耀礼士多德

摘要： 公式推导 Xk=AXk-1+BUk+Wk-1 Zk = HXk + Vk 对于Wk-1 ，其概率分布 P(W) 服从(0,Q)，Q是协方差矩阵。 假设 X = [x1,x2]T，那么其中误差为w = [w1,w2]T, 其协方差为 Q =E(WWT)= E( [w1,w2]T [w1,w2] )。 阅读全文

摘要： 数据融合 有两个测量设备，分别有： 测量值：Z1 = 30 ，测量误差 σ1 = 2 测量值：Z2 = 32，测量误差 σ2 = 4 服从正态分布： 如果将设备编号1、2视为测量次数，那么： 按照卡尔曼滤波的算法： 估计值 Z^ = Z1 + K（Z2 - Z1），K：卡尔曼增益 K∈ [ 0, 1 阅读全文

摘要： 卡尔曼滤波，又名： 最优化、递归、数字处理算法，其实是【观测器】多一点。 主要是对【不确定性】的数据，进行分析和预测。 【不确定性】： 1. 不存在完美的数学模型。（例如：小车的运动轨迹不确定） 2. 系统的扰动不可控，很难建模。 3. 测量传感器存在误差。 例如：测量硬币 测量一个硬币，共测量k次 阅读全文

摘要： 将数据发送给微信 var dbFile = Path.Combine(DBSetting.GetSetting().DBDirectory, $"{BLL.SelectProject.DBName}.db"); var sharefile = new Xamarin.Essentials.Share 阅读全文

摘要： 到目前为止，有熟悉的3种分解： 1. A n*n= Ln*nUn*n分解，针对【可逆】【方阵A】。L为下三角可逆方阵，U为上三角可逆方阵。 2. An*n = Qn*nRn*n分级，针对【可逆】【方阵A】。Q为单位正交矩阵，R为上三角可逆方阵。 3. An*n = Sn*n∧n*n S-1 ，针对【 阅读全文

摘要： 数学期望 E(X) = ∑pixi，X为所有xi的集合，pi为xi对应的概率。 通常来说，xi都是离散的，除非像高斯分布，假设xi不是离散的，才用上式。 当xi是离散的，那么： E(X) = 1 / n * ∑ xi，因为xi的概率都为 1 / n，这时数学期望相当于均值。 （那么高斯分布，E(X) 阅读全文

摘要： 卷积边缘： 一、在进行卷积的时候，对于原图像(1,1)的位置，左、上方没有足够的像素做卷积。 二、通常，在卷积之前，在原图增加边缘像素，比如（3*3的，增加一个像素） 三、增加像素值得处理方法，通常有： （一）BORDER_DEFAULT。默认 （二）BORDER_CONSTANT。使用固定的值。 阅读全文

摘要： PowserShell其他技巧 1. 执行完一个ps1文件后，不回收 有一个场景，在fun.ps1中，仅仅写了一段 Funtion fun([String] input) { } 然后打开PowerShell之后，输入.\fun.ps1，回车，因为fun.ps1中，没有调用fun，所以什么事情都没有 阅读全文

摘要： 使用静态方法 $now = [DateTime]::Now 实例化 $var=New-Object System.DateTime(1991,12,14)#实例化不需要[] 函数定义 Function Hi([string] $name){ Write-Host "Hi $name"} 调用： Hi 阅读全文

摘要： PowerShell远程操作服务器 参考： https://www.cnblogs.com/sparkdev/p/7200004.html 补充： 1. 服务器上，要被Powershell远程操作，是基于HTTP/HTTPS协议的，而且端口默认： HTTP:5985 HTTPS:5986 2. 服务 阅读全文