人脸识别实验报告

BPSK调制及解调实验报告

实验五BPSK调制及解调实验 一、实验目的 1、掌握BPSK调制和解调的基本原理； 2、掌握BPSK数据传输过程，熟悉典型电路； 3、了解数字基带波形时域形成的原理和方法，掌握滚降系数的概念； 4、熟悉BPSK调制载波包络的变化； 5、掌握BPSK载波恢复特点与位定时恢复的基本方法； 二、实验器材 1、主控&信号源、9号、13号模块各一块 2、双踪示波器一台 3、连接线若干 三、实验原理 1、BPSK调制解调（9号模块）实验原理框 PSK调制及解调实验原理框图 2、BPSK调制解调（9号模块）实验框图说明 基带信号的1电平和0电平信号分别与256KHz载波及256KHz反相载波相乘，叠加后得到BPSK调制输出；已调信号送入到13模块载波提取单元得到同步载波；已调信号与相干载波相乘后，经过低通滤波和门限判决后，解调输出原始基带信号。 四、实验步骤 实验项目一 BPSK调制信号观测（9号模块） 概述：BPSK调制实验中，信号是用相位相差180°的载波变换来表征被传递的信息。本项目通过对比观测基带信号波形与调制输出波形来验证BPSK调制原理。 1、关电，按表格所示进行连线。

2、开电，设置主控菜单，选择【主菜单】→【通信原理】→【BPSK/DBPSK数字调制解调】。将9号模块的S1拨为0000，调节信号源模块W3使256 KHz载波信号峰峰值为3V。 3、此时系统初始状态为：PN序列输出频率32KHz。 4、实验操作及波形观测。 （1）以9号模块“NRZ-I”为触发，观测“I”； （2）以9号模块“NRZ-Q”为触发，观测“Q”。 （3）以9号模块“基带信号”为触发，观测“调制输出”。 思考：分析以上观测的波形，分析与ASK有何关系？ 实验项目二 BPSK解调观测（9号模块） 概述：本项目通过对比观测基带信号波形与解调输出波形，观察是否有延时现象，并且验证BPSK解调原理。观测解调中间观测点TP8，深入理解BPSK解调原理。 1、保持实验项目一中的连线。将9号模块的S1拨为“0000”。 2、以9号模块测13号模块的“SIN”，调节13号模块的W1使“SIN”的波形稳定，即恢复出载波。 3、以9号模块的“基带信号”为触发观测“BPSK解调输出”，多次单击13号模块的“复位”按键。观测“BPSK解调输出”的变化。 4、以信号源的CLK为触发，测9号模块LPF-BPSK，观测眼图。 思考：“BPSK解调输出”是否存在相位模糊的情况？为什么会有相位模糊的情况？ 五、实验报告 1、分析实验电路的工作原理，简述其工作过程； 输入的基带信号由转换开关转接后分成两路，一路经过差分编码控制256KHz的载频，另一路经倒相去控制256KHz的载频。???解调采用锁相解调，只要在设计锁相环时，使它锁定在FSK的一个载频上此时对应的环路滤波器输出电压为零，而对另一载频失锁，则对应的环路滤波器输出电压不为零，那末在锁相环路滤波器输出端就可以获得原基带信号的信息。? 2、分析BPSK调制解调原理。 调制原理是：基带信号先经过差分编码得到相对码，再根据相对码进行绝对调相， 即将相对码的1电平和0电平信号分别与256K载波及256K反相载波相乘，叠加后得到DBPSK 调制输出。?

人脸识别实验报告

人脸识别——特征脸方法 贾东亚1２346046 一、实验目的 1、学会使用PCA主成分分析法。 ２、初步了解人脸识别的特征法。 3、更熟练地掌握ｍatｌab的使用。 二、原理介绍 1、ＰＣA(主成分分析法介绍） 引用一个网上的例子。假设有一份对遥控直升机操作员的调查,用x1(i)表示飞行员ｉ的 飞行技能，x2(i)表示飞行员ｉ喜欢飞行的程度。通常遥控直升飞机是很难操作的，只有那些 非常坚持而且真正喜欢驾驶的人才能熟练操作。所以这两个属性x1(i)和x2(i)相关性是非常强的。我们可以假设两者的关系是按正比关系变化的。如下图里的任意找的向量u1所示,数据散布在ｕ１两侧，有少许噪声。 现在我们有两项数据，是二维的。那么如何将这两项变量转变为一个来描述飞行员呢？由图中的点的分布可知,如果我们找到一个方向的Ｕ，所有的数据点在U的方向上的投影之 和最大,那么该U就能表示数据的大致走向。而在垂直于U的方向,各个数据点在该方向的投影相对于在U上的投影如果足够小,那么我们可以忽略掉各数据在该方向的投影,这样我们就把二维的数据转化成了在U方向上的一维数据。 为了将u选出来,我们先对数据进行预处理。先求出所有数据的平均值,然后用数据与平均值的偏差代替数据本身。然后对数据归一化以后,再代替数据本身。 而我们求最大的投影和，其实就是求各个数据点在U上的投影距离的方差最大。而ＸT u 就是投影的距离。故我们要求下式的最大值: 1 m ∑(x(i)T u)2=u T( 1 m ∑x(i)x(i)T m i=1 ) m i=1 u 按照u是单位向量来最大化上式,就是求1 m ∑x(i)x(i)T m i=1的特征向量。而此式是数据集的 协方差矩阵。

抽样定理和PCM调制解调实验报告

《通信原理》实验报告 实验一：抽样定理和PAM调制解调实验 系别：信息科学与工程学院 专业班级：通信工程1003班 学生姓名：陈威 同组学生：杨鑫 成绩： 指导教师：惠龙飞 （实验时间：2012 年 12 月 7 日——2012 年 12 月28日） 华中科技大学武昌分校

