photoshop软件（本例中使用CS5版本，当然各版本界面都大同小异） 界面篇 1 首先我们打开photoshop软件，界面就如下图所示了： 2 左侧的是工具箱调板，我们可以用鼠标单击相应的工具进行图片处理操作，鼠标右击可以进行某一工具选择（再使用熟练后，我们也可以按下相应的键盘键进行选择），如图： 3 右侧的是窗口调板，我们可以点击菜单中的窗口菜单，在下拉列表中选择我们需要的窗口调板，如图： 4 顶部的菜单栏中包含了全部photoshop常用的操作，我们不必去死记硬背，只要平时常用就会烂熟于心了。 5 在菜单栏的下方是属性栏，显示当前我们正在使用的工具的属性，如图： END 常用操作 1 打开一张图片，方法有三种：①使用菜单里面的打开命令；②使用快捷键Ctrl+O；③双击photoshop界面中心；④拖动想要处理的图片到photoshop中打开；⑤右键选择要处理的图片选择使用photoshop打开命令。 2 保存图片的方法：一般按下键盘上的快捷键Ctrl+S，或使用菜单保存命令（如果要另存的话就选择另存为选项；保存的图片可以选择任意格式，.psd是保存当前处理的所有步骤，下次打开还可以继续编辑，JPEG、png、gif格式就是处理好的图片格式） 3 历史记录面板的用法：我们处理图片的时候可能要反复修改获得最佳的效果，那么历史记录工具就可以很方便的返回之前我们的操作状态，如图，点击要恢复的步骤，即可恢复图片： END 使用技巧 如图所示黑色是前景色、白色是背景色，我们可以按下键盘上的X键进行前景色和背景色的互换： 图片移动操作，我们打开两张图片，想要移动其中的一张到另一张中，我们可以按住键盘的Ctrl键，使用鼠标拖动一张图片到另一张图片中，如图： 3 我们可以在处理图片的时候按下Z键使用放大镜放大图片的细节，处理图片的时候就会容易许多，我们可以按ATL键在放大和缩小之间切换！ 4 我们可以按住键盘上的空格键，移动图片，对于处理大型的图片还是非常方便的！ END 注意事项 photoshop入门相对来说比较简单，但熟练操作至少要3个月左右！ 精通photoshop是一条非常漫长的路程，有时候会打退堂鼓，但只要多操作，多制作，慢慢的时间久了也就精了。
上传时间： 2017-12-07
上传用户：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.
上传时间： 2019-01-25
上传用户：dragon_longer
%球体 close all; G=6.67e-11; R=2;%球体半径 p=4.0;%密度 D=10.0;%深度 M=(4/3)*pi*R^3*p;%质量 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('水平距离(m)'); ylabel('重力异常值'); title('球体重力异常Δg'); grid on subplot(2,2,2) plot(x,Vxz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vxz'); grid on subplot(2,2,3) plot(x,Vzz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vzz'); grid on subplot(2,2,4); plot(x,Vzzz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vzzz'); grid on %% %水平圆柱体 close all G=6.67e-11; p=10.0;%线密度 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('水平距离(m)'); ylabel('重力异常值'); title('水平圆柱体重力异常Δg'); grid on subplot(2,2,2) plot(x,Vxz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vxz'); grid on subplot(2,2,3) plot(x,Vzz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vzz'); grid on subplot(2,2,4); plot(x,Vzzz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vzzz'); grid on %% %垂直台阶 G=6.67e-11; p=4.0;%密度 h1=50.0;%下层深度 h2=40.0;%上层深度 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('水平距离(m)'); ylabel('重力异常值'); title('垂直台阶重力异常Δg'); grid