Raphael's Home

Kalman滤波：线性卡尔曼滤波，扩展卡尔曼滤波，无迹卡尔曼滤波 部分公式为使用标准写法。 Introduction 滤波是在对系统可观测信号进⾏测量的基础上，根据⼀定的滤波准则，采⽤某种统计量最优⽅法，对系统的状态进⾏估计的理论和⽅法。讲点的滤波理论包括维纳（Wiener）滤波和卡尔曼（Kalman）滤波。前者使用频域方法，后者使用时域状态空间方法。 相比于Wiener滤波方法，Kalman滤波只基于时域中的量，不仅可以对平稳的一维随机过程进行估计，也可以对非平稳的、多维随机过程进行估计，同时Kalman滤波算法是递推的，便于在计算机上实现实时应用。 最早Kalman提出的滤波理论只适用于线性系统，此后研究者将其扩展到非线性系统下。其中扩展Kalman滤波（EKF）将非线性系统一阶线性化，再利用Kalman滤波。其问题在于线性化过程中产生的误差。无迹Kalman滤波（UKF）以UT变换处理均值和协方差的非线性传递，计算经济较高。除此之外，为了提升计算效率，平方根滤波和UD分解滤波也逐渐被提出。， 线性Kalman滤波 射影定理 由\(m\times ...

空洞卷积，多尺度特征融合，大核卷积 空洞卷积和空洞空间金字塔池化（ASPP） 空洞卷积 第一项系统使用空洞卷积的工作可能是Fisher Yu在2016年的工作。作者使用这种卷积处理图像分割任务。在文献中，作者将其称为膨胀卷积dilated convolution，与本文中使用的空洞卷积atrous convolution同义。后者名称来源于法语的à trous. 相比于一般的卷积，作者强调了其能够扩大感受野的同时不损失分辨率和覆盖的能力。 在数学上，如果将一般的卷积协作： \[ (F * k)(\mathbf{p})=\sum_{\mathbf{s}+\mathbf{t}=\mathbf{p}} F(\mathbf{s}) k(\mathbf{t}) . \] 则空洞卷积可以被写作： \[ \left(F *_l k\right)(\mathbf{p})=\sum_{\mathbf{s}+l \mathbf{t}=\mathbf{p}} F(\mathbf{s}) k(\mathbf{t}) . \] 其中\(l\)被称作空洞率 dilati ...

电子系统课程报告 report_fr 放大器 在本节中，我们的总体目标是设计一个音频放大器。技术规格如下： - 输入信号 \(v_e(t)\) 为音频信号，带宽在 \(20\,\mathrm{Hz}\) 到 \(20\,\mathrm{kHz}\) 之间； - 电路输入电阻 \(R_e = 100\,\mathrm{k\Omega}\)； - 负载为阻抗 \(R_L = 4\,\Omega\) 的扬声器； - 当输入信号为 \(100\,\mathrm{mV}\) 时，输出功率应为 \(20\,\mathrm{W}\)； - 电源为对称电源，电压为 \(V = \pm 15\,\mathrm{V}\)。 在本报告中，首先阐明将运算放大器与 B 类功率放大器结合的方案局限性，然后介绍运算放大器与 AB 类功率放大器结合的方案，后者基本满足要求。这对应原题第2和第3部分，将讨论若干方案变体。 方案2：运算放大器 + B 类功率放大器 我们构建了如上电路，其中运算放大器被替换为 AD820。 随后进行仿真，测量输入电压、运算放大器输出 ...

锁相环 Phase Locked Loop, PLL 简介 锁相环（Phase Locked Loop，PLL）是一种用于同步信号的电子电路。 它可以将输入信号的相位与参考信号的相位进行比较，并通过反馈控制来调整输出信号的频率和相位，使其与参考信号保持一致。 原理 锁相环一般由一个相位比较器，一个低通绿农其和一个由电压控制的振荡器（VCO）组成。 正弦信号 正弦信号的一般形式为：\(v(t)=V \sin (\phi(t))\) 频率固定时，信号可以写做：\(v(t)=V \sin \left(\omega_0 t+\varphi\right)\) 如果信号频率可能随时间变化，信号可以写做：\(v(t)=V \sin \left[\left(\omega_0+2 \pi f(t)\right) t\right]\) 对于两个频率不变，如果他们的\(\omega_0\)相等，则有它们的相位差为常数。 \[ \phi(t)=\phi_1(t)-\phi_1(t)=\left(\omega_0 t+\varphi_1\right)+\left(\om ...