1、实验目的 1对电路的组成、波形和所测数据的分析，加深理解这种调制方法的优缺点。 2.通过脉冲幅度调制实验，使学生能加深理解脉冲幅度调制的原理。 2、实验器材 1、信号源模块 一块 2、①号模块 一块 3、60M 双踪示波器 一台 4、连接线 若干 3、实验原理 3.1基本原理 1、抽样定理 图3-1 抽样与恢复 2、脉冲振幅调制（PAM ） 所谓脉冲振幅调制，即是脉冲载波的幅度随输入信号变化的一种调制方式。如果脉冲载波是由冲激脉冲组成的，则前面所说的抽样定理，就是脉冲增幅调制的原理。 自然抽样 平顶抽样 ) (t m ) (t T

图3-3 自然抽样及平顶抽样波形 PAM方式有两种：自然抽样和平顶抽样。自然抽样又称为“曲顶”抽样，(t)的脉冲“顶部”是随m(t)变化的，即在顶部保持了m(t)变已抽样信号m s 化的规律（如图3-3所示）。平顶抽样所得的已抽样信号如图3-3所示，这里每一抽样脉冲的幅度正比于瞬时抽样值，但其形状都相同。在实际中，平顶抽样的PAM信号常常采用保持电路来实现，得到的脉冲为矩形脉冲。 四、实验步骤 1、将信号源模块、模块一固定到主机箱上面。双踪示波器，设置CH1通道为同步源。 2、观测PAM自然抽样波形。 （1）将信号源上S4设为“1010”，使“CLK1”输出32K时钟。 （2）将模块一上K1选到“自然”。 （3）关闭电源，连接 表3-1 抽样实验接线表 (5)用示波器观测信号源“2K同步正弦波”输出，调节W1改变输出信号幅度，使输出信号峰-峰值在1V左右。在PAMCLK处观察被抽样信号。CH1接PAMCLK（同步源），CH2接“自然抽样输出”（自然抽样PAM信号）。

模式识别第二次上机实验报告

北京科技大学计算机与通信工程学院 模式分类第二次上机实验报告 姓名：XXXXXX 学号：00000000 班级：电信11 时间：2014-04-16

一、实验目的 1．掌握支持向量机（SVM）的原理、核函数类型选择以及核参数选择原则等； 二、实验内容 2.准备好数据，首先要把数据转换成Libsvm软件包要求的数据格式为： label index1:value1 index2:value2 ... 其中对于分类来说label为类标识，指定数据的种类；对于回归来说label为目标值。（我主要要用到回归） Index是从1开始的自然数，value是每一维的特征值。 该过程可以自己使用excel或者编写程序来完成，也可以使用网络上的FormatDataLibsvm.xls来完成。FormatDataLibsvm.xls使用说明： 先将数据按照下列格式存放（注意label放最后面）： value1 value2 label value1 value2 label 然后将以上数据粘贴到FormatDataLibsvm.xls中的最左上角单元格，接着工具->宏执行行FormatDataToLibsvm宏。就可以得到libsvm要求的数据格式。将该数据存放到文本文件中进行下一步的处理。 3.对数据进行归一化。 该过程要用到libsvm软件包中的svm-scale.exe Svm-scale用法： 用法：svmscale [-l lower] [-u upper] [-y y_lower y_upper] [-s save_filename] [-r restore_filename] filename （缺省值：lower = -1，upper = 1，没有对y进行缩放）其中，-l：数据下限标记；lower：缩放后数据下限；-u：数据上限标记；upper：缩放后数据上限；-y：是否对目标值同时进行缩放；y_lower为下限值，y_upper为上限值；（回归需要对目标进行缩放，因此该参数可以设定为–y -1 1 ）-s save_filename：表示将缩放的规则保存为文件save_filename；-r restore_filename：表示将缩放规则文件restore_filename载入后按此缩放；filename：待缩放的数据文件（要求满足前面所述的格式）。缩放规则文件可以用文本浏览器打开，看到其格式为： y lower upper min max x lower upper index1 min1 max1 index2 min2 max2 其中的lower 与upper 与使用时所设置的lower 与upper 含义相同；index 表示特征序号；min 转换前该特征的最小值；max 转换前该特征的最大值。数据集的缩放结果在此情况下通过DOS窗口输出，当然也可以通过DOS的文件重定向符号“>”将结果另存为指定的文件。该文件中的参数可用于最后面对目标值的反归一化。反归一化的公式为： （Value-lower）*（max-min）/(upper - lower)+lower 其中value为归一化后的值，其他参数与前面介绍的相同。 建议将训练数据集与测试数据集放在同一个文本文件中一起归一化，然后再将归一化结果分成训练集和测试集。 4.训练数据，生成模型。 用法：svmtrain [options] training_set_file [model_file] 其中，options（操作参数）：可用的选项即表示的涵义如下所示-s svm类型：设置SVM 类型，默

通信原理实验报告

北京联合大学 课程名称：通信原理实验报告 学院：信息学院专业：通信工程 班级：41A 学号：2008080304334 姓名：胡雪瑞成绩： 2010年12 月27 日

实验一图符库的使用 一、实验目的 1、了解SystemView图符库的分类 2、掌握SystemView各个功能库常用图符的功能及其使用方法 二、实验内容 按照实例使用图符构建简单的通信系统，并了解每个图符的功能。 三、实验步骤 实验方框图 i.从基本图符库中选择信号源图符，选择正弦波信号，参数设定中设置幅度为1， 频率为10Hz，相位为0。 ii.选择函数库，并选择Algebraic 标签下的图符。在参数设定中设置a=2，表示进行x2运算。 iii.放置两个接收器图符，分别接收信号源图符的输出和函数算术运算的输出，并 选择Graphic 标签下的图符，表示在系统运行结束后才显示接收到的波形。 四、实验结果