on subplot(2,2,2) plot(x,Vxz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vxz'); grid on subplot(2,2,3) plot(x,Vzz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vzz'); grid on subplot(2,2,4); plot(x,Vzzz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vzzz'); grid on %% %倾斜台阶 G=6.67e-11; p=4.0;%密度 h1=50.0;%下层深度 h2=40.0;%上层深度 a=pi/6;%倾斜角度 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('水平距离(m)'); ylabel('重力异常值'); title('倾斜台阶重力异常Δg'); grid on subplot(2,2,2) plot(x,Vxz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vxz'); grid on subplot(2,2,3) plot(x,Vzz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vzz'); grid on subplot(2,2,4); plot(x,Vzzz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vzzz'); grid on %% %铅锤柱体 G=6.67e-11; p=4.0;%密度 h1=50.0;%下层深度 h2=40.0;%上层深度 a=3;%半径 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('水平距离/m') ylabel('重力异常值') title('铅垂柱体重力异常') grid on subplot(2,2,2) plot(x,Vxz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vxz'); grid on subplot(2,2,3) plot(x,Vzz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vzz'); grid on subplot(2,2,4); plot(x,Vzzz); xlabel('水平距离(m)'); ylabel('导数值'); title('Vzzz'); grid on
上传时间： 2019-05-10
上传用户：xiajiang
vb写的DNF外挂，采用DLL劫持方式。源码直接可以编译，默认为LOG.GLL，可以修改成其他名字放入DNF目录，进入游戏即可使用。
上传时间： 2019-07-26
上传用户：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.
标签： Telecommunications Processing Signal for
上传时间： 2020-06-01
上传用户：shancjb
Mathlab发行的图形计算器应用于安卓设备的高品质显示屏上，对用户来说，计算更加清晰易懂且一目了然。这个程序有两大优势：首先，它不仅是一个精细的科学计算器，而且更重要的是，它在您输入过程中显示计算步骤，可以让学生观看和学习如何得出最终答案。第二，它的图形显示能力超乎寻常！不仅计算器显示图精美，而且会自动并显示生成x和y的值。本软件适用于Android平台专业版的功能* 3D图形* 全屏* 9的工作区域* 保存常量和函数库* 不要求因特网* 没有广告科学计算器* 算术表达式 +, - ，*，/，÷* 平方根，立方和多次方根 （保持‘√’密钥）* 指数，对数 （ln，log）* 三角函数sin π/2，cos 30°，...* 双曲线函数：正弦，余弦，正切，...（按“e”键切换）* 反函数（按直接功能键）* 复数，所有功能都支持复数* 导数 sin x' = cos x，... （按 x^n 键）* 科学记数法（在菜单中启用）* 百分比模式* 保存/载入历史图形计算器* 多种功能绘图* 隐函数的第二度（椭圆 2x^2+3y^2=1，等等）* 极性图 （r=cos2θ）* 参数函数，输入新线 （x=cos t，y=sin t）* 功能根和交叉点的图表，请点选的传说开启和关闭（左上角），使用菜单显示為一个列表* 图交叉口 （x^2=x+1）* 跟踪函数值和斜坡* 滚动和缩放图表* 捏放大* 横向全屏图* 函数表* 保存為图像图形* 表保存為 CSV分数计算器* 简单和复杂的分数 1/2+1/3=5/6* 混合数字时，使用空格输入值 3 1/2代数计算器* 线性方程 x+1=2 -> x=1* 二次方程 x^2-1= 0 -> x=-1,1* 较高多项式近似根* 系统线性方程组，每行写一个方程式，x1+x2=1，x1-x2=2* 多项式长除法* 多项式展开，多项式展开，因式分解矩阵计算器* 矩阵和向量运算* 点击点积 （按住*），多种功能的图形* 行列式，逆，规范，移调，跟踪库自定义* 用户定义的常量和函数* 保存/加载表达式
