相关滤波器问题

lss520qs 2017-11-07 11:26:43
小弟初学,下面这一段是mosse的代码,求解释。

function target_box = getsubbox(pos,target_sz,im)
%get and process the context region获取并处理上下文区域
xs = floor(pos(2) + (1:target_sz(2)) - (target_sz(2)/2));
ys = floor(pos(1) + (1:target_sz(1)) - (target_sz(1)/2));

%check for out-of-bounds coordinates, and set them to the values at
%the borders
xs(xs < 1) = 1;
ys(ys < 1) = 1;
xs(xs > size(im,2)) = size(im,2);
ys(ys > size(im,1)) = size(im,1);
%extract image in context region
target_box = im(ys, xs, :);
%pre-process window
target_box = double(target_box);
target_box = (target_box-mean(target_box(:)));%normalization
end
...全文
432 2 打赏 收藏 转发到动态 举报
写回复
用AI写文章
2 条回复
切换为时间正序
请发表友善的回复…
发表回复
碧水幽幽泉 2017-11-09
  • 打赏
  • 举报
回复
按F9设置断点看下。
赵4老师 2017-11-08
  • 打赏
  • 举报
回复
代码功能归根结底不是别人帮自己看或讲解或注释出来的;而是被自己静下心来花足够长的时间和精力亲自动手单步或设断点或对执行到某步获得的中间结果显示或写到日志文件中一步一步分析出来的。 提醒:再牛×的老师也无法代替学生自己领悟和上厕所! 单步调试和设断点调试(VS IDE中编译连接通过以后,按F10或F11键单步执行,按Shift+F11退出当前函数;在某行按F9设断点后按F5执行停在该断点处。)是程序员必须掌握的技能之一。
致看到这个简介的你您是否曾对时变陷波器领域感到好奇?是否希望深入了解其背后的知识点和相关公式推导,并渴望学习如何将其应用于实际情况?如果是的话,那么恭喜您!发现了您绝不能错过的一门论文复现课程——《使用时变陷波滤波器在低信噪比下进行瞬时频率估计-TVNF论文复现》。本课程旨在帮助您全面理解时变陷波器的原理、设计和应用。无论您是工程师、学生还是科研人员,相信这门课程都将为您提供宝贵的知识和技能。课程亮点:知识点详解:本课程将深入讲解时变陷波器的基本概念和原理,涵盖了从滤波器设计到信号处理的关键知识点。公式推导:本课程将引导您逐步推导时变陷波器的数学模型和相关公式,助您深入理解其工作原理。实践操作:通过实践案例和实验环节,您将有机会亲自动手复现时变陷波器,并掌握实际操作的技巧和窍门。应用案例:本课程将分享现实应用案例,展示时变陷波器在通信等领域的广泛应用。互动学习:课程设置有讨论小组,您可以与讲师和其他学员互动交流,共同探讨问题和解决方案。无论您是初学者还是有一定基础的专业人士,本课程都将根据您的需求进行量身定制,确保您能够从中获得最大的收益和成长。跟随本课程一起踏上时变陷波器的探索之旅吧!这是一个充满挑战和机遇的领域,相信您将在本课程中找到乐趣和启发,并获得您所期望的结果。祝学习愉快!课程团队  论文简介:这篇论文旨在寻找参数信号模型,这些模型在低信噪比(SNR)下对噪声音调有良好的建模性能。我们关注的是一个应用于数据段的模型,而不是像自适应方法那样按顺序处理数据。受到陷波滤波器理论的启发,我们将著名的时变自回归(TVAR)模型扩展到包括加性噪声的效应,并得出两种类型的时变陷波滤波器(TVNF)。第一种,就像TVAR模型一样,采用滤波器系数的基函数展开。对于第二种,我们利用音调瞬时频率(IF)与分母多项式根的角度直接成比例的事实,并对IF进行基函数展开。自适应陷波滤波器众所周知,并已成功应用于几个领域。通过对模拟信号的应用,TVNF是低SNR 下IF估计的有用工具。TVNF估计采用正则化的高斯-牛顿类型迭代搜索算法,该算法表现出快速和可靠的收敛性。

3,423

社区成员

发帖
与我相关
我的任务
社区描述
其他开发语言 其他开发语言
社区管理员
  • 其他开发语言社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