实验二 常规调幅(AM) 一．概述 在连续波的模拟调制中，最简单的形式是使单频余弦载波的幅度在平均值处随调制信号线性变化，或者输出已调信号的幅度与输入调制信号f (t)呈线性对应关系，这种调制称为标准调幅或一般调幅，记为AM 。本实验采用这种方式。 二．实验原理及其框图 1. 调制部分 标准调幅的调制器可用一个乘法器来实现。 AM 信号时域表达式为：t t m A t s c AM ωcos )]([)(0+= 其中：A 0为载波幅度，ωc 为载波频率，m (t )为调制信号。 其频域表示式为： )]()([2 1)]()([)(0c c c c AM M M A S ωωωωωωδωωδπω++++ +++= 其原理框图 2. 解调部分： 解调有相干和非相干两种。非相干系统设备简单，但在信噪比较小时，相干系统的性能优于非相干系统。这里采用相干解调。 原理框图 三．实验步骤 1．根据AM 调制与解调原理，用Systemview 软件建立一个仿真电路 2. 元件参数配置 Token 0: 被调信息信号—正弦波发生器 （频率=1000 Hz ） Token 1,8: 乘法器 Token 2: 增益放大器 （增益满足不发生过调制的条件） Token 4: 加法器 Token 3,10: 载波—正弦波发生器 （频率=50 Hz ） Token 9: 模拟低通滤波器 （截止频率=75 Hz ） Token 5,6,7,11: 观察点—分析窗 m (0c (t ) s m c

人工智能YOLO V2 图像识别实验报告材料

第一章前言部分 1.1课程项目背景与意义 1.1.1课程项目背景 视觉是各个应用领域，如制造业、检验、文档分析、医疗诊断，和军事等领域中各种智能/自主系统中不可分割的一部分。由于它的重要性，一些先进国家，例如美国把对计算机视觉的研究列为对经济和科学有广泛影响的科学和工程中的重大基本问题，即所谓的重大挑战。计算机视觉的挑战是要为计算机和机器人开发具有与人类水平相当的视觉能力。机器视觉需要图象信号，纹理和颜色建模，几何处理和推理，以及物体建模。一个有能力的视觉系统应该把所有这些处理都紧密地集成在一起。作为一门学科，计算机视觉开始于60年代初，但在计算机视觉的基本研究中的许多重要进展是在80年代取得的。计算机视觉与人类视觉密切相关，对人类视觉有一个正确的认识将对计算机视觉的研究非常有益。 计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。这里所指的信息指Shannon定义的，可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。 科学技术的发展是推动人类社会进步的主要原因之一,未来社会进一步地朝着科技化、信息化、智能化的方向前进。在信息大爆炸的今天,充分利用这些信息将有助于社会的现代化建设,这其中图像信息是目前人们生活中最常见的信息。利用这些图像信息的一种重要方法就是图像目标定位识别技术。不管是视频监控领域还是虚拟现实技术等都对图像的识别有着极大的需求。一般的图像目标定位识别系统包括图像分割、目标关键特征提取、目标类别分类三个步骤。 深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习的概念由Hinton等人于2006年提出。基于深度置信网络提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。

通信原理2DPSK调制与解调实验报告

通信原理课程设计报告

一. 2DPSK基本原理 1.2DPSK信号原理 2DPSK方式即是利用前后相邻码元的相对相位值去表示数字信息的一种方式。现假设用Φ表示本码元初相与前一码元初相之差，并规定：Φ＝0表示0码，Φ＝π表示1码。则数字信息序列与2DPSK信号的码元相位关系可举例表示如2PSK信号是用载波的不同相位直接去表示相应的数字信号而得出的，在接收端只能采用相干解调，它的时域波形图如图2.1所示。 图1.1 2DPSK信号 在这种绝对移相方式中，发送端是采用某一个相位作为基准，所以在系统接收端也必须采用相同的基准相位。如果基准相位发生变化，则在接收端回复的信号将与发送的数字信息完全相反。所以在实际过程中一般不采用绝对移相方式，而采用相对移相方式。 定义?Φ为本码元初相与前一码元初相之差，假设： ?Φ=0→数字信息“0”； ?Φ=π→数字信息“1”。 则数字信息序列与2DPSK信号的码元相位关系可举例表示如下： 数字信息： 1 0 1 1 0 1 1 1 0 1

DPSK信号相位：0 π π 0 π π 0 π 0 0 π 或：π 0 0 π 0 0 π 0 π π 0 2. 2DPSK信号的调制原理 一般来说，2DPSK信号有两种调试方法，即模拟调制法和键控法。2DPSK 信号的的模拟调制法框图如图1.2.1所示，其中码变换的过程为将输入的单极性不归零码转换为双极性不归零码。 图1.2.1 模拟调制法 2DPSK信号的的键控调制法框图如图1.2.2所示，其中码变换的过程为将输入的基带信号差分，即变为它的相对码。选相开关作用为当输入为数字信息“0”时接相位0，当输入数字信息为“1”时接pi。 图1.2.2 键控法调制原理图 码变换相乘 载波 s(t)e o(t)