Génération de signaux 信号发生器 简介 信号发生器（Générateur de signal）是一种能够自主产生特定电压波形（如正弦波、方波、锯齿波等）的电路，其核心工作原理基于振荡器（Oscillateur）。 一个完整的振荡系统（Système oscillant由两个关键组件构成： 主动元件（Élément actif）：提供能量的源头，如晶体管或运算放大器，用于放大或补偿能量损耗。 被动反应元件（Élément passif réactif）：通常由电感（L）、电容（C）或电阻（R）组成，用于储存和释放能量，控制频率特性。 这两者之间形成能量的转移和反应，从而维持持续的振荡。 两类常见的振荡器： 线性振荡器（Oscillateurs linéaires/sinusoïdaux）：如RC、LC或石英振荡器，产生的是连续波形（例如正弦波）。 弛张振荡器（Oscillateurs à relaxation）：例如施密特触发器或多谐振荡器，输出的是非连续的波形（例如方波、锯齿波），原理是能量储存与突释放的循环 ...

filtre 滤波器 概述 滤波器用以选择性地通过或阻止信号的频率成分，以及删除信号中的噪声。 按照频率响应特性，滤波器可分为低通(Filtre passe-bas)、高通(Filtre passe-haut)、带通(Filtre passe-bande)和带阻(Filtre coupe-bande)滤波器。 按照不同的技术，可分为电子滤波器和机械与物理滤波器。 > 图为表面声波滤波器（SAW Filter）。当一个射频信号加在左侧交指电极上时，会激励出沿压电材料表面传播的表面声波。表面声波在材料表面传播的波长满足公式\(\lambda = c/f\)。由于电极之间的间距固定（决定了某一波长），只有特定频率的声波能有效激发与接收，因此实现了对信号频率的窄带选择性滤波。不符合频率条件的信号将不会有效传播或被转换，从而被抑制。 理想滤波器是指不引起信号失真的滤波器，其作用仅是放大或延迟信号，而不改变信号的频谱结构。 理想滤波器在现实中不存在！ 滤波器的传递函数 在频域上，滤波器的传递函数\(H(f)\)是输入信号\(X(f)\)和输出信号\(Y( ...

关于g++/gdp的安装和vscode配置 1. 先下载mingw MinGW - Minimalist GNU for Windows - Browse Files at SourceForge.net 下载完之后打开，一直continue直到这个下载完成。 下载完成之后点击continue进入如下界面。在Basic Setup中选择gcc/g++，在All Packages中选择gdb。 在installation中选择Apply change开始下载。 下载完成之后在MinGW的bin文件夹中确定g++.exe, gcc.exe, gdb.exe三个文件的存在。 编辑系统环境变量，在path中加入*/MinGW/bin。打开cmd，测试能否运行g++, gdb。 2. 配置VSCode 打开一个文件夹，新建文件写一个helloword.cpp。 显示安装推荐 也可以直接在扩展中安装。这里我在扩展中安装。 安装完成之后回到helloworld.cpp。尝试直接运行debug。 可以成功运行。 ...

Amplification 放大器 概述 放大器 电子系统中，传感器或信号源输出电平非常微弱。为了满足后续电路（如滤波、模数转换、功率驱动等）的动态范围与信噪比要求，需在信号链中加入电压放大环节。 理想运算放大器在设计上追求以下性能指标： 开环电压增益无限大（\(\displaystyle A_0\to\infty\)），以保证微小输入差值也能被放大； 输入阻抗无限大（\(\displaystyle Z_\text{in}\to\infty\)），避免对信号源造成负载； 输出阻抗为零（\(\displaystyle Z_\text{out}\to0\)），确保对后级负载的电压传输； 带宽宽广，覆盖从直流到几十兆赫甚至更高频段。 在评价放大器性能时，通常关注以下几个指标： 增益 Gain 输入与输出阻抗 impédances d’entrée et de sortie 带宽 bande passante 噪声因子及噪声温度 facteur et la température de bruit 失真 distorsions 效率 ...

GAN,VAE和流模型的原理（以流模型为主） 2025/02/26 以便自己查看 生成式神经网络 生成式神经网络是一种以生成与被提供的数据集相似的新数据为目的的人工神经网络。它试图构建一种模型分布\(p_{model}\)，使其尽可能接近原始数据分布\(p_{data}\)。由于不依赖其他标签数据，生成式模型往往是无监督学习。 特别的，生成式模型也可以预测在\(y\)条件下\(x\)的分布\(P(x|y)\)，比如要求一个用于生成水果图像的模型生成一个苹果：\(P(\text{水果}|\text{苹果})\)。 对于数据的集合\(\mathbf{X}\)，生成式神经网络理想的损失函数是模型分布和数据分布之间的似然函数： \[ \begin{align}    \mathcal{L}(model(\theta) \mid \mathbf{X})= \prod_{x \in \mathbf{X}} p_{model(\theta)}(x)\end{align} \] 似然函数是模型可调节参数\(\theta\)的函数，用于衡量模型分布对数据分布的拟合程度，所 ...

J05 同步 一、进程和线程基础 进程 由操作系统创建，用于运行程序，可使多个进程以“假实时”并行方式运行。 选择器负责将处理器资源分配给进程。 通过共享页面完成进程之间通信。 进程的状态： 状态（États）： Actif（活动状态）：表示进程正在CPU上运行。 Prêt（就绪状态）：进程已准备好运行，但正在等待CPU的分配。 Bloqué（阻塞状态）：进程由于等待某些事件（例如I/O操作或资源可用性）而无法运行。 状态转换事件： Création（创建）：一个新的进程被创建，通常是由操作系统或一个已有的进程创建的。 Suppression（删除）：进程被终止并从系统中移除。 Fin du quantum（时间片结束）：进程的时间片用完，操作系统将CPU分配给其他进程。 Demande d’entrée/sortie ou de ressource（请求输入/输出或资源）：进程请求某些资源或I/O操作，进入阻塞状态。 Fin d’entrée/sortie ou ressource disponible（输入/ ...