Dsp Tian

摘要： 和线性常微分方程组参数拟合类似，我们要用差分代替微分，然后进行插值处理，然后构造最小化函数。 最后用最优化方法处理该函数即可。 这里举个例子，先随便设一个非线性微分方程组，并给定初值： 然后定义最小化函数： 最后用之前介绍的非线性最优化方法解决。 matlab代码如下： clear all;clos 阅读全文

摘要： BFGS和DFP都是拟牛顿法，和高斯牛顿法不同的地方是不用直接求J'*J矩阵了，而BFGS又比DFP算法有更好的数值稳定性。 算法步骤如下： 1. 给一个待求参数的初始值x(1)。 2. 给定H(1)矩阵为单位阵，并且计算出待优化函数在x(k)处的梯度g(k)。 3. 令d(k) = -H(k)*g 阅读全文

摘要： 比如我们已经有了微分方程模型和相关数据，如何求模型的参数。 这里以SEIR模型为例子，SEIR模型可以参考之前的文章。 一般的线性方程我们可以用最小二乘来解，一般的非线性方程我们可以用LM来解。 这里是线性微分方程组，所以我们采用最小二乘来解。 关键是构造出最小二乘形式，微分可以通过前后数据差分的方 阅读全文

摘要： python没有原生goto语句，需要安装第三方库。 安装： pip3 install goto-statement 示例： @with_goto def get_response(i): label .begin print(i) site = "XXX" r = urllib.request.R 阅读全文

摘要： 方法就是先对图像按照cellsize设置网格，一般是16*16或32*32。 然后对每个网格做投影变换，最后把所有格子拼起来就行了。 单个格子类似下图： 在实际编程的时候这里没有采用常见的反变换采样法，而是采用了正向变换的方式直接处理，投影公式见这里。 正向变换后得到待采样点集，再对点集重新进行一次 阅读全文

摘要： 计算方法： 1. 两条直线方向向量v1和v2的叉积，得到平行于两条直线的平面v3。 2. 计算v3与第一条直线v1叉积，得到垂直于v3并且过线v1的平面v4，计算面v4与线v2的交点，得到线v2上的点t2。 3. 计算v3与第二条直线v2叉积，得到垂直于v3并且过线v2的平面v5，计算面v5与线v1 阅读全文

摘要： 拿到一张全景图，我们可以做一些变换将其投影到平面上。 比如可以投影到局部立方体平面、可以投影到类似行星效果的平面，还可以投影到类似超广角像头一样的平面。 所有的投影方式基本是一致的，唯一的区别就是视点位置和视场角的大小。 比如我们有下面一张全景图。 全景图宽高比为2:1，可以认为是球坐标系下的the 阅读全文

摘要： 这里置顶一个索引吧，方便所有人查找。 基础与技巧： matlab练习程序（Schur补） matlab练习程序（正交分解） matlab练习程序（GPU加速） matlab练习程序（生成gif图片） matlab练习程序（克莱姆法则解方程） matlab练习程序（读取列不一致的数据） matlab练 阅读全文

摘要： 之前实现过三维椭圆拟合，当时是利用已知点先进行椭球拟合，再进行平面拟合，通过解两个面的相交线得到空间椭圆函数。 如果只知道空间坐标可以用上述的方法，但是通常我们获得空间点时会附带时间信息，因此我们可以认为三个分量都是时间的函数，来进行拟合。 函数如下： 由于是非线性方程组，下面我们只需要用高斯牛顿法 阅读全文

摘要： 一般的最小二乘通常是一次拿到全部的数据， 对所有数据进行统一优化计算得到模型系数。 递推最小二乘是以一种递推的方式计算最小二乘，每次使用最新的测量值，来不断更新模型系数。 递推公式如下： 公式中A和B为测量值，X为模型系数。 matlab代码如下： clear all; close all; clc 阅读全文