模式识别实验报告

模式识别实验报告

————————————————————————————————作者：————————————————————————————————日期：

实验报告 实验课程名称：模式识别 姓名：王宇班级： 20110813 学号： 2011081325 实验名称规范程度原理叙述实验过程实验结果实验成绩 图像的贝叶斯分类 K均值聚类算法 神经网络模式识别 平均成绩 折合成绩 注：1、每个实验中各项成绩按照5分制评定，实验成绩为各项总和 2、平均成绩取各项实验平均成绩 3、折合成绩按照教学大纲要求的百分比进行折合 2014年 6月

实验一、 图像的贝叶斯分类 一、实验目的 将模式识别方法与图像处理技术相结合，掌握利用最小错分概率贝叶斯分类器进行图像分类的基本方法，通过实验加深对基本概念的理解。 二、实验仪器设备及软件 HP D538、MATLAB 三、实验原理 概念： 阈值化分割算法是计算机视觉中的常用算法，对灰度图象的阈值分割就是先确定一个处于图像灰度取值范围内的灰度阈值，然后将图像中每个像素的灰度值与这个阈值相比较。并根据比较的结果将对应的像素划分为两类，灰度值大于阈值的像素划分为一类，小于阈值的划分为另一类，等于阈值的可任意划分到两类中的任何一类。 最常用的模型可描述如下：假设图像由具有单峰灰度分布的目标和背景组成，处于目标和背景内部相邻像素间的灰度值是高度相关的，但处于目标和背景交界处两边的像素灰度值有较大差别，此时，图像的灰度直方图基本上可看作是由分别对应于目标和背景的两个单峰直方图混合构成。而且这两个分布应大小接近，且均值足够远，方差足够小，这种情况下直方图呈现较明显的双峰。类似地，如果图像中包含多个单峰灰度目标，则直方图可能呈现较明显的多峰。 上述图像模型只是理想情况，有时图像中目标和背景的灰度值有部分交错。这时如用全局阈值进行分割必然会产生一定的误差。分割误差包括将目标分为背景和将背景分为目标两大类。实际应用中应尽量减小错误分割的概率，常用的一种方法为选取最优阈值。这里所谓的最优阈值，就是指能使误分割概率最小的分割阈值。图像的直方图可以看成是对灰度值概率分布密度函数的一种近似。如一幅图像中只包含目标和背景两类灰度区域，那么直方图所代表的灰度值概率密度函数可以表示为目标和背景两类灰度值概率密度函数的加权和。如果概率密度函数形式已知，就有可能计算出使目标和背景两类误分割概率最小的最优阈值。 假设目标与背景两类像素值均服从正态分布且混有加性高斯噪声，上述分类问题可以使用模式识别中的最小错分概率贝叶斯分类器来解决。以1p 与2p 分别表示目标与背景的灰度分布概率密度函数，1P 与2P 分别表示两类的先验概率，则图像的混合概率密度函数可用下式表示为

通信电路实验报告

实验十一包络检波及同步检波实验 一、实验目的 1、进一步了解调幅波的原理,掌握调幅波的解调方法。 2、掌握二极管峰值包络检波的原理。 3、掌握包络检波器的主要质量指标,检波效率及各种波形失真的现 象，分析产生的原因并思考克服的方法。 4、掌握用集成电路实现同步检波的方法。 二、实验内容 1、完成普通调幅波的解调。 2、观察抑制载波的双边带调幅波的解调。 3、观察普通调幅波解调中的对角切割失真，底部切割失真以及检波 器不加高频滤波时的现象。 三、实验仪器 1、信号源模块 1 块 2、频率计模块 1 块 3、4 号板 1 块 4、双踪示波器 1 台 5、万用表 1 块 三、实验原理 检波过程是一个解调过程，它与调制过程正好相反。检波器的作用是从振幅受调制的高频信号中还原出原调制的信号。还原所得的

信号，与高频调幅信号的包络变化规律一致，故又称为包络检波器。假如输入信号是高频等幅信号，则输出就是直流电压。这是检波器的一种特殊情况，在测量仪器中应用比较多。例如某些高频伏特计的探头，就是采用这种检波原理。 若输入信号是调幅波，则输出就是原调制信号。这种情况应用最广泛，如各种连续波工作的调幅接收机的检波器即属此类。从频谱来看，检波就是将调幅信号频谱由高频搬移到低频。检波过程也是应用非线性器件进行频率变换，首先产生许多新频率，然后通过滤波器，滤除无用频率分量，取出所需要的原调制信号。 常用的检波方法有包络检波和同步检波两种。全载波振幅调制信号的包络直接反映了调制信号的变化规律，可以用二极管包络检波的方法进行解调。而抑制载波的双边带或单边带振幅调制信号的包络不能直接反映调制信号的变化规律，无法用包络检波进行解调，所以采用同步检波方法。 1、二极管包络检波的工作原理 当输入信号较大(大于0.5伏)时，利用二极管单向导电特性对振幅调制信号的解调，称为大信号检波。检波的物理过程如下：在高频信号电压的正半周时，二极管正向导通并对电容器 C 充电，由于二极管的正向导通电阻很小，所以充电电流iD 很大，使电容器上的电压VC 很快就接近高频电压的峰值。 这个电压建立后通过信号源电路，又反向地加到二极管 D 的两端。这时二极管导通与否，由电容器C 上的电压VC和输入信号电