上传时间： 2021-12-12
上传用户：XuVshu
随着信息技术的发展以及嵌入式、人脸识别、计算机网络等技术的提高，人们正在感受着科技带来的便利和益处。 该系统通过摄像头获取人脸图像,在后台应用系统完成图像识别,然后给单片机发送命令来控制门禁系统。软件上首先利用小波变换对人脸图像进行2次小波分解,然后对低频分量进行离散余弦变换(DCT)提取特征值,最后利用欧氏距离和最近邻分类器进行识别。采用OpenCV人脸识别算法进行处理输出。达到该系统构建简单、方便,识别速度快且准确率较高。 本文主要介绍了基于人脸识别算法的门禁系统的设计与实现。在对人脸识别算法研究的基础上，进一步对整个门禁系统设计与实现进行了详细阐述。主要内容包含以下几点： 1．简单的介绍了课题研究的背景、目的及意义，介绍了人脸识别的背景，阐述了国内外人脸识别的现状以及人脸识别的难点，还介绍了相关的技术。 2．人脸识别算法的研究：主要对Gabor滤波算法、K-L变换算法、Haar特征提取算法这三种特征提取算法进行了详细介绍，也对PCA和LDA这两种人脸识别算法进行了详细的阐述和实验的对比。 3．门禁系统的设计与实现：从需求分析入手对系统的总体模式、总体结果、功能模块、数据库设计等各部分进行了简单的介绍。 4．系统的测试：在对核心算法人脸识别进行了详细的研究以及整个门禁系统的设计和实现结束后，对于整合实现的系统，进行了详细的测试，并给出了功能测试报告和性能测试报告。 本文设计的基于人脸识别的门禁系统，在一定程度上可以较好的识别人脸.
上传时间： 2022-05-28
上传用户：
该文件是器件官方元件封装的文件，用cadence，打开后缀为bxl的文件。 下载的Ultra Librarian 软件； Ultra Librarian提供了一个基于云的库，该库中有超过 8 百万种符号、封装，以及带有供货商 ECAD 中性数据输出选择的 3D 模型。该库以业内最大的 ECAD 元器件库为后盾，代表了 400 多家制造商。轻松找到您所需的零件，导出至 22 种不同的 CAD 工具。该库每天更新，为您提供满足 PCB 设计需求的最准确零件。 打开 Ultra Librarian软件，导入bxl后缀文件，选择需要转换的文件类型，最后导出文件。 然后就可以用cadence或者AD打开该库。该文件生成edf和cfg文件。 再用orcad capture cis软件打开，file>import design >edif> open(edf) configation(cfg)然后就可以生成dns工程，就会在目标路径下产生olb和obk文件，是原理图文件，可以用orcad capture cis软件打开。 附加导入Altium Designer：首先，按照所给链接下载ULib文件，解压，并将解压后的文件安装。打开桌面上的Ultra应用程序。打开后弹出一个对话框，选择继续免费使用。然后弹出主程序窗口，在步骤一里面加载我们需要转换的BXL文件。并且在下面选择Altium designer，。选择步骤三的export to selected tools ，并生成一个log.txt文件。用AD打开刚生成的UL_Import.PrjScr文件，。打开工程文件后，并将鼠标光标移动到UL_Import.Pas文件下且选中。点击箭头所指运行按钮。在弹出的对话框UL Import下，选择刚生成的LOG.txt文件。最后点击输出start import按钮，即可把bxl库文件转换为AD封装库文件。生成的库文件。
上传时间： 2022-06-01
上传用户：xsr1983
为了实现可以实时跟踪人体并测量体温的功能,利用嵌入式、图像处理、温度传感器距离补偿等技术,基于树莓派在Python语言环境下使用第三方库OpenCV设计了一种人体随动测温系统。系统首先通过摄像头获得图像,然后提取人体的Gabor特征,两轴云台可以保持摄像头对人体的跟踪;同时,通过集成在摄像头上的温度传感器实时获取人体的温度。实验结果表明,本系统能够很好地对人体进行识别、跟踪以及测温,具有推广价值。
上传时间： 2022-06-18
上传用户：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.
上传时间： 2022-06-20
上传用户：
