：窗函数作用和性质）2. 分窗使用范...

2022-01-12 19:48:03 3632

原创【20220108】【雷达】毫米波雷达（二）—— 毫米波雷达和激光雷达的区别及优缺点比较

一、激光雷达二、毫米波雷达毫米波雷达工作在毫米波波段，通常工作频率为 30~300GHz，波长为 1~10mm。三、优缺点比较

2022-01-08 15:43:02 10843

原创【20211229】【信号处理】傅里叶变换 FFT 的点数 N 如何选取？

一、FFT 点数 N 选择不合理有什么影响？1. N 过小栅栏效应，即频域频率分辨率不够，无法区分出某些频率成分。详见：【20211217】【信号处理】从 Matlab 仿真角度理解栅栏效应2. N 过大（1）增加了额外的计算量；（2）频谱不对。二、如何选取 FFT 点数 N？取决于要求的频率分辨率 F。频率分辨率 F 的定义：能够用 FFT 算法分析得到的最靠近的两个信号频率的频率间隔。.........

2021-12-29 17:40:19 24334 3

原创【20211228】【信号处理】一文读懂信号处理中频谱混叠、栅栏效应、频谱泄露的产生原因和解决方法

1. 频谱混叠产生原因：采样频率不满足奈奎斯特采样定理，即采样频率过低，不满足采样频率高于信号最高频率的两倍的条件。解决方法：（1）增加时域采样点数，即提高采样频率；（2）或者在采样之前加一个抗混叠低通滤波器（把信号中超过 fs/2 的频率成分过滤掉）。详见：【20211214】【信号处理】从Matlab仿真的角度理解频谱混叠和奈奎斯特采样定理2. 栅栏效应产生原因：频谱的频率分辨率不...

2021-12-28 19:36:43 12038 2

原创【20211228】【信号处理】从 Matlab 仿真角度理解频谱泄露

一、频谱泄露1. 定义频谱泄露会导致主谱线旁边有很多旁瓣，这会造成谱线间的干扰，严重的可能是旁瓣能量强到分不清哪个是主瓣，这就是所谓的谱间干扰。（参考：FFT造成的频谱混叠，栅栏效应，频谱泄露，谱间干扰）2. 产生原因信号被非周期截断，导致延拓信号和原信号的相位不连续，那么做 FFT 变换，得到的频谱就会发生频谱泄露。所以发生频谱泄露的原因是：信号被非周期截断/加窗。如下图：图 1 的第 1 个子图是信号被周期截断，第 ...

2021-12-28 19:27:27 6397 2

原创【20211217】【信号处理】从 Matlab 仿真角度理解栅栏效应

一、定义栅栏效应是指离散傅里叶变换（DFT）计算的频谱被限制在基频的整数倍处，只能在相应的离散点处看到输出，而丢失了其他频率成分的信息的现象。（就好像透过一道栅栏看风景，只能看到透过栅栏缝隙的景色一样~）（参考：栅栏效应（数字信号处理术语））二、产生原因栅栏效应的本质就是频率分辨率不够，导致部分频率信息丢失，而丢失的这些频率信息很有可能就是重要的或具有重要特征的成分，所以可能会对信号处理的结果产生很大的影响。（参考：...

2021-12-17 19:22:54 6471