《合成孔径雷达成像算法与实现》Figure6.8

clc
clear
close all

参数设置
距离向参数设置
R_eta_c = 20e3;             % 景中心斜距
Tr = 2.5e-6;                % 发射脉冲时宽
Kr = 20e12;                 % 距离向调频率
alpha_os_r = 1.2;           % 距离过采样率
Nrg = 320;                  % 距离线采样数
距离向参数计算
Bw = abs(Kr)*Tr;            % 距离信号带宽
Fr = alpha_os_r*Bw;         % 距离向采样率
Nr = round(Fr*Tr);          % 距离采样点数(脉冲序列长度)
方位向参数设置
c = 3e8;                    % 光速
Vr = 150;                   % 等效雷达速度
Vs = Vr;                    % 卫星平台速度
Vg = Vr;                    % 波束扫描速度
f0 = 5.3e9;                 % 雷达工作频率
Delta_f_dop = 80;           % 多普勒带宽
alpha_os_a = 1.25;          % 方位过采样率
Naz = 256;                  % 距离线数
theta_r_c = 1.6;            % 波束斜视角
方位向参数计算
lambda = c/f0;              % 雷达工作波长
eta_c = -R_eta_c*sind(theta_r_c)/Vr;
                            % 波束中心偏移时间
f_eta_c = 2*Vr*sind(theta_r_c)/lambda;
                            % 多普勒中心频率
La = 0.886*2*Vs*cosd(theta_r_c)/Delta_f_dop;
                            % 实际天线长度
Fa = alpha_os_a*Delta_f_dop;% 方位向采样率
Ta = 0.886*lambda*R_eta_c/(La*Vg*cosd(theta_r_c));
                            % 目标照射时间
R0 = R_eta_c*cosd(theta_r_c);
                            % 最短斜距
Ka = 2*Vr^2*cosd(theta_r_c)^3/(lambda*R0);
                            % 方位向调频率
theta_bw = 0.886*lambda/La; % 方位向3dB波束宽度
theta_syn = Vs/Vg*theta_bw; % 合成角
Ls = R_eta_c*theta_syn;     % 合成孔径
其他参数计算
rho_r = c/2/Bw;             % 距离向分辨率 
rho_a = La/2;               % 方位向分辨率
Trg = Nrg/Fr;               % 发射脉冲宽度
Taz = Naz/Fa;               % 目标照射时间
d_t_tau = 1/Fr;             % 距离向采样时间间隔
d_t_eta = 1/Fa;             % 方位向采样时间间隔
d_f_tau = Fr/Nrg;           % 距离向采样频率间隔
d_f_eta = Fa/Naz;           % 方位向采样频率间隔

目标设置
设置目标点距离景中心的距离
A_r =   0;A_a =   0;
B_r = -50;B_a = +50;
C_r = +50;C_a = B_a+(C_r-B_r)*tand(theta_r_c);
D_r = -50,D_a = -50;
坐标
A_x = R0+A_r;A_y = A_a;
B_x = R0+B_r;B_y = B_a;
C_x = R0+C_r;C_y = C_a;
D_x = R0+D_r;D_y = D_a;
N_position = [A_x,A_y;B_x,B_y;C_x,C_y;D_x,D_y];
波束中心穿越时刻
N_target = 4;
Target_eta_c = zeros(1,N_target);
for i = 1:N_target
    Delta_Y = N_position(i,2)-N_position(i,1)*tand(theta_r_c);
    Target_eta_c(i) = Delta_Y/Vs;
end
绝对零多普勒时刻
Target_eta_0 = zeros(1,N_target);
for i = 1:N_target
    Target_eta_0(i) = N_position(i,2)/Vs; 
end

