photoshop軟件（本例中使用CS5版本，當然各版本界面都大同小異） 界面篇 1 首先我們打開photoshop軟件，界面就如下圖所示了： 2 左側的是工具箱調板，我們可以用鼠標單擊相應的工具進行圖片處理操作，鼠標右擊可以進行某一工具選擇（再使用熟練后，我們也可以按下相應的鍵盤鍵進行選擇），如圖： 3 右側的是窗口調板，我們可以點擊菜單中的窗口菜單，在下拉列表中選擇我們需要的窗口調板，如圖： 4 頂部的菜單欄中包含了全部photoshop常用的操作，我們不必去死記硬背，只要平時常用就會爛熟于心了。 5 在菜單欄的下方是屬性欄，顯示當前我們正在使用的工具的屬性，如圖： END 常用操作 1 打開一張圖片，方法有三種：①使用菜單里面的打開命令；②使用快捷鍵Ctrl+O；③雙擊photoshop界面中心；④拖動想要處理的圖片到photoshop中打開；⑤右鍵選擇要處理的圖片選擇使用photoshop打開命令。 2 保存圖片的方法：一般按下鍵盤上的快捷鍵Ctrl+S，或使用菜單保存命令（如果要另存的話就選擇另存為選項；保存的圖片可以選擇任意格式，.psd是保存當前處理的所有步驟，下次打開還可以繼續編輯，JPEG、png、gif格式就是處理好的圖片格式） 3 歷史記錄面板的用法：我們處理圖片的時候可能要反復修改獲得最佳的效果，那么歷史記錄工具就可以很方便的返回之前我們的操作狀態，如圖，點擊要恢復的步驟，即可恢復圖片： END 使用技巧 如圖所示黑色是前景色、白色是背景色，我們可以按下鍵盤上的X鍵進行前景色和背景色的互換： 圖片移動操作，我們打開兩張圖片，想要移動其中的一張到另一張中，我們可以按住鍵盤的Ctrl鍵，使用鼠標拖動一張圖片到另一張圖片中，如圖： 3 我們可以在處理圖片的時候按下Z鍵使用放大鏡放大圖片的細節，處理圖片的時候就會容易許多，我們可以按ATL鍵在放大和縮小之間切換！ 4 我們可以按住鍵盤上的空格鍵，移動圖片，對于處理大型的圖片還是非常方便的！ END 注意事項 photoshop入門相對來說比較簡單，但熟練操作至少要3個月左右！ 精通photoshop是一條非常漫長的路程，有時候會打退堂鼓，但只要多操作，多制作，慢慢的時間久了也就精了。
上傳時間： 2017-12-07
上傳用戶：1506034115
Introduction jSMPP is a java implementation (SMPP API) of the SMPP protocol (currently supports SMPP v3.4). It provides interfaces to communicate with a Message Center or an ESME (External Short Message Entity) and is able to handle traffic of 3000-5000 messages per second. jSMPP is not a high-level library. People looking for a quick way to get started with SMPP may be better of using an abstraction layer such as the Apache Camel SMPP component: http://camel.apache.org/smpp.html Travis-CI status: History The project started on Google Code: http://code.google.com/p/jsmpp/ It was maintained by uudashr on Github until 2013. It is now a community project maintained at http://jsmpp.org Release procedure mvn deploy -DperformRelease=true -Durl=https://oss.sonatype.org/service/local/staging/deploy/maven2/ -DrepositoryId=sonatype-nexus-staging -Dgpg.passphrase=<yourpassphrase> log in here: https://oss.sonatype.org click the 'Staging Repositories' link select the repository and click close select the repository and click release License Copyright (C) 2007-2013, Nuruddin Ashr uudashr@gmail.com Copyright (C) 2012-2013, Denis Kostousov denis.kostousov@gmail.com Copyright (C) 2014, Daniel Pocock http://danielpocock.com Copyright (C) 2016, Pim Moerenhout pim.moerenhout@gmail.com This project is licensed under the Apache Software License 2.0.