人脸识别实验报告解读

人脸识别——特征脸方法 贾东亚12346046 一、实验目的 1、学会使用PCA主成分分析法。 2、初步了解人脸识别的特征法。 3、更熟练地掌握matlab的使用。 二、原理介绍 1、PCA（主成分分析法介绍） 引用一个网上的例子。假设有一份对遥控直升机操作员的调查，用表示飞行员i的 飞行技能，表示飞行员i喜欢飞行的程度。通常遥控直升飞机是很难操作的，只有那些 非常坚持而且真正喜欢驾驶的人才能熟练操作。所以这两个属性和相关性是非常强的。我们可以假设两者的关系是按正比关系变化的。如下图里的任意找的向量u1所示，数据散布在u1两侧，有少许噪声。 现在我们有两项数据，是二维的。那么如何将这两项变量转变为一个来描述飞行员呢？由图中的点的分布可知，如果我们找到一个方向的U，所有的数据点在U的方向上的投影之和最大，那么该U就能表示数据的大致走向。而在垂直于U的方向，各个数据点在该方向 的投影相对于在U上的投影如果足够小，那么我们可以忽略掉各数据在该方向的投影，这 样我们就把二维的数据转化成了在U方向上的一维数据。 为了将u选出来，我们先对数据进行预处理。先求出所有数据的平均值，然后用数据与平均值的偏差代替数据本身。然后对数据归一化以后，再代替数据本身。 而我们求最大的投影和，其实就是求各个数据点在U上的投影距离的方差最大。而X T u 就是投影的距离。故我们要求下式的最大值： 按照u是单位向量来最大化上式，就是求的特征向量。而此式是数据集的协方差矩阵。

在实际应用中，我们不止面临二维的数据。因此不能使用几何的形式呈现，但原理也是一样。就是找到一组相互正交的单位向量，然后根据贡献率考虑选择其中的部分作为考量的维数，这也就实现了数据的降维。 三、实验步骤 1、将库里的400张照片分成两组。一组作为训练，一组作为库。每个人的前五张照片作为 训练，后五张作为库。训练的照片按照顺序的数字重命名。库的照片名字不变。 2、库照片处理。 ①将每一张库的照片转化成N维的向量。（库里的照片是112*92，故将转化成的矩阵按列或行展开，就是个10304维的向量）我们稍后要对如此多维的向量用PCA进行降维。然后把这些向量存入一个矩阵里。而我是将这200个向量以列的形式存在了矩阵里。 即 ，，， ②将这200个向量的每个元素相加起来求出平均值。再用Z里的每一个向量减去这个平均值得到每个的偏差。 平均值，每个向量的偏差 即最后 ，，， ③接下来我们就要针对这些预处理后的数据进行降维。我们要求的N个相互正交的向量就是协方差矩阵的特征向量，而对应的特征值就是各个向量所占的比重。但是Z是个10304*200的矩阵，那么就是个10304*10304的矩阵。使用matlab直接求其特征值与特征向量不太实际。 所以我们考虑一个简单的运算方法： 协方差矩阵的秩受到训练图像的限制：如果有N个训练样本，则最多有N? 1 个对应非零特征值的特征向量，其他的特征向量对应的特征值都是0。如果训练样本的数目比图像的维数低，则可以通过如下方法简化主成份的计算。 设 Z是预处理图像的矩阵，每一列对应一个减去均值图像之后的图像。则，协方差矩阵为，并且对S的特征值分解为

振幅调制电路实验报告(DOC)

西南科技大学 课程设计报告 课程名称：高频电路课程设计 设计名称：振幅调制电路 姓名：李光伟 学号: 20105315 班级：电子1001 指导教师：魏冬梅 起止日期：2012.12.24-2013.1.6 西南科技大学信息工程学院制

课程设计任务书 学生班级：电子1001 学生姓名：李光伟学号：20105315 设计名称：振幅调制电路 起止日期：2012.12.24-2013.1.6指导教师：魏冬梅 设计要求：波信号为1MHz，低频调制信号为1kHz，两个信号均为正弦波信号。这两个输入信号可以采用实验室的信号源产生，也可以自行设计产生，采用乘法器1496设计调幅电路。 产生DSB信号，输出信号幅度>200mV。

课程设计学生日志时间设计内容

课程设计考勤表 周星期一星期二星期三星期四星期五 课程设计评语表指导教师评语： 成绩：指导教师： 年月日

振幅调制电路 一、 设计目的和意义 目的：实现抑制载波的双边带调幅。产生DSB 信号，输出信号幅度>200mV 。 意义：实现抑制载波的双边带调幅。 二、 设计原理 由集成模拟乘法器MC1496构成的振幅调制电路，可以实现普通调幅、抑制载波的双边带调幅以及单边带调幅。本次实验采用MC1496模拟乘法器是对两个模拟信号(电压或电流)实现相乘功能的有源非线性器件。主要功能是实现两个互不相关信号相乘．即输出信号与两输入信号相乘输出，总电路图如图1所示。 [1] 振幅调制就是使载波信号的振幅随调制信号的变化规律而变化的技术。通常载波信号为高频信号，调制信号为低频信号。设载波信号的表达式为： ()t U u c cm c ωcos =， 调制信号的表达式为t V t u cm Ω=Ωcos )(则调制信号的表达式 为：t t m V u c cm ωcos )cos 1(0Ω+= =t mV t t mV t V c cm c cm c cm )cos(21)cos(21cos Ω-+Ω++ ωωω错误！未找到 引用源。

KL变换应用于人脸识别

基于K-L 变换的人脸识别 一、基本要求 从网上下载人脸图像，构建人脸训练数据库和测试数据库，采用K-L 变换进行特征脸提取，并实现人脸识别。通过K-L 变换在人脸识别中的应用，加深对所学内容的理解和感性认识。 1、或者从网上下载其它数据库，编程实现K-L 变换。 2、课堂报告、并提交实验报告及相应程序。 二、实验原理 1、K-L 变换：就是以样本特征向量在特征空间分布为原始数据，通过变换，找 到维数较少的组合特征，达到降维的目的。 K-L 变换是一种正交变换，即将一个向量X ，在某一种坐标系统中的描述，转换成用另一种基向量组成的坐标系表示。这组基向量是正交的，其中每个坐标 基向量用j u 表示，∞=,2,1 ， j ，因此，一个向量X 可表示成 ∑∞ == 1 j j j u c X 如果我们将由上式表示的无限多维基向量坐标系统改成有限维坐 标系近似，即 ∑=∧ =d j j j u c X 1 表示X 的近似值或估计量，我们希望在同样维数条件下，使向量X 的估计量误差最小。确切地说是使所引起的均方误差: )]?()?[(X X X X E T --=ξ 为最小。K-L 变换可以实现这个目的。 因为 ?? ?≠==i j i j u u i T j 0 1