变量设置
时间变量:以景中心绝对零多普勒时刻作为方位向零点
t_tau = (-Trg/2:d_t_tau:Trg/2-d_t_tau)+2*R_eta_c/c;     % 距离时间变量
t_eta = (-Taz/2:d_t_eta:Taz/2-d_t_eta)+eta_c;           % 方位时间变量
r_tau = (t_tau*c/2)*cosd(theta_r_c);                    % 最近距离变量
频率变量
f_tau = fftshift(-Fr/2:d_f_tau:Fr/2-d_f_tau);           % 距离频率变量
f_tau = f_tau-round((f_tau-0)/Fr)*Fr;                   % 将频率折叠入(-Fr/2,Fr/2),距离可观测频率变量
f_eta = fftshift(-Fa/2:d_f_eta:Fa/2-d_f_eta);           % 方位频率变量
f_eta = f_eta-round((f_eta-f_eta_c)/Fa)*Fa;             % 将频率折叠入f_eta_c附近(-Fa/2,Fa/2)范围,方位可观测频率变量
坐标设置
[t_tauX,t_etaY] = meshgrid(t_tau,t_eta);                % 距离时间X轴,方位时间Y轴
[f_tauX,f_etaY] = meshgrid(f_tau,f_eta);                % 距离频域X轴,方位频域Y轴
[r_tauX,f_eta_Y] = meshgrid(r_tau,f_eta);               % 距离长度X轴,方位频域Y轴

信号设置,原始回波生成
tic                                                     % 计时,与toc搭配使用
wait_title = waitbar(0,'开始生成回波数据 ...'); 
pause(1);
st_tt = zeros(Naz,Nrg);
for i = 1:1
    R_eta = sqrt(N_position(i,1)^2+Vs^2*(t_etaY-Target_eta_0(i)).^2);
                                                        % 瞬时斜距,还有近似公式可以尝试
    A0 = [1,1,1,1]*exp(+1j*0);                          % 后向散射系数
    wr = (abs(t_tauX-2*R_eta/c)<=Tr/2);                 % 距离向包络
    wa = sinc(0.886*atan(Vs*(t_etaY-Target_eta_c(i))/N_position(i,1))/theta_bw).^2;
                                                        % 方位向包络,用波束穿越时刻
%     wa = sinc(0.886*(atan(Vs*(t_etaY-Target_eta_0(i))/N_position(i,1))+theta_r_c)/theta_bw).^2;
    st_tt_target = A0(i)*wr.*wa.*exp(-1j*4*pi*f0*R_eta/c)...
                               .*exp(1j*pi*Kr*(t_tauX-2*R_eta/c).^2);
    st_tt = st_tt+st_tt_target;
    pause(0.001);
    time = toc;
    Display_Data = num2str(roundn(i/N_target*100,-1));
    Display_Str  = ['Computation Progress',Display_Data,'%',' --- ',...
                    'Using Time: ',num2str(time)];
    waitbar(i/N_target,wait_title,Display_Str);         % 三参数:进度,句柄,展示的话
end
pause(1);
close(wait_title);
toc
% figure('Name','原始数据回波'),subplot(221)
% imagesc(real(st_tt))
% xlabel('距离时间(采样点)'),ylabel('方位时间(采样点)'),title('(a)实部')
% subplot(222)
% imagesc(imag(st_tt))
% xlabel('距离时间(采样点)'),ylabel('方位时间(采样点)'),title('(b)虚部')
% subplot(223)
% imagesc(abs(st_tt))
% xlabel('距离时间(采样点)'),ylabel('方位时间(采样点)'),title('(c)幅度')
% subplot(224)
% imagesc(angle(st_tt))
% xlabel('距离时间(采样点)'),ylabel('方位时间(采样点)'),title('(d)相位')

一次距离压缩
方式三:根据脉冲频谱特性直接在频域生成频域匹配滤波器
window = kaiser(Nrg,2.5)';              % 时域窗
Window = fftshift(window);              % 频域窗
% figure,plot(window)
% figure,plot(Window)
Hrf = (abs(f_tauX)<=Bw/2).*Window.*exp(1j*pi*f_tauX.^2/Kr);
Sf_ft = fft(st_tt,Nrg,2);
Srf_tf = Sf_ft.*Hrf;
srt_tt = ifft(Srf_tf,Nrg,2);
% figure('Name','一次距离压缩'),subplot(121)
% imagesc(real(srt_tt))
% xlabel('距离时间(采样点)'),ylabel('方位时间(采样点)'),title('(a)实部')
% subplot(122)
% imagesc(abs(srt_tt))
% xlabel('距离时间(采样点)'),ylabel('方位时间(采样点)'),title('(b)虚部')