上傳時間： 2019-01-25
上傳用戶：dragon_longer
%球體 close all; G=6.67e-11; R=2;%球體半徑 p=4.0;%密度 D=10.0;%深度 M=(4/3)*pi*R^3*p;%質量 x=-20:1:20; g=G*M*D./((x.^2+D^2).^(3/2)); Vxz=-3*G*M*D.*x./((x.^2+D^2).^(5/2)); Vzz=G*M.*(2*D^2-x.^2)./((x.^2+D^2).^(5/2)); Vzzz=3*G*M.*(2*D^2-3.*x.^2)./((x.^2+D^2).^(7/2)); subplot(2,2,1) plot(x,g,'k-'); xlabel('水平距離(m)'); ylabel('重力異常值'); title('球體重力異常Δg'); grid on subplot(2,2,2) plot(x,Vxz); xlabel('水平距離(m)'); ylabel('導數值'); title('Vxz'); grid on subplot(2,2,3) plot(x,Vzz); xlabel('水平距離(m)'); ylabel('導數值'); title('Vzz'); grid on subplot(2,2,4); plot(x,Vzzz); xlabel('水平距離(m)'); ylabel('導數值'); title('Vzzz'); grid on %% %水平圓柱體 close all G=6.67e-11; p=10.0;%線密度 D=100.0;%深度 x=-200:1:200; g=G*2*p*D./(x.^2+D^2); Vxz=4*G*p*D.*x./(x.^2+D^2).^2; Vzz=2*G*p.*(D^2-x.^2)./(x.^2+D^2).^2; Vzzz=4*G*p.*(D^2-3.*x.^2)./((x.^2+D^2).^3); subplot(2,2,1) plot(x,g,'k-'); xlabel('水平距離(m)'); ylabel('重力異常值'); title('水平圓柱體重力異常Δg'); grid on subplot(2,2,2) plot(x,Vxz); xlabel('水平距離(m)'); ylabel('導數值'); title('Vxz'); grid on subplot(2,2,3) plot(x,Vzz); xlabel('水平距離(m)'); ylabel('導數值'); title('Vzz'); grid on subplot(2,2,4); plot(x,Vzzz); xlabel('水平距離(m)'); ylabel('導數值'); title('Vzzz'); grid on %% %垂直臺階 G=6.67e-11; p=4.0;%密度 h1=50.0;%下層深度 h2=40.0;%上層深度 x=-100:1:100; g=G*p.*(pi*(h1-h2)+x.*log((x.^2+h1^2)./(x.^2+h2^2))+2*h1.*atan(x./h1)-2*h2.*atan(x./h2)); Vxz=G*p.*log((h1^2+x.^2)./(h2^2+x.^2)); Vzz=2*G*p.*atan((x.*(h1-h2))./(x.^2+h1*h2)); Vzzz=2*G*p.*x*(h1^2-h2^2)./((h1^2+x.^2).*(x.^2+h2^2)); subplot(2,2,1) plot(x,g,'k-'); xlabel('水平距離(m)'); ylabel('重力異常值'); title('垂直臺階重力異常Δg'); grid on subplot(2,2,2) plot(x,Vxz); xlabel('水平距離(m)'); ylabel('導數值'); title('Vxz'); grid on subplot(2,2,3) plot(x,Vzz); xlabel('水平距離(m)'); ylabel('導數值'); title('Vzz'); grid on subplot(2,2,4); plot(x,Vzzz); xlabel('水平距離(m)'); ylabel('導數值'); title('Vzzz'); grid on %% %傾斜臺階 G=6.67e-11; p=4.0;%密度 h1=50.0;%下層深度 h2=40.0;%上層深度 a=pi/6;%傾斜角度 x=-500:1:500; g=G*p.*(pi*(h1-h2)+2*h1.*atan((x+h1*cot(a))./h1)-2*h2.*atan((x+h2*cot(a))./h1)+x.*sin(a)^2.*log(((h1+x.*sin(a).*cos(a)).^2+x.^2.*sin(a)^4)./((h2+x.*(sin(a)*cos(a))).^2+x.^2.*sin(a)^4))); Vxz=G*p.*(sin(a)^2.*log(((h1*cot(a)+x).^2+h1^2)./((h2*cot(a)+x).^2+h2^2))-2*sin(2*a).*(atan((h1/sin(a)+x.*cos(a))./(x.*sin(a)))-atan((h2/sin(a)+x.^cos(a))./(sin(a).*x)))); Vzz=G*p.*(0.5*sin(2*a)^2.*log(((h1*cot(a)+x).^2+h1^2)./((h2*cot(a)+x).^2+h2^2))+2*sin(a)^2.*(atan((h1/sin(a)+x.*cos(a))./(x.*sin(a)))-atan((h2/sin(a)+x.*cos(a))./(x.*sin(a))))); Vzzz=2*G*p*sin(a)^2.*((x+2*h2*cot(a))./((h2*cot(a)+x).