win_1202的博客

Sparse Subspace Clustering基于人脸分割的子空间聚类的原始代码，已验证没有错误，大家可以放下下载。 (Sparse Subspace Clustering segmentation based on face subspace clustering source code, no errors have been verified, you can put down the download.)

主函数中采用8个天线，产生k=128个周期的线性调频信号，该信号的频率为77GHz，调制周期为38.9e-6 s ,调制带宽B为350MHz，并对产生的每一个周期的信号进行了N=256点采样。在产生的信号中设置的目标数为4，这4个目标的距离和速度分别为 R=[12 20 35 50]，V=[5 16 10 15]。 对128个周期进行256点采样后，将得到的数据存入128*256的矩阵中，对其进行距离维的快速FFT变换，再进行速度维快速FFT变换，得到信号的距离速度谱，该距离速度谱含有目标的距离和速度信息。

有程序和资料。16年华为杯数学建模C题。问题一，根据给定的10组LOS或NLOS传播环境下从手持终端到基站的TOA测量数据和所有基站的三维坐标，首先，根据每一组的终端与基站之间的TOA，计算出这三十个基站分别与各个终端之间的空间距离。对于每个终端，利用四点定位算法（在三维空间中，至少要采用四个基站才能实现坐标定位），根据所给的多个基站，采用分组定位，然后取均值的方法，可得出较精确的每个终端三维坐标。 问题二，根据题目中给定的10组TOA测量数据和所有基站的三维坐标（对应附录中编号为case011_input.txt到case020_input.txt的文件），首先使用问题一中的模型求解出终端坐标，再根据基站之间的距离进行基站的精简，再通过误差门限值等约束条件来保证精度，保证以尽可能少的基站数目，实现近似最优解的三维定位精度。 问题三，根据给定的5组对处于移动过程中的终端采集到的TOA数据（每组数据只记录一个终端的TOA，并且是这一个终端在运动轨迹中多个位置上的TOA数据）。首先计算出运动轨迹上每个点距离所有基站的距离，然后计算出所有轨迹点的二维坐标，然后通过最小二乘法对运动轨迹曲线进行拟合，计算出运动轨迹。

有程序和资料。17年华为杯数学建模D题，针对问题一，在静止背景条件下，提取运动前景目标轮廓，首先处理视频，生成单帧数据，针对不含纯背景帧的视频采用帧间差分法，对含背景帧的视频数据采用背景差分法。两种方法都可以准确提取静止背景下的前景目标轮毂，最后进行形态学的补充处理，达到预期的效果。 针对问题二，分析动态背景每一帧之间都大面积的不同，因此使用帧差法的结果会出现大量的噪点。采取混合高斯模型(GMM)对动态的背景进行建模，采用一定帧数的图像来训练模型，从而实现实时更新的背景模型，过滤掉背景变化对目标提取的影响，可以准确提取前景目标。 针对问题三，考虑摄像头抖动造成图像的变化，因此考虑首先去抖动，对摄像头运动类型进行建模，然后通过图像的像素点进行参考帧匹配，估计出全局运动模型，再通过模型进行反向运动补偿，实现稳定图像的目的，最后通过已有中的模型进行前景目标提取，可以达到相对较好的效果。 针对问题四，为记录目标较运动较显著的帧数，运用已有模型能够对快进视频进行的目标检测，对每一帧的灰度值求和进行建模，观察其分布，记录大于阈值的帧数，能较好的实现预期结果。

实现在matlab中对雷达目标数据模拟生成以及将其点迹聚类。可以分别出四个不同的目标。

matlab2018a中使用卡尔曼滤波实现对视频按帧处理中目标跟踪，其中还用到了匈牙利匹配算法。