方位向FFT
Saf_tf = fft(srt_tt,Naz,1);
% figure('Name','方位FFT'),subplot(121)
% imagesc(real(Saf_tf)),set(gca,'YDir','normal')
% xlabel('距离时间(采样点)'),ylabel('方位时间(采样点)'),title('(a)实部')
% subplot(122)
% imagesc(abs(Saf_tf)),set(gca,'YDir','normal')
% xlabel('距离时间(采样点)'),ylabel('方位时间(采样点)'),title('(b)幅度')

距离徙动校正——8点插值
RCM = lambda^2*r_tauX.*f_etaY.^2/(8*Vr^2);
RCM = R0+RCM-R_eta_c;                       % 将距离徙动量转换到原图坐标系下
offset = RCM/rho_r;                         % 将距离徙动量转换为距离单元偏移量
计算插值表
x_tmp = repmat(-4:3,[16,1]);                % 插值长度
x_tmp = x_tmp+repmat(((1:16)/16).',[1,8]);   % 量化位移
% figure,imagesc(repmat(((1:16)/16)',[1,8])),colorbar
% figure,imagesc(repmat(-4:3,[16,1])),colorbar
% figure,imagesc(repmat(((1:16)/16)',[1,8])+repmat(-4:3,[16,1])),colorbar
hx = sinc(x_tmp);                           % 生成插值核
% % figure,imagesc(hx)
hx = kaiser(8,2.5)'.*hx;
hx = hx./sum(hx,2);                         % 归一化
插值表校正
tic
wait_title = waitbar(0,'开始进行距离徙动校正');
pause(1)
Srcmf_tf_8 = zeros(Naz,Nrg);
for a_tmp = 1:Naz
    for r_tmp = 1:Nrg
        offset_ceil = ceil(offset(a_tmp,r_tmp));
        offset_frac = round((offset_ceil-offset(a_tmp,r_tmp))*16);
        if offset_frac == 0
            Srcmf_tf_8(a_tmp,r_tmp) = Saf_tf(a_tmp,ceil(mod(r_tmp+offset_ceil-0.1,Nrg)));
        else
            Srcmf_tf_8(a_tmp,r_tmp) = Saf_tf(a_tmp,ceil(mod((r_tmp+offset_ceil-4:r_tmp+offset_ceil+3)-0.1,Nrg)))*hx(offset_frac,:).';
        end
    end
    pause(0.001)
    time = toc;
    Display_Data = num2str(roundn(a_tmp/Naz*100,-1));
    Display_Str  = ['Computation Progress ',Display_Data,'%',' --- ',...
                    'Using Time: ',num2str(time)];
    waitbar(a_tmp/Naz,wait_title,Display_Str)
end
pause(1)
close(wait_title)
toc
% figure('Name','8点距离徙动校正'),subplot(121)
% imagesc(real(Srcmf_tf_8)),set(gca,'YDir','normal')
% xlabel('距离时间(采样点)'),ylabel('方位时间(采样点)'),title('(a)实部')
% subplot(122)
% imagesc(abs(Srcmf_tf_8)),set(gca,'YDir','normal')
% xlabel('距离时间(采样点)'),ylabel('方位时间(采样点)'),title('(b)幅度')