将 ∑∞ +=∧ = -1 d j j j u c X X 带入到)]?()?[(X X X X E T --=ξ中可得到 ][ 1 2 ∑∞ ==j j c E ξ 容易看到 X u c T j j = 因此 ][ 1 ∑∞ +=d j T T j u XX u E ξ 由于j u 是确定性向量，因此上式可改写为 [] ∑∞ +== 1 d j j T T j u XX E u ξ 令 [] T XX E =ψ 则 ∑∞ +== 1 d j j T j u u ψξ 用拉格朗日乘子法，可以求出在满足正交条件下，ξ取极值的坐标系统，即用函数 ∑∑∞ +=∞ +=-- =1 1 ]1[d j j T j j d j j T j j u u u u u g λψ） （ 对j u ，∞+=,,1 d j 求导数，因此有 ∞+==,,1,0- d j u I j j ）（λψ 我们令0=d ，从而可得到以下的结论： 以矩阵ψ的本征向量座位坐标轴来展开X 时，其截断均方误差具有极值性质，且当取d 个d j u j ,,2,1 =，来逼近X 时，其均方误差 ∑∞ +== 1 d j j λ ξ 式中j λ是矩阵ψ的相应本征值。 可以证明，当取d 个与矩阵ψ的d 个最大本征值对应的本征向量来展开X

实验报告simulink

班级：姓名：学号：

实验一：AM 信号的调制与解调 实验目的：1.了解模拟通信系统的仿真原理。 2.AM 信号是如何进行调制与解调的。 实验原理： 1.调制原理：AM 调制是用调制信号去控制高频正弦载波的幅度，使其按调制信号的规律变化的过程,就是按原始电信号的变化规律去改变载波某些参量的过程。 + m(t) S AM (t)A 0 cos ωc t AM 信号的时域和频域的表达式分别为: ()()[]()()()()t t m t A t t m A t S C C C AM ωωωcos cos cos 00+=+= 式（4-1） ()()()[]()()[]C C C C AM M M A S ωωωωωωδωωδπω-+++ -++=2 1 0 式（4-2） 在式中，为外加的直流分量；可以是确知信号也可以是 随机信号，但通常认为其平均值为0，即。其频谱是DSB SC-AM 信号的频谱加上离散大载波的频谱。 2.解调原理：AM 信号的解调是把接收到的已调信号还 原为调制信号。 AM 信号的解调方法有两种：相干解调和包 络检波解调。 AM 相干解调原理框图如图。相干解调（同步解调）：利用

相干载波（频率和相位都与原载波相同的恢复载波）进行的解调，相干解调的关键在于必须产生一个与调制器同频同相位的载波。如果同频同相位的条件得不到满足，则会破坏原始信号的恢复。相干载波的提取：（1）导频法：在发送端加上一离散的载频分量，即导频，在接收端用窄带滤波器提取出来作为相干载波，导频的功率要求比调制信号的功率小；（2）不需导频的方法：平方环法、COSTAS环法。 LPF m0(t) S AM(t) cosωc t AM信号波形的包络与输入基带信号成正比，故可以用包络检波的方法恢复原始调制信号。包络检波器一般由半波或全波整流器和低通滤波器组成： （1）整流：只保留信号中幅度大于0的部分。（2）低通滤波器：过滤出基带信号；（3）隔直流电容：过滤掉直流分量。实验内容： 1.AM相干解调框图。

通信原理2DPSK调制与解调实验报告

通信原理课程设计报告 一. 2DPSK基本原理 1.2DPSK信号原理 2DPSK方式即是利用前后相邻码元的相对相位值去表示数字信息的一种方式。现假设用Φ表示本码元初相与前一码元初相之差，并规定：Φ＝0表示0码，

Φ＝π表示1码。则数字信息序列与2DPSK信号的码元相位关系可举例表示如2PSK信号是用载波的不同相位直接去表示相应的数字信号而得出的，在接收端只能采用相干解调，它的时域波形图如图2.1所示。 图1.1 2DPSK信号 在这种绝对移相方式中，发送端是采用某一个相位作为基准，所以在系统接收端也必须采用相同的基准相位。如果基准相位发生变化，则在接收端回复的信号将与发送的数字信息完全相反。所以在实际过程中一般不采用绝对移相方式，而采用相对移相方式。 定义?Φ为本码元初相与前一码元初相之差，假设： ?Φ=0→数字信息“0”； ?Φ=π→数字信息“1”。 则数字信息序列与2DPSK信号的码元相位关系可举例表示如下： 数字信息： 1 0 1 1 0 1 1 1 0 1 DPSK信号相位：0 π π 0 π π 0 π 0 0 π 或：π 0 0 π 0 0 π 0 π π 0 2. 2DPSK信号的调制原理 一般来说，2DPSK信号有两种调试方法，即模拟调制法和键控法。2DPSK 信号的的模拟调制法框图如图1.2.1所示，其中码变换的过程为将输入的单极性不归零码转换为双极性不归零码。