^2+h2^2)-(x+2*h1*cot(a))./((h1*cot(a)+x).^2+h1^2)); subplot(2,2,1) plot(x,g,'k-'); xlabel('水平距離(m)'); ylabel('重力異常值'); title('傾斜臺階重力異常Δg'); grid on subplot(2,2,2) plot(x,Vxz); xlabel('水平距離(m)'); ylabel('導數值'); title('Vxz'); grid on subplot(2,2,3) plot(x,Vzz); xlabel('水平距離(m)'); ylabel('導數值'); title('Vzz'); grid on subplot(2,2,4); plot(x,Vzzz); xlabel('水平距離(m)'); ylabel('導數值'); title('Vzzz'); grid on %% %鉛錘柱體 G=6.67e-11; p=4.0;%密度 h1=50.0;%下層深度 h2=40.0;%上層深度 a=3;%半徑 x=-500:1:500; g=G*p.*((x+a).*log(((x+a).^2+h1^2)./((x+a).^2+h2^2))-(x-a).*log(((x-a).^2+h1^2)./((x-a).^2+h2^2))+2*h1.*(atan((x+a)./h1)-atan((x-a)./h1))-2*h2.*(atan((x+a)./h2)-atan((x-a)./h2))); Vxz=G*p.*log((((x+a).^2+h1^2).*((x-a).^2+h2^2))./(((x+a).^2+h2^2).*((x-a).^2+h1^2))); Vzz=2*G*p.*(atan(h1./(x+a))-atan(h2./(x+a))-atan(h1./(x-a))+atan(h2./(x-a))); Vzzz=2*G*p.*((x+a)./((x+a).^2+h2^2)-(x+a)./((x+a).^2+h1^2)-(x-a)./((x-a).^2+h2^2)+(x-a)./((x-a).^2+h1^2)); subplot(2,2,1) plot(x,g,'k-'); xlabel('水平距離/m') ylabel('重力異常值') title('鉛垂柱體重力異常') grid on subplot(2,2,2) plot(x,Vxz); xlabel('水平距離(m)'); ylabel('導數值'); title('Vxz'); grid on subplot(2,2,3) plot(x,Vzz); xlabel('水平距離(m)'); ylabel('導數值'); title('Vzz'); grid on subplot(2,2,4); plot(x,Vzzz); xlabel('水平距離(m)'); ylabel('導數值'); title('Vzzz'); grid on
上傳時間： 2019-05-10
上傳用戶：xiajiang
vb寫的DNF外掛，采用DLL劫持方式。源碼直接可以編譯，默認為LOG.GLL，可以修改成其他名字放入DNF目錄，進入游戲即可使用。
上傳時間： 2019-07-26
上傳用戶：sdo999
This paper presents a Hidden Markov Model (HMM)-based speech enhancement method, aiming at reducing non-stationary noise from speech signals. The system is based on the assumption that the speech and the noise are additive and uncorrelated. Cepstral features are used to extract statistical information from both the speech and the noise. A-priori statistical information is collected from long training sequences into ergodic hidden Markov models. Given the ergodic models for the speech and the noise, a compensated speech-noise model is created by means of parallel model combination, using a log-normal approximation. During the compensation, the mean of every mixture in the speech and noise model is stored. The stored means are then used in the enhancement process to create the most likely speech and noise power spectral distributions using the forward algorithm combined with mixture probability. The distributions are used to generate a Wiener filter for every observation. The paper includes a performance evaluation of the speech enhancer for stationary as well as non-stationary noise environment.
