Satisfying-CSDN博客

原创【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

采样频率： fs = 100Hz 信号频率：f1=40Hz，f2=60.05Hz一、奈奎斯特采样定理二、栅栏效应三、频谱泄露四、FFT点数选取

2021-12-16 19:10:57 9059 4

原创【20211214】【信号处理】使用Matlab求解信号的频谱图、幅度谱、相位谱

clear; clc; close all; warning off;fs = 1000;t = 0 : 1/fs : 10;datalength = length(t);s1 = 10 * sin(2 * pi * 50 * t); % 信号1s2 = 3 * sin(2 * pi * 100 * t); % 信号2s3 = 15 * cos(2 * pi * 30 * t); % 信号3s4 = 1 * randn(1, datalength); % 信号4（高斯白噪声）s .

2021-12-14 16:19:30 37158 2

原创【20211214】【Python】查找数组中最值元素、中值元素及其索引

一、最大值1. 最大值元素 np.max(lis)2. 最大值索引 np.argmax(lis) 或 np.where(lis==np.max(lis))二、最小值1. 最小值元素np.min(lis)2. 最小值索引np.argmin(lis) 或 np.where(lis==np.min(lis))三、中值1. 中值元素np.median(lis)2. 中值索引 ...

2021-12-14 14:25:30 4537

原创【20211208】【Matlab】使用Matlab中的pca函数实现数据降维，并将数据可视化

1. pca函数使用方法 [coeff, score] = pca(data);（1）输入参数data：待降维的数据集（2）输出参数 coeff：主成分分量，即样本协方差矩阵的特征向量； score：主成分，即样本在低维空间的投影，也就是降维后的数据。注意：score 的维度和原始样本 data 的维度一致，如果想要降到 k 维，只需选取 score 的前 k 列即可~%%clear; clc; close all...

2021-12-08 21:36:12 15766 15

原创【20211208】【Matlab】使用Matlab中setdiff生成两个数组的差集

1. C = setdiff(A, B)功能：返回 A 中存在但 B 中不存在的数据，不包含重复项。（参考：setdiff）

2021-12-08 21:25:23 619

原创【20211208】【Matlab】使用Matlab中randperm生成1~N中无重复元素的M个数

1. p = randperm(n) 功能：生成一个随机排列 1*n 的行向量，元素都是1~n 之间的整数，且该行向量没有重复元素。2. p = randperm(n, m)功能：生成一个随机排列 1*m 的行向量，元素都是1~n 之间的整数，且该行向量没有重复元素。（参考：randperm）...

2021-12-08 21:20:55 604

原创【20211208】【Python】UCI数据集的简单介绍和使用Python保存UCI数据集为.mat文件

一、UCI 数据集介绍进行机器学习学习过程中，会使用到 UCI 公开数据集，UCI 数据集网址：UCI Machine Learning Repository。点击进入之后，页面显示如下：以 iris 数据集为例，点击进入：该页面展示了该数据集的相关信息，包括：数据及相关介绍、相关任务、样本个数、特征个数、是否有缺失值等。常见数据集及其样本个数、特征个数总结：更为详细的数据集介...

2021-12-08 21:14:26 15271

原创【20211207】【雷达】毫米波雷达（一）—— 基本原理

一、毫米波雷达定义毫米波雷达传感器使用毫米波，即工作频带为 30GHz-30GHz（波长为 1-10mm）的雷达传感器。工作频带：30GHz-300GHz 工作波长：1-10mm二、毫米波雷达原理1. CW多普勒雷达多普勒雷达使用多普勒效应原理，测量得出不同距离目标的速度。实现方式：CW雷达向目标发射微波信号，接收机接收到目标反射的电磁波，分析发射电磁波和反射波的频率变化，根据发射信号频率和反射信号频率......