距离徙动校正——最近邻域
x_tmp = repmat(-4:3,[16,1]);
x_tmp = x_tmp+repmat(((1:16)/16).',[1,8]);
hx = sinc(x_tmp);
hx = kaiser(8,2.5)'.*hx;
hx = hx./sum(hx,2);
插值表校正
tic
wait_title = waitbar(0,'开始进行距离徙动校正(最近邻域插值)');
pause(1)
Srcmf_tf_0 = zeros(Naz,Nrg);
for a_tmp = 1:Naz
    for r_tmp = 1:Nrg
        offset_ceil = ceil(offset(a_tmp,r_tmp));
        offset_frac = round(offset_ceil-offset(a_tmp,r_tmp));
        if offset_frac == 0
            point = r_tmp+offset_ceil;
        else
            point = r_tmp+offset_ceil-1;
        end
        if point < 1
            point = 1;
        elseif point > Nrg
            point = Nrg;
        end
        Srcmf_tf_0(a_tmp,r_tmp) = Saf_tf(a_tmp,point);
    end
    pause(0.001)
    time = toc;
    Display_Data = num2str(roundn(a_tmp/Naz*100,-1));
    Display_Str  = ['Computation Progress ',Display_Data,'%',' --- ',...
                    'Using Time: ',num2str(time)];
    waitbar(a_tmp/Naz,wait_title,Display_Str)
end
pause(1)
close(wait_title)
toc

距离徙动校正——4点插值
计算插值表
x_tmp = repmat(-2:1,[16,1]);                % 插值长度
x_tmp = x_tmp+repmat(((1:16)/16).',[1,4]);  % 量化位移
hx = sinc(x_tmp);                           % 生成插值核
hx = kaiser(4,2.5)'.*hx;
hx = hx./sum(hx,2);                         % 归一化
插值表校正
tic
wait_title = waitbar(0,'开始进行距离徙动校正(4点)');
pause(1)
Srcmf_tf_4 = zeros(Naz,Nrg);
for a_tmp = 1:Naz
    for r_tmp = 1:Nrg
        offset_ceil = ceil(offset(a_tmp,r_tmp));
        offset_frac = round((offset_ceil-offset(a_tmp,r_tmp))*16);
        if offset_frac == 0
            Srcmf_tf_4(a_tmp,r_tmp) = Saf_tf(a_tmp,ceil(mod(r_tmp+offset_ceil-0.1,Nrg)));
        else
            Srcmf_tf_4(a_tmp,r_tmp) = Saf_tf(a_tmp,ceil(mod((r_tmp+offset_ceil-2:r_tmp+offset_ceil+1)-0.1,Nrg)))*hx(offset_frac,:).';
        end
    end
    pause(0.001)
    time = toc;
    Display_Data = num2str(roundn(a_tmp/Naz*100,-1));
    Display_Str  = ['Computation Progress ',Display_Data,'%',' --- ',...
                    'Using Time: ',num2str(time)];
    waitbar(a_tmp/Naz,wait_title,Display_Str)
end
pause(1)
close(wait_title)
toc

方位压缩
Ka = 2*Vr^2*cosd(theta_r_c)^3./(lambda*r_tauX);
Haf = exp(-1j*pi*f_etaY.^2./Ka);                    % 匹配滤波器
Haf_offset = exp(-1j*2*pi*f_etaY*eta_c);            % 时间补偿项
Soutf_tf_8 = Srcmf_tf_8.*Haf.*Haf_offset;
soutt_tt_8 = ifft(Soutf_tf_8,Naz,1);
Soutf_tf_0 = Srcmf_tf_0.*Haf.*Haf_offset;
soutt_tt_0 = ifft(Soutf_tf_0,Naz,1);
Soutf_tf_4 = Srcmf_tf_4.*Haf.*Haf_offset;
soutt_tt_4 = ifft(Soutf_tf_4,Naz,1);
% figure('Name','方位压缩8'),subplot(121)
% imagesc(real(soutt_tt_8))
% subplot(122)
% imagesc(abs(soutt_tt_8))
% figure('Name','方位压缩0'),subplot(121)
% imagesc(real(soutt_tt_0))
% subplot(122)
% imagesc(abs(soutt_tt_0))
% figure('Name','方位压缩4'),subplot(121)
% imagesc(real(soutt_tt_4))
% subplot(122)
% imagesc(abs(soutt_tt_4))

