一段用于光谱分析波段选择的无信息变量消除算法matlab代码。

光谱特征波段的筛选，选择光谱数据中具有代表性的变量用以建立定量预测模型

在遥感数据处理研究中，高维高光谱数据的冗余信息和噪声严重影响高光谱数据的分类精度，针对此问题提出基于互信息波段选择和经验模态分解的高精度高光谱数据分类算法(MI-EMD-SVM)。分别采用基于互信息波段选择方法和经验模态分解实现对高光谱数据的冗余信息处理和特征提取，并获得处理后的高光谱数据X″。采用支持向量机分类算法对处理后的高光谱数据X″进行分类实验。仿真实验结果证实MI-EMD-SVM算法不仅提高高光谱数据分类精度，同时还减少支持向量数目，提高高光谱数据分类速度。

基于ENVI的单波段输出SAV文件，可以实现单波段批量输出

利用gdal批量提取遥感影像中的单波段，并附带打包代码

随着现代社会的发展，快速监侦测有无火灾发生成为一个亟待解决的紧迫任务在高层建筑、大型仓库和大型娱乐场所等一些储存有重要物品或人群密集的公共场所，如果能尽旱发现火灾发生，将能够极大的降减低财产损失和人员伤亡。因此研制一种能够快速准确报警的火灾监测系统十分必要。   本文主要研究利用 PerkinElmer公司生产的双热电堆传感器TPS2534和T公司生产的MSP430F149来研制一种能够快速发现火焰出现的红外型火焰探测系统，这种火焰探测系统能够直接监测有无火焰产生，并做出报警。对有明火产生的火灾而言，应用火焰探测系统能够提高报警速度，并且相对传统的感温/感烟型火灾探测系统而言，准确率也有提高。   本文主要阐述了以下儿部分内容：介绍了 PerkinElmer公司的TPS2534双热电堆传感器的工作原理和与之利用进行火焰探测的基本方法，并与以前的火焰探测方法对比，说明了火焰探测方法的优势所在。同时还对系统的硬件系统设计进行详细叙述，主要介绍了计算控制核心MSP430和TPS2534双热电堆传感器的工作原理系统整体设计，并简要阐述其它的外围模块，如存储模块、实时时钟模块等。另外对火焰识别算法进行了说明，卡要介绍了本系统的所采用的一种相关算法，并且将这种算法与其它算法进行比较，分析此种算法的优劣

针对通信系统中信噪比的改善问题， 分析了低噪声放大器的电路形式， 确定了器件的选取方法， 阐述了低噪声放大器的设计思路， 介绍了使用ADS 软件进行X 波段低噪声放大器的设计。利用Fujits 公司的FHX13X 和Transcom 公司的TC1201, 两级级联， 并对电路进行仿真和优化， 判定放大器的稳定性。通过软件修正得到最终电路设计， 经过最终数据分析， 总结设计过程中的关键技术。

光谱特征波段选择—无信息变量消除uve.rar

本文提出了一种由PFN-马克思发生器驱动的Ku波段相对论磁控管。 磁控管具有18个谐振腔和一个衍射结构。 输出参数为中心频率为14.4GHz，微波功率为500MW，脉冲持续时间为50ns，辐射方向图为TE01。 PFN-Marx发生器由多级陶瓷电容器和电感以及一个级联气体开关组成。 发电机可以输出500kV的电压和6GW的电力。

本文采用两种改进的算法: 基于HSV的小波融合算法(HSV-WT)、基于区域特征的自适应小波包融合算法(AWP)分别对多光谱LandSat TM数据与全色SPOT-5数据、TM数据与ERS-2的合成孔径雷达SAR数据进行融合. 融合结果表明两种改进算法融合后的数据在保持光谱信息和提高空间细节信息两方面均得到提高. 当应用两种方法对同一组数据进行处理时, AWP的性能参数优于HSV-WT. 这两种算法相对传统小波算法, 能克服对高频信息处理的缺陷, 突破待融合数据的分辨率比值限制, 实现分辨率之比非2n的数据融合.