2021-12-07 19:22:02 3100

原创【20211206】【信号处理】对傅里叶变换的理解和一个小例子

一、傅里叶变换傅里叶变换是一种全局的变换，时域信号经过傅里叶变换后，就变成了频域信号，所以从傅里叶变换频谱上是无法看出时域信息的。傅里叶变换只适合处理平稳信号，对于非平稳信号，由于频率会随时间变化，为了捕获这种时变特性，需要对信号进行时频分析，比如：短时傅里叶变换、小波变换、希尔伯特黄变换等。短时傅里叶变换详见：【20211206】【信号处理】时频分析 —— 短时傅里叶变换（STFT）二、举个栗子使用 Matlab 生成一个单频信号，并进行 F...

2021-12-06 21:56:28 2855

原创【20211206】【信号处理】时频分析 —— 短时傅里叶变换（STFT）

一、时频分析（JTFA）分析时域可以得到信号随时间变化的信息，分析频域可以得到信号随频率变化的信息，这两者都只能分析时域或频域，而不能同时观察时域和频域。时频分析是时频联合域分析的简称，是分析时变非平稳信号的有力工具，是一个同时观察时域、频域信息的工具。时频分析法提供了时间域和频率域的联合分布信息，清楚地描述了信号频率随时间变化的关系。时频分析的基本思想是：设计时间和频率的联合函数，用它同时描述信号在不同时间和频率的能量密度或强度。.........

2021-12-06 21:55:34 17332 2

原创【20211201】【代码优化】使用 cProfile 和 flameprof 绘制火焰图，调优 Python 代码性能

有时候发现自己的代码运行得很慢，但又难以定位是哪里导致的代码性能差。此时，火焰图上场啦~ Python 中的 cProfile 模块可以生成程序运行的火焰图，检测每个模块的运行效率，使用方法如下：（在命令行直接调用）1. 安装 cProfile 库和 flameprof 库pip install cProfilepip install flameprof2. 命令行查看各个模块运行时间python -m cProfile -s tottime myFi...

2021-12-01 17:24:44 3532 1

原创【20211201】【代码优化】换个思路，优化掉 dropna / value_counts，时间节省 80%

一、问题背景定义一个函数，该函数实现长度为 15s，步进为5s的滑窗中值估计，但有两个约束条件：（1）在窗口内，参数二不能发生变化；（2）在窗口内，参数三的绝对值小于 3。二、我的最初思路（1）计算参数二的差分，如果做完差分后的数据里有非零值，那么就不满足条件1；（2）计算参数三中数据绝对值的最大值，判断最大值是否小于3。def BPM_statistics_bySlideWin(data_bpm_1Hz, data_rangebin, data_powRa.........

2021-12-01 15:35:32 332

原创【20211130】【代码优化】代码优化初体验 —— map / lambda / for循环 / 列表推导式的性能对比

一、什么是列表推导式？列表推导式可以利用 range、元组、列表、字典和集合等数据类型，快速生成一个满足指定需求的列表。语法：[表达式 for 迭代变量 in 可迭代对象 [if 条件表达式]] /[表达式 [if 条件表达式1 else 条件表达式2] for 迭代变量 in 可迭代对象] 其中，[if 条件表达式] 和 [if 条件表达式1 else 条件表达式2] 可选择，可以有也可以没有。如果只有 if 表达式，.........

2021-11-30 19:59:26 1586 1

原创【20211130】【Python】int、str 和 bool 类型的相互转换

# int 转 boola, b, c = 0, 1, 2print(bool(a), bool(b), bool(c))# bool 转 inta, b = True, Falseprint(int(a), int(b))# str 转 boola, b, c, d = '0', '1', '2', ''print(bool(a), bool(b), bool(c), bool(d))# bool 转 stra, b = True, Falseprint(str(a), st.

2021-11-30 11:23:41 1630

原创【20211129】【Python】使用Python计算欧氏距离的方法

该问题源于工作中使用 k 折交叉验证选取最优的 KMeans 算法参数，过程中使用欧氏距离来评价参数的优劣。1. 代公式，封装成函数def calEuclidean(x, y): dist = np.sqrt(np.sum(np.square(x-y))) # 注意：np.array 类型的数据可以直接进行向量、矩阵加减运算。np.square 是对每个元素求平均~~~~ return dist2. 调用 numpy 函数库使用 nu...