图1.2.1 模拟调制法 2DPSK信号的的键控调制法框图如图1.2.2所示，其中码变换的过程为将输入的基带信号差分，即变为它的相对码。选相开关作用为当输入为数字信息“0”时接相位0，当输入数字信息为“1”时接pi。 图1.2.2 键控法调制原理图 3. 2DPSK信号的解调原理 2DPSK信号最常用的解调方法有两种，一种是极性比较和码变换法，另一种是差分相干解调法。 (1) 2DPSK信号解调的极性比较法 它的原理是2DPSK信号先经过带通滤波器，去除调制信号频带以外的在信道中混入的噪声，再与本地载波相乘，去掉调制信号中的载波成分，再经过低通滤波器去除高频成分，得到包含基带信号的低频信号，将其送入抽样判决器中进行抽样判决的到基带信号的差分码，再经过逆差分器，就得到了基带信号。它的原理框图如图1.3.1所示。 码变换相乘 载波 s(t)e o(t) 相乘器低通滤波器抽样判决器2DPSK 带通滤波器 延迟T

振幅调制电路实验报告

南昌大学实验报告 学生姓名：王晟尧学号：6102215054专业班级：通信152班 实验类型：□验证□综合□设计□创新实验日期：实验成绩： 乘法器振幅调制电路 一、实验目的 了解并研究各个模拟乘法器调幅电路特性和波形变化的特点以及频谱分析。 二、实验原理 调制、解调和混频电路是通信设备中重要的组成成分。用代传输的低频信号控制高频载波参数的电路，称为调制电路。振幅调制有基本的普通调幅（AM）和在此基础上演变出来的抑制载波的双边带调幅（DSB）、单边带调幅（SSB)。 三、实验步骤 （1）普通调幅（AM) V2为载波信号 V1为调制信号

傅里叶频谱分析：

由以上数据可以得知： ①仿真检测的调制信号频率与输出调幅波的包络信号频率基本相同；载波信号的振幅按照调制信号的变化规律变化而形成的调幅波，携带着调制信号的信息，调幅波的包络线与相应的调制信号相同； ②调制过程实际上是一种频率搬移的过程，即经过调幅后，调制信号的频谱被对称地搬移到载频的两侧。同时，在调幅波中，载频不含任何有用信息，需传输的信息只包含与边频分量中，边频的振幅反映了调制信号幅度的大小，边频的频率反映调制信号频率的高低。 （2）双边带调幅（DSB）

傅里叶频谱分析： 可知：①为了节省发射功率，可采用抑制载波信号的双边带调幅电路； ②双边带调幅波波形仍随调制信号变化，但其包络线已不再反映原调制信号的形状，当调制信号进入负半周时，载波信号产生180度相位突变； ③双边带调幅波同样是实现频谱搬移，但频谱图上没有出现载波分量，只有两个边带分量。 （3）单边带调幅（SSB）

傅里叶频谱分析： 由以上数据可以知：①单边带调制方式将已调波的频谱宽度基本压缩了一

人脸识别实验报告

人脸识别——特征脸方法 贾东亚 一、 实验目的 1、学会使用PCA 主成分分析法。 2、初步了解人脸识别的特征法。 3、更熟练地掌握matlab 的使用。 二、 原理介绍 1、 PCA （主成分分析法介绍） 引用一个网上的例子。假设有一份对遥控直升机操作员的调查，用x 1(i ) 表示飞行员i 的 飞行技能，x 2(i )表示飞行员i 喜欢飞行的程度。通常遥控直升飞机是很难操作的，只有那些非常坚持而且真正喜欢驾驶的人才能熟练操作。所以这两个属性x 1(i )和x 2(i )相关性是非常强的。我们可以假设两者的关系是按正比关系变化的。如下图里的任意找的向量u1所示，数据散布在u1两侧，有少许噪声。 现在我们有两项数据，是二维的。那么如何将这两项变量转变为一个来描述飞行员呢由图中的点的分布可知，如果我们找到一个方向的U ，所有的数据点在U 的方向上的投影之和最大，那么该U 就能表示数据的大致走向。而在垂直于U 的方向，各个数据点在该方向的投影相对于在U 上的投影如果足够小，那么我们可以忽略掉各数据在该方向的投影，这样我们就把二维的数据转化成了在U 方向上的一维数据。

为了将u选出来，我们先对数据进行预处理。先求出所有数据的平均值，然后用数据与平均值的偏差代替数据本身。然后对数据归一化以后，再代替数据本身。 而我们求最大的投影和，其实就是求各个数据点在U上的投影距离的方差最大。而X T u 就是投影的距离。故我们要求下式的最大值： 1 m ∑(x(i)T u)2=u T( 1 m ∑x(i)x(i)T m i=1 ) m i=1 u 按照u是单位向量来最大化上式，就是求1 m ∑x(i)x(i)T m i=1 的特征向量。而此式是数据集 的协方差矩阵。 在实际应用中，我们不止面临二维的数据。因此不能使用几何的形式呈现，但原理也是一样。就是找到一组相互正交的单位向量u k，然后根据贡献率考虑选择其中的部分作为考量的维数，这也就实现了数据的降维。 三、实验步骤 1、将库里的400张照片分成两组。一组作为训练，一组作为库。每个人的前五张照片作为 训练，后五张作为库。训练的照片按照顺序的数字重命名。库的照片名字不变。 2、库照片处理。 ①将每一张库的照片转化成N维的向量。（库里的照片是112*92，故将转化成的矩阵按列或行展开，就是个10304维的向量）我们稍后要对如此多维的向量用PCA进行降维。然后把这些向量存入一个矩阵里。而我是将这200个向量以列的形式存在了矩阵里。 即 Z={Γ1，Γ2，Γ3，Γ4 (200)