点目标分析
srcmt_tt_8 = ifft(Srcmf_tf_8,Naz,1);
Arcm_8 = srcmt_tt_8(:,round(Nrg/2+1+2*(N_position(1,1)-R0)/c*Fr)); % Nrg/2+1为距离维度的中心点,剩下的计算目标点A相对于最短斜距R0的偏移量
Arcm_8 = abs(Arcm_8)/max(abs(Arcm_8));

srcmt_tt_0 = ifft(Srcmf_tf_0,Naz,1);
Arcm_0 = srcmt_tt_0(:,round(Nrg/2+1+2*(N_position(1,1)-R0)/c*Fr)); % Nrg/2+1为距离维度的中心点,剩下的计算目标点A相对于最短斜距R0的偏移量
Arcm_0 = abs(Arcm_0)/max(abs(Arcm_0));

srcmt_tt_4 = ifft(Srcmf_tf_4,Naz,1);
Arcm_4 = srcmt_tt_4(:,round(Nrg/2+1+2*(N_position(1,1)-R0)/c*Fr)); % Nrg/2+1为距离维度的中心点,剩下的计算目标点A相对于最短斜距R0的偏移量
Arcm_4 = abs(Arcm_4)/max(abs(Arcm_4));
方位切片
len_az = 16;
cut_az = -len_az/2:len_az/2-1;
out_az_8 = soutt_tt_8(round(Naz/2+1+N_position(1,2)/Vr*Fa)+cut_az, ...
                      round(Nrg/2+1+2*(N_position(1,1)-R0)/c*Fr)).';
spec_az_8 = fft(out_az_8);
spec_up_az_8 = ifft(spec_az_8,16*len_az);                           % 频域补零
% spec_az_8 = fft(out_az_8,16*len_az);                              % 时域补零,注意区别
% spec_up_az_8 = ifft(spec_az_8);
spec_up_az_8 = db(abs(spec_up_az_8)/max(abs(spec_up_az_8)));

out_az_0 = soutt_tt_0(round(Naz/2+1+N_position(1,2)/Vr*Fa)+cut_az, ...
                      round(Nrg/2+1+2*(N_position(1,1)-R0)/c*Fr)).';
spec_az_0 = fft(out_az_0);
spec_up_az_0 = ifft(spec_az_0,16*len_az);
spec_up_az_0 = db(abs(spec_up_az_0)/max(abs(spec_up_az_0)));

out_az_4 = soutt_tt_4(round(Naz/2+1+N_position(1,2)/Vr*Fa)+cut_az, ...
                      round(Nrg/2+1+2*(N_position(1,1)-R0)/c*Fr)).';
spec_az_4 = fft(out_az_4);
spec_up_az_4 = ifft(spec_az_4,16*len_az);
spec_up_az_4 = db(abs(spec_up_az_4)/max(abs(spec_up_az_4)));

绘图
H = figure();
set(H,'position',[100,100,900,600]);
subplot(231),plot(abs(wa(:,1))),axis([0 Naz,0 1])
xlabel('方位向(采样点)'),ylabel('幅度'),title('(a)理想的距离徙动校正(8点插值)')
subplot(232),plot(abs(Arcm_0)),axis([0 Naz,0 1])
xlabel('方位向(采样点)'),ylabel('幅度'),title('(b)最近邻域')
subplot(233),plot(abs(Arcm_4)),axis([0 Naz,0 1])
xlabel('方位向(采样点)'),ylabel('幅度'),title('(c)4点插值')
subplot(234),plot(spec_up_az_8),axis([0 Naz,-30 0])
xlabel('方位向(采样点)'),ylabel('幅度(dB)')
subplot(235),plot(spec_up_az_0),axis([0 Naz,-30 0])
xlabel('方位向(采样点)'),ylabel('幅度(dB)')
subplot(236),plot(spec_up_az_4),axis([0 Naz,-30 0])
xlabel('方位向(采样点)'),ylabel('幅度(dB)')

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/376681.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

【C++二维前缀和】黑格覆盖

题目描述 在一张由 M * N 个小正方形格子组成的矩形纸张上&#xff0c;有 k 个格子被涂成了黑色。给你一张由 m * n 个同样小正方形组成的矩形卡片&#xff0c;请问该卡片最多能一次性覆盖多少个黑格子&#xff1f; 输入 输入共 k1 行&#xff1a; 第 1 行为 5 个整数 M、N、…