2021-11-29 11:19:09 17084

原创【20211127】【Python】Python中常用的矩阵操作，单位阵、对角阵、矩阵的特征值和特征向量、矩阵的协方差

一、生成单位阵numpy.identity(N) 和 numpy.eye(N) 都可以用来产生单位阵，且产生的单位阵都是 np.array() 类型，矩阵元素都是 float 型。import numpy as npa = np.eye(4)b = np.identity(4)print(type(a))print(a)print(type(b))print(b)二、生成对角阵（参考：python生成单位阵或者对角阵的三种方法）三、矩...

2021-11-27 14:29:14 6936 1

原创【20211125】【机器/深度学习】异常检测算法——高斯分布模型（从标准高斯分布到多元高斯分布）

该问题源于工作中的某项需求，需要在日常数据中捕获异常状态，高斯分布派上用场喽~一、标准高斯分布（标准正态分布）概率密度函数为： f(x) ~ N(0, 1)，表示该分布均值为 0，方差为 1。注意：概率密度和为1！二、一元高斯分布的一般形式概率密度函数为：f(x) ~ N(mu, sigma^2)，表示该分布均值为 mu，方差为 sigma^2。概率密度函数曲线的对称轴为 mu，sigm...

2021-11-25 20:36:44 4584

原创【20211125】【Python】Python计算方阵的行列式

此问题源于工作中使用多元高斯模型进行异常检测时，计算多元高斯分布 PDF 时涉及到求方阵的行列式。假定有方阵A，求 A 的行列式。Python 中使用 numpy 库函数命令实现。import numpy as npA_det = np.linalg.det(A) （参考：python 线性代数：[5]方阵的行列式计算方法）...

2021-11-25 19:13:22 763

原创【20211125】【Python】Python求逆矩阵

此问题源于工作中使用多元高斯模型进行异常检测时，计算多元高斯分布 PDF 时涉及到求方阵的逆。假定有方阵A，求 A 的逆矩阵。Python 中使用 numpy 库函数命令实现。import numpy as np A_1 = np.linalg.inv(A) # 逆矩阵（奇异矩阵没有逆矩阵，不可以用此命令计算）A_2 = np.linalg.pinv(A) # 伪逆矩阵（奇异矩阵也可以使用，但对非奇异矩阵的计算耗时很多）（参考：...

2021-11-25 19:10:37 2333

原创【20211125】【Python】报错pymysql.err.InterfaceError: (0, ‘‘)原因及解决方案

一、报错原因关闭了数据库连接之后又使用数据库操作（数据库连接已过期，导致后续的数据库操作不能正常使用）二、解决方案 1. 重新建立数据库连接； 2. 确认数据库使用完毕之后，再关闭连接。三、举个栗子# 连接数据库data_return = cloudSQL_connect(config)db, cursor = data_return[0], data_return[1]sql = '''SELECT device_id from...

2021-11-25 17:57:34 5896 1

原创【20211123】【机器/深度学习】使用 joblib 保存训练好的模型，并载入模型使用

from sklearn.mixture import GaussianMixtureimport joblib# 训练模型并保存gmm = GaussianMixture(n_components=5, n_init=10)gmm.fit(DataSet)joblib.dump(filename='gmm.model', value=gmm)# 载入模型使用model = joblib.load(filename='gmm.model')y = model.predict(x)..

2021-11-23 20:57:30 2117

原创【20211123】【Python】修改list/array中的某些数值时，报错TypeError: can only assign an iterable，原因分析及正确的操作方式

（参考：TypeError: can only assign an iterable）（参考：Python_异常处理：TypeError: can only assign an iterable）

2021-11-23 20:47:01 3201 1

原创【20211123】【Python】dataframe 修改行名、列名的方法

一、通过 pandas.DataFrame的属性值 index、columns 修改1. 语法df.index = []df.columns = []2. 举个栗子import pandas as pdimport numpy as npa = np.array([[1, 2, 3, 4, 5], [2, 3, 4, 5, 6], [1, 0, 3, 8, 5]])b = pd.DataFrame(a)print(b)# 方法一：使用属性...