標簽： Telecommunications Processing Signal for
上傳時間： 2020-06-01
上傳用戶：shancjb
Mathlab發行的圖形計算器應用于安卓設備的高品質顯示屏上，對用戶來說，計算更加清晰易懂且一目了然。這個程序有兩大優勢：首先，它不僅是一個精細的科學計算器，而且更重要的是，它在您輸入過程中顯示計算步驟，可以讓學生觀看和學習如何得出最終答案。第二，它的圖形顯示能力超乎尋常！不僅計算器顯示圖精美，而且會自動并顯示生成x和y的值。本軟件適用于Android平臺專業版的功能* 3D圖形* 全屏* 9的工作區域* 保存常量和函數庫* 不要求因特網* 沒有廣告科學計算器* 算術表達式 +, - ，*，/，÷* 平方根，立方和多次方根 （保持‘√’密鑰）* 指數，對數 （ln，log）* 三角函數sin π/2，cos 30°，...* 雙曲線函數：正弦，余弦，正切，...（按“e”鍵切換）* 反函數（按直接功能鍵）* 復數，所有功能都支持復數* 導數 sin x' = cos x，... （按 x^n 鍵）* 科學記數法（在菜單中啟用）* 百分比模式* 保存/載入歷史圖形計算器* 多種功能繪圖* 隱函數的第二度（橢圓 2x^2+3y^2=1，等等）* 極性圖 （r=cos2θ）* 參數函數，輸入新線 （x=cos t，y=sin t）* 功能根和交叉點的圖表，請點選的傳說開啟和關閉（左上角），使用菜單顯示為一個列表* 圖交叉口 （x^2=x+1）* 跟蹤函數值和斜坡* 滾動和縮放圖表* 捏放大* 橫向全屏圖* 函數表* 保存為圖像圖形* 表保存為 CSV分數計算器* 簡單和復雜的分數 1/2+1/3=5/6* 混合數字時，使用空格輸入值 3 1/2代數計算器* 線性方程 x+1=2 -> x=1* 二次方程 x^2-1= 0 -> x=-1,1* 較高多項式近似根* 系統線性方程組，每行寫一個方程式，x1+x2=1，x1-x2=2* 多項式長除法* 多項式展開，多項式展開，因式分解矩陣計算器* 矩陣和向量運算* 點擊點積 （按住*），多種功能的圖形* 行列式，逆，規范，移調，跟蹤庫自定義* 用戶定義的常量和函數* 保存/加載表達式
上傳時間： 2021-12-12
上傳用戶：XuVshu
隨著信息技術的發展以及嵌入式、人臉識別、計算機網絡等技術的提高，人們正在感受著科技帶來的便利和益處。 該系統通過攝像頭獲取人臉圖像,在后臺應用系統完成圖像識別,然后給單片機發送命令來控制門禁系統。軟件上首先利用小波變換對人臉圖像進行2次小波分解,然后對低頻分量進行離散余弦變換(DCT)提取特征值,最后利用歐氏距離和最近鄰分類器進行識別。采用OpenCV人臉識別算法進行處理輸出。達到該系統構建簡單、方便,識別速度快且準確率較高。 本文主要介紹了基于人臉識別算法的門禁系統的設計與實現。在對人臉識別算法研究的基礎上，進一步對整個門禁系統設計與實現進行了詳細闡述。主要內容包含以下幾點： 1．簡單的介紹了課題研究的背景、目的及意義，介紹了人臉識別的背景，闡述了國內外人臉識別的現狀以及人臉識別的難點，還介紹了相關的技術。 2．人臉識別算法的研究：主要對Gabor濾波算法、K-L變換算法、Haar特征提取算法這三種特征提取算法進行了詳細介紹，也對PCA和LDA這兩種人臉識別算法進行了詳細的闡述和實驗的對比。 3．門禁系統的設計與實現：從需求分析入手對系統的總體模式、總體結果、功能模塊、數據庫設計等各部分進行了簡單的介紹。 4．系統的測試：在對核心算法人臉識別進行了詳細的研究以及整個門禁系統的設計和實現結束后，對于整合實現的系統，進行了詳細的測試，并給出了功能測試報告和性能測試報告。 本文設計的基于人臉識別的門禁系統，在一定程度上可以較好的識別人臉.