模式识别实验报告(一二)

信息与通信工程学院 模式识别实验报告 班级： 姓名： 学号： 日期：2011年12月

实验一、Bayes 分类器设计 一、实验目的： 1.对模式识别有一个初步的理解 2.能够根据自己的设计对贝叶斯决策理论算法有一个深刻地认识 3.理解二类分类器的设计原理 二、实验条件： matlab 软件 三、实验原理： 最小风险贝叶斯决策可按下列步骤进行： 1)在已知 ) (i P ω， ) (i X P ω，i=1,…，c 及给出待识别的X 的情况下，根据贝叶斯公式计 算出后验概率： ∑== c j i i i i i P X P P X P X P 1 ) ()() ()()(ωωωωω j=1,…，x 2)利用计算出的后验概率及决策表，按下面的公式计算出采取i a ,i=1,…，a 的条件风险 ∑== c j j j i i X P a X a R 1 )(),()(ωω λ,i=1,2,…,a 3)对(2)中得到的a 个条件风险值) (X a R i ,i=1,…，a 进行比较，找出使其条件风险最小的 决策k a ，即()() 1,min k i i a R a x R a x == 则 k a 就是最小风险贝叶斯决策。 四、实验内容 假定某个局部区域细胞识别中正常（1ω）和非正常（2ω）两类先验概率分别为 正常状态：P （1ω）=； 异常状态：P （2ω）=。 现有一系列待观察的细胞，其观察值为x ： 已知先验概率是的曲线如下图：

)|(1ωx p )|(2ωx p 类条件概率分布正态分布分别为（-2，）（2,4）试对观察的结果 进行分类。 五、实验步骤： 1.用matlab 完成分类器的设计，说明文字程序相应语句，子程序有调用过程。 2.根据例子画出后验概率的分布曲线以及分类的结果示意图。 3.最小风险贝叶斯决策，决策表如下： 结果,并比较两个结果。 六、实验代码 1.最小错误率贝叶斯决策 x=[ ] pw1=; pw2=; e1=-2; a1=; e2=2;a2=2; m=numel(x); %得到待测细胞个数 pw1_x=zeros(1,m); %存放对w1的后验概率矩阵 pw2_x=zeros(1,m); %存放对w2的后验概率矩阵

面部表情识别实验报告分析

面部表情识别实验 实验报告 小组成员： 面部表情识别实验 西南大学重庆 400715

摘要：情绪认知是一种复杂的过程，它包含观察、分析、判断、推理等，是借助于许多线索，特别是借助面部那些活动性更大的肌肉群的运动而实现的。所以，情绪认知的准确度受多种因素的影响。 当我们与他人相互交往的时候，不管是不是面对面。我们都正在不断的表达着情绪，同时又正在观察，解释着的对方做出的表情，在人际交往过程中，情绪的表达和认知是十分的迅速和及时，那么人是借助于哪些表情来认知他人的情绪的呢？情绪识别实际上并不是针对表情本身的，而是针对这它背后的意义。例如：皱眉可能是一种情绪的表现，我们见到这种面部表情就试图解释潜在于它背后的情绪。尖锐，短促，声音嘶哑可能是一种情绪表现，我们听到这种语言表情就试图解释潜在于它背后的情绪捶胸，顿足可能是一种情绪的表现，我们见到这种动作表情就是试图解释潜在于它背后的情绪。对于这个复杂的问题，心理学家曾经做过许多的研究。 面部表情认知的研究可分为两个步骤：第一步是面部表情刺激物的制作或选择，这可以用专门拍摄(录像)或图示来描画，也可以用完全装扮出的活生生的表情或自发的表情等。第二步时对表情进行识别评定。也可以用多种方法，如自由评定法，即让被试自由地对表情给出情绪词汇；或限制评定法，即向被试提供各种提供各种情绪词汇或情绪情境，要求被试只能根据所提供的情绪词汇或者情绪情境进行分类或者匹配等；或参照自由评定法，即向被试提供参考线索（如情境，人格特征等），让其说出所表达的情绪的词汇等。 关键词：情绪表情认知线索

1 前言 传统心理学把情绪列为心理现象的三大方面之一。情绪也是心理学理论体系中一个不可缺少的研究环节。情绪（emotion）是体验，又是反应；是冲动，又是行为；它是有机体的一种复合状态。情绪的表现有和缓的和激动的，细微的和强烈的，轻松的和紧张的等诸多形式，广泛地同其他心理过程相联系。自古以来，科学家们十分注意探讨情绪之奥妙，但与情绪的重要性不相适应的是，长期以来情绪研究一直是心理学尤其是实验心理学研究中的一个薄弱环节。造成这一现象的最主要原因是情绪所特有的复杂性以及由此衍生出来的情绪研究方法学上的困难。我国心理学家孟昭兰（1987）将理论认为面部表情是传递具体信息的外显行为面部表情是提供人们在感情上互相了解的鲜明标记。情绪过程既包括情绪体验，也包括情绪表现，而表情既是情绪的外部表现，也是情绪体验的发生机制；既是最敏锐的情绪发生器，也是最有效的情绪显示器。这就从机制上说明了以面部肌肉运动模式作为情绪标志的根据。 面部表情（facial expression_r）的发生是有其客观的物质基础的：表情按面部不同部位的肌肉运动而模式化，面部反应模式携带着心理学的意义，那就是或快乐、或悲伤等具体情绪。但是，对表情进行测量的原则在于：所要测量的是面孔各部位的肌肉运动本身，而不是面部所给予观察者的情绪信息。该实验将14名被试分为两组进行表情认知的实验，实验目的在于通过实验了解面部表情认知的基本