政安晨:演绎在KerasCV中使用Stable Diffusion进行高性能图像生成

小伙伴们好&#xff0c;咱们今天演绎一个使用KerasCV的StableDiffusion模型生成新的图像的示例。 考虑计算机性能的因素&#xff0c;这次咱们在Colab上进行&#xff0c;Colab您可以理解为在线版的Jupyter Notebook&#xff0c;还不熟悉Jupyter的的小伙伴可以去看一下我以前的文…

web前后端小坑记录

游戏服务器过年这段时间忙完了&#xff0c;好久没看web了&#xff0c;重温一下。发现竟然没有文章记录这些修BUG的过程&#xff0c;记录一下。 目录 如何处理F5刷新&#xff1f; 如何处理F5刷新&#xff1f; 后端应该发现路由不存在&#xff0c;直接返回打包好的index.html就…

软件22-上午题-树与二叉树1

一、树 树形结构&#xff0c;非线性结构。 树是n个节点的有限集合。 树的定义是递归的。 1-1、树的基本概念 1、结点的度&#xff1a;一个结点的子树个数。 2、树的度&#xff1a;树中最大的结点的度数。 3、叶子结点&#xff1a;度为0的结点。 4、分支结点&#xff1a;度…

this指针详细总结 | static关键字 | 静态成员

文章目录 1.this指针引入2.this指针的特性3.静态成员3.1.C语言中static的基本用法3.2.C中的static关键字 1.this指针引入 class student { public:student(const string& name){ _name name; }void print(){// _name<>this->_name<>(*this)._name// 说一下…

多路服务器技术如何处理大量并发请求?

在当今的互联网时代&#xff0c;随着用户数量的爆炸性增长和业务规模的扩大&#xff0c;多路服务器技术已成为处理大量并发请求的关键手段。多路服务器技术是一种并行处理技术&#xff0c;它可以通过多个服务器同时处理来自不同用户的请求&#xff0c;从而显著提高系统的整体性…

零基础学Python(7)— 基本输入与输出

前言&#xff1a;Hello大家好&#xff0c;我是小哥谈。从第一个Python程序开始&#xff0c;我们一直在使用print()函数向屏幕上输出一些字符&#xff0c;这就是Python的基本输出函数。除了print()函数&#xff0c;Python还提供了一个用于进行标准输入的input()函数&#xff0c;…

成员对象与封闭类

1. 成员对象与封闭类 类里有其他对象则该对象叫成员对象&#xff1b;有成员对象的类叫 封闭类&#xff1b;上例中&#xff0c;如果CCar类不定义构造函数&#xff0c;则会使用默认的无参构造函数&#xff0c;那么下面的语句会编译出错: 因为编译器不明白CCar类中的tyre成员对象…

node.js后端+小程序前端+mongoDB(增删改查)

前言 今天我对比了以下node.js的express与python的fastAPI&#xff0c;我决定我还是出一期关于node.jsmangoDB小程序的小案例吧。 不是python的fastAPI不好用&#xff0c;因为fastAPI是python较新的技术&#xff0c;我不敢果断发出教学文章&#xff08;这件事情还是留着给pyt…

《幻兽帕鲁》攻略:0基础入门及游戏基础操作 幻兽帕鲁基础设施 幻兽帕鲁基础攻击力 Mac苹果电脑玩幻兽帕鲁 幻兽帕鲁加班加点

今天就跟大家聊聊《幻兽帕鲁》攻略&#xff1a;0基础入门及游戏基础操作。 如果想在苹果电脑玩《幻兽帕鲁》记得安装CrossOver哦。 以下纯干货&#xff1a; CrossOver正版安装包&#xff08;免费试用&#xff09;&#xff1a;https://souurl.cn/Y1gDao 一、基础操作 二、界面…

生成式学习,特别是生成对抗网络(GANs),存在哪些优点和缺点,在使用时需要注意哪些注意事项?