2021-11-23 17:36:10 14971

原创【20211115】【Python】如何去掉字符串两边的引号

使用 eval() ~~~~a = '[0, 1, 2, 3, 4]'print(a)print(type(a)) # str 类型print(eval(a))print(type(eval(a))) # list 类型（参考：python 去除字符串两端的引号）（参考：python 去除字符串两端的引号）...

2021-11-15 21:37:10 3979

原创【20211115】【Python】Python中列表、矩阵元素相乘及矩阵乘法

1. 列表元素相乘使用 * 或者 np.multiply() 可实现对应元素相乘import numpy as npa = [2, 2, 2, 2, 5]b = 2print(np.multiply(a, b))print(np.multiply(a, a))print(np.array(a)*np.array(a))print(a*a) # 会报错！因为 * 实现对应元素相乘，只适用于 np.array 类型2. 矩阵元素相乘使用 n...

2021-11-15 21:14:44 6278

原创【20211115】【Python】ValueError: math domain error 报错原因及解决办法

这个问题源于工作中编写的一个功率值转 dB 值的函数，函数输入存在 0 值，而 0 取对数是无意义的！一、报错原因Python 中报错 “math domain error” 通常是由于某些操作不符合数学定义，如：对非正数取对数、对负数开方等等。二、解决办法把 0 替换成一个很小的正数，该问题解决~三、举个栗子import math# 功率值转dB值def fun_pow2db(data_pow, n_dim): ...

2021-11-15 17:16:53 38502

原创【2021115】【Python】Python求列表的均值、中位数、众数

1. 求均值2. 求中位数3. 求众数

2021-11-15 16:42:43 8922

原创【20211106】【Python】差分及在Python中的实现方法

一、差分1. 差分的含义差分是统计学里常用的概念，统计学中的差分是指离散函数后的后一项减去前一项的差；数学中的差分是一种微分方程数值方法，通过有限差分来近似导数，从而寻求微分方程的近似解。由 Cramer 分解定理，时间序列 = 确定性影响 + 随机性影响。其中确定性影响可以由多项式决定，对多项式求 N 阶差分，就可以变成常数。（参考：[时间序列分析][5]--非平稳时间序列模型与差分）2. 差分的阶数 ...

2021-11-06 16:35:36 14618 2

原创【20211106】【数据分析】hist 和 bar 的区别

hist 和 bar 的区别为：意义不同、创建图形不同、参数不同、正则化不同。一、意义不同 1. hist 是画（频率分布）直方图，x 轴表示这一列数据的种类，y 轴表示该类别出现的次数（频数）；bar 是画柱状图。 2. hist 直方图展示的是数据的分布，bar 柱状图展示的数据本身的大小。二、创建的图形不同1. hist 是用来创建一个直方图的 matplotlib 函数；2. bar 是用来创建一个二维条形图的 ma...

2021-11-06 14:55:25 6408 2

原创【20211106】【Python】使用matplotlib绘制垂直、水平于坐标轴的线

语法： plt.vlines()：绘制垂直于 x 轴的线； plt.hlines()：绘制平行于 x 轴的线。import numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif']=['SimHei'] # 用于显示中文plt.rcParams['axes.unicode_minus'] = False # 用于显示中文a = np.arange(1, 11)...

2021-11-06 11:20:45 8519

原创【20211106】【Python】numpy ndarray二维数组，按照行、列求平均

语法：np.mean(axis=0)：对第 n 列的每行元素求平均。 np.mean(axis=1)：对第 m 行的每列元素求平均。import numpy as npa = np.array([[1, 2, 3, 4], [2, 3, 4, 5], [4, 5, 6, 7]])print(a)meanA_row = a.mean(axis=0) # 计算完之后array的长度等于列数meanA_col = a.mean(axis=1) # 计算完...

2021-11-06 11:00:56 9704

原创【20211103】【Python】map 函数的使用

1.描述map() 是 Python 的一个内置函数，会根据提供的函数对指定序列做映射。2. 函数语法map(fun, iterable, ...)3. 参数：（1）fun —— 映射函数（2）iterable —— 一个或多个序列4. 关于返回值Python 2.x 返回列表，可以直接使用；但Python 3.x 返回的是迭代器，需要使用 list() 进行类型转换之后再使用！5. 举个栗子import numpy...