上傳時間： 2022-05-28
上傳用戶：
該文件是器件官方元件封裝的文件，用cadence，打開后綴為bxl的文件。 下載的Ultra Librarian 軟件； Ultra Librarian提供了一個基于云的庫，該庫中有超過 8 百萬種符號、封裝，以及帶有供貨商 ECAD 中性數據輸出選擇的 3D 模型。該庫以業內最大的 ECAD 元器件庫為后盾，代表了 400 多家制造商。輕松找到您所需的零件，導出至 22 種不同的 CAD 工具。該庫每天更新，為您提供滿足 PCB 設計需求的最準確零件。 打開 Ultra Librarian軟件，導入bxl后綴文件，選擇需要轉換的文件類型，最后導出文件。 然后就可以用cadence或者AD打開該庫。該文件生成edf和cfg文件。 再用orcad capture cis軟件打開，file>import design >edif> open(edf) configation(cfg)然后就可以生成dns工程，就會在目標路徑下產生olb和obk文件，是原理圖文件，可以用orcad capture cis軟件打開。 附加導入Altium Designer：首先，按照所給鏈接下載ULib文件，解壓，并將解壓后的文件安裝。打開桌面上的Ultra應用程序。打開后彈出一個對話框，選擇繼續免費使用。然后彈出主程序窗口，在步驟一里面加載我們需要轉換的BXL文件。并且在下面選擇Altium designer，。選擇步驟三的export to selected tools ，并生成一個log.txt文件。用AD打開剛生成的UL_Import.PrjScr文件，。打開工程文件后，并將鼠標光標移動到UL_Import.Pas文件下且選中。點擊箭頭所指運行按鈕。在彈出的對話框UL Import下，選擇剛生成的LOG.txt文件。最后點擊輸出start import按鈕，即可把bxl庫文件轉換為AD封裝庫文件。生成的庫文件。
上傳時間： 2022-06-01
上傳用戶：xsr1983
為了實現可以實時跟蹤人體并測量體溫的功能,利用嵌入式、圖像處理、溫度傳感器距離補償等技術,基于樹莓派在Python語言環境下使用第三方庫OpenCV設計了一種人體隨動測溫系統。系統首先通過攝像頭獲得圖像,然后提取人體的Gabor特征,兩軸云臺可以保持攝像頭對人體的跟蹤;同時,通過集成在攝像頭上的溫度傳感器實時獲取人體的溫度。實驗結果表明,本系統能夠很好地對人體進行識別、跟蹤以及測溫,具有推廣價值。
上傳時間： 2022-06-18
上傳用戶：zhaiyawei
INTRODUCTION In the past, adding speech recording and playback capability to a product meant using a digital signal processor or a specialized audio chip. Now, using a simplified Adaptive Differential Pulse Code Modulation(ADPCM) algorithm, these audio capabilities can be added to any PICmicro device. This application note will cover the ADPCM compression and decompression algorithms, performance comparison of all PICmicro devices, and an application using a PIC16C72 micro-controller.DEFINITION OF TERMS step size -value of the step used for quantization of ana-log signals and inverse quantization of a number of steps.quantization -the digital form of an analog input signal is represented by a finite number of steps.adaptive quantization -the step size of a quantizer is dramatically changed with time in order to adapt to a changing input signal.inverse quantizer -a finite number of steps is converted into a digital representation of an analog signal.
上傳時間： 2022-06-20
上傳用戶：