生成对抗网络&#xff08;GANs&#xff09; 1. 生成对抗网络&#xff08;GANs&#xff09;的优点&#xff1a;2. 生成对抗网络&#xff08;GANs&#xff09;的缺点&#xff1a;3. 使用生成对抗网络&#xff08;GANs&#xff09;需要注意的问题 1. 生成对抗网络&#xff08;GANs…

RabbitMQ的延迟队列实现[死信队列](笔记二)

上一篇已经讲述了实现死信队列的rabbitMQ服务配置&#xff0c;可以点击: RabbitMQ的延迟队列实现(笔记一) 目录 搭建一个新的springboot项目模仿订单延迟支付过期操作启动项目进行测试 搭建一个新的springboot项目 1.相关核心依赖如下 <dependency><groupId>org.…

设计模式理解:单例模式+工厂模式+建设者模式+原型模式

迪米特法则&#xff1a;Law of Demeter, LoD, 最少知识原则LKP 如果两个软件实体无须直接通信&#xff0c;那么就不应当发生直接的相互调用&#xff0c;可以通过第三方转发该调用。其目的是降低类之间的耦合度&#xff0c;提高模块的相对独立性。 所以&#xff0c;在运用迪米特…

【机器学习】机器学习流程之收集数据

&#x1f388;个人主页&#xff1a;甜美的江 &#x1f389;欢迎 &#x1f44d;点赞✍评论⭐收藏 &#x1f917;收录专栏&#xff1a;机器学习 &#x1f91d;希望本文对您有所裨益&#xff0c;如有不足之处&#xff0c;欢迎在评论区提出指正&#xff0c;让我们共同学习、交流进步…

有趣的CSS - 旋转的太极图

目录 整体效果核心代码html 代码css 部分代码 完整代码如下html 页面css 样式页面渲染效果 整体效果 使用 :before 、:after 伪元素以及 animation 属性画一个顺时针旋转的太极图。 核心代码部分&#xff0c;简要说明了写法思路&#xff1b;完整代码在最后&#xff0c;可直接复…

PKI - 03 密钥管理(如何进行安全的公钥交换)

文章目录 Pre密钥管理面临的挑战安全密钥管理的几种方式手动密钥交换与确认受信任的介绍 Pre PKI - 02 对称与非对称密钥算法 密钥管理面临的挑战 密钥管理面临的挑战主要包括以下几点&#xff1a; 安全的公钥交换&#xff1a;在使用基于非对称密钥算法的服务之前&#xff0c…

Hadoop3.x基础(4)- Yarn

来源&#xff1a;B站尚硅谷 目录 Yarn资源调度器Yarn基础架构Yarn工作机制作业提交全过程Yarn调度器和调度算法先进先出调度器&#xff08;FIFO&#xff09;容量调度器&#xff08;Capacity Scheduler&#xff09;公平调度器&#xff08;Fair Scheduler&#xff09; Yarn常用命…

回归预测 | Matlab实现ABC-BP人工蜂群算法优化BP神经网络多变量回归预测

回归预测 | Matlab实现ABC-BP人工蜂群算法优化BP神经网络多变量回归预测 目录 回归预测 | Matlab实现ABC-BP人工蜂群算法优化BP神经网络多变量回归预测预测效果基本描述程序设计参考资料 预测效果 基本描述 1.Matlab实现ABC-BP人工蜂群算法优化BP神经网络多变量回归预测&#x…

盘点Java集合(容器)概览,Collection和Map在开发中谁用的最多?

写在开头 在Java的世界里万物皆对象。但我认为是万物皆数据&#xff0c;世界由各种各样数据构建起来&#xff0c;我们通过程序去实现数据的增删改查、转入转出、加减乘除等等&#xff0c;不同语言的实现方式殊途同归。由此可见&#xff0c;数据对于程序语言的重要性。 这段话…

Spring Boot 001 环境配置以及初始化项目

知识储备 后端&#xff1a;JavaSE, SSM&#xff08;SpringSpringMVCMyBatis&#xff09; 前端&#xff1a;HTML, CSS, Javascript 环境准备 JDK17下载 Java Downloads | Oracle 安装方式 JDK17在Windows安装以及环境变量配置&#xff08;超详细的教程&#xff09;_jdk17安装…