2021-11-03 14:20:33 342

原创【20211103】【Python】range 和 arange 的区别和联系

1. range() 和 arange() 都有三个参数，依次为：start, end（不包含end）, step。当不指明 start 时，start 默认为 0，不指明 step 时，step 默认为 1。2. range 返回的是一个 list；arange 返回的是一个 ndarray。3. arange 允许步长 step 为小数，但 range 只允许步长为整数。（参考：range和arange的区别）（参考：range() 和 np.arange...

2021-11-03 14:00:27 489

原创【20211103】【Python/Matlab】Python 中 numpy.reshape() 和 Matlab 中 reshape(mat) 的区别

1. Python 中 reshapenumpy.arange(n).reshape(a, b) # 依次生成 n 个自然数，并且以 a 行 b 列的数组形式显示''' 常见的用法 ''' reshape(n, -1) # 转化成 n 行reshape(-1, m) # 转化成 m 列举个栗子~import pandas as pdimport numpy as npa = list(range(1, 11, 1))b = np.arange(1, 21, 2)prin

2021-11-03 11:41:41 670

原创【20211029】【Python】删除 DataFrame 中的某行、某列

pandas 中的 drop 方法是很明智的数据清理的方法，它的好处在于：它不改变原有的 df 中的数据，而是返回另一个新的 DataFrame 来存放删除后的数据。一、drop 的用法import pandas as pdimport numpy as npa = list(range(1, 11))a_reshape = np.array(a).reshape(2, 5).Tb = pd.DataFrame(a_reshape)print(b)1. df.d...

2021-10-29 14:41:58 34471

原创【20211028】【Python】统计Series/List类型的数据中某元素出现的个数

1. value_count() 方法pandas 中 value_count() 是一种查看表格某列中有多少个不同值的快捷方法，并计算每个不同值在该列中有多少重复值。注意：value_counts() 是 Series 类型的数据拥有的方法，DataFrame 类型的数据不可以直接用，需要指定对哪一行或哪一列使用（DataFrame 取某列、行之后，就是 Series 类型了）。（参考：pandas中.value_counts()的用法）...

2021-10-29 14:14:25 6705 1

原创【20211028】【Python】获取DataFrame的行名和列名

1. 获取行名：df.index.values 2. 获取列名：df.columns.values 注意：values 有 's'，但没有括号，否则报错！！！！（如下图）import pandas as pdimport numpy as npa = list(range(1, 51))a_reshape = np.array(a).reshape(5, 10).Tprint(a_reshape)b = pd.DataFrame(a_reshape)print...

2021-10-28 11:21:51 10727

原创【20211009】【Matlab】设置 legend 的位置

legend 除了常用的文字参数外，还可以加 [1, 2, 3, 4] 的参数，分别对应右上角、左上角、左下角、右下角。（参考：MATLAB如何调整legend标注在图中的位置）

2021-10-09 17:40:53 10976

原创【20211009】【数学基础】极值点、驻点、拐点的区别和联系

一、极值点1. 定义极大值和极小值统称为极值点。极值点是函数的某段子区间内极大值或者极小值的横坐标。极值点出现在函数的驻点（导数为0）或不可导点处（导函数不存在）。（参考：极值点、驻点、拐点的区别）2. 判别方法（1）若f(x0) 处可导第一判别法：若 f(x0)处的一阶导数，且 x0 左边的区间内导数>0，x0 右边的区间内导数<0，那么 x0 为极大值。第...

2021-10-09 09:47:09 18724 2

原创【20210926】【机器/深度学习】基于 make_blobs 函数库，详解几种 K-Means 算法优化方案，及模型评估

K-Means 算法的主要缺点：算法性能受类别个数 k 值、初始点值、异常点值影响很大。本文针对以上 k-means 算法主要缺点，详解 k-means 算法优化方案。一、make_blobs 函数库 make_blobs() 是 sklearn.datasets 中的一个函数，主要功能是：生成聚类数据集。主要参数：（1）n_samples：样本数据量，默认值 100；（2）n_features：样本维度，默认.........

2021-09-26 19:29:08 5765