针对共口径红外/毫米波复合制导应用需求,提出一种基于自回归(AR)谱估计和扩展卡尔曼滤波的信息融合处理新方法,基于此方法构建了实现红外/毫米波复合制导信息处理的多处理器片上系统(multiprocessor SoC,MPSoC),该系统采用主/从流水线结构,解决了基于此系统框架的多核通信、系统同步等问题.所提多处理器片上系统在单片FPGA上实现,FPGA实测结果表明,目标融合预测轨迹和真实轨迹基本重合,误差不超过10-2 rad,航向角融合精度远高于毫米波雷达和红外的精度,取得了比较好的融合效果;在100MHz的时钟下,整个红外/毫米波复合制导的信号处理的处理时间不超过2ms,满足复合制导对系统的实时性要求.

基于传感器行为识别的原理 动作识别的问题以及解决的办法

可以获取安卓手机加速度传感器数据，并将数据用折线图的形式动态地显示出来，APP很小，不到300kb，APP代码很简单，具体代码可以见博客

多传感器数据融合技术.pdf

人体活动识别 数据集链接： 使用的库： Keras，Scikit-Learn，Numpy，Matplotlib和Pandas 档案结构： 有8个主要文件：4个用于数据管理，4个用于机器学习代码，1个用于绘制结果。 数据管理文件： 1，由于数据集非常大（〜1.4 GB），因此将其划分为13个文件，并使用脚本``compress_file.py''和``compress2.0.py''对这13个文件中存储的数据集进行下采样以获得13个文件压缩文件。 2.脚本“ merge.py”和“ merge2.0.py”用于合并压缩文件，以获取用于训练的数据集。 2.0脚本用于合并加速度计和陀螺仪数据

Fitbit传感器数据收集器 从Fitbit智能手表收集传感器数据并将其存储在手机中。 为Fitbit Sense开发的应用程序。 可以在其他设备上使用，但是例如陀螺仪数据可能不可用（Versa设备就是这种情况）。 安装 使用CLI 在阅读有关如何安装CLI的更多 在电话应用程序中，转到“帐户”，选择您的设备->“开发人员”菜单->“切换开发者桥” 在手表中：设置->开发人员桥->切换启用 使用fitbit-build构建应用 安装应用程序：使用fitbit命令输入fitbil CLI界面，然后键入install

基于 TurtleBot:registered: 的机器人的 Robotics System Toolbox:trade_mark: 支持包允许您与来自 MATLAB:registered: 的一个或多个 TurtleBot 进行交互。 您可以获得传感器读数并控制机器人的运动。 相同的 MATLAB:registered: 代码可用于连接物理机器人或支持 ROS 的模拟器，例如 Gazebo。 此支持包适用于 R2016a 及更高版本。

倍福激光测距仪

带有Python的Arduino 这个项目应该为想要用Python控制Arduino的任何人提供一个简单的过程设置。 该项目提供了一个Python类，其中包含入门的有用功能。 它还包含一个可视化类，用于展示从Arduino获取的存储数据。 在更高版本中将隐含更多功能和类。 先决条件 您将需要和才能使用提供的文件。 另外，您将需要安装下面列出的依赖项。 pip install -r /path/to/requirements.txt or pip install pyserial==3.4 pip install matplotlib==2.2.2 pip install pandas==0.23.0 pip install drawnow==0.72.0 正在安装 在任何目录中以zip格式克隆或下载项目。 在目录中创建一个新的python脚本，导入提供的类并开始编程。 例子 在您将找到

DS18B20单片温度传感器数据采集与LED数码管显示