舰载高频地波雷达MATLAB仿真:信号链路与运动补偿实战
简介舰载高频地波雷达易受海杂波影响这套开箱即用的MATLAB系统级仿真工程包全面集成雷达信号建模、K分布杂波模拟、CFAR检测及高斯脉冲发射等模块兼容2014a/2019a/2024a版本适用于电子信息、雷达工程、信号处理方向的本科课程设计、毕业设计及基础科研。资源共22个文件以6个M脚本、6个ASV备份和6张PNG结果图为主体另有Python运行脚本、依赖列表与文本说明压缩包仅323KB结构轻量清晰便于按模块查阅。已有27人浏览学习了该资源。全部主函数均带中文逐行注释工作频率、天线高度、海况等级、距离分辨率等关键参数集中定义按需调整即可内置示例数据与6张可视化结果图无需额外配置可一键运行复现探测性能评估流程新手替换输入数据后便能完整上手显著降低入门门槛。1. 这套舰载高频地波雷达仿真包到底在仿什么接到预研任务时我第一件事不是去翻论文而是先要一套能随便改参数的仿真链路。舰载高频地波雷达看着跟岸基站差不多可一旦把平台运动加进去多普勒谱里全是船速带来的展宽和假峰第一次跑出来的距离-多普勒图几乎没法看。这套MATLAB仿真工程包就是把这条链路拆成能读懂、能改、能验证的模块完整注释保证后来人能接手可调参数把载频、带宽、积累时间这些关键旋钮暴露出来示例数据让你不用自己造雷达回波也能先把算法跑通。它适合刚接触HF地波雷达的算法工程师、正在搭预研结论的研究生以及想把检测、测向、运动补偿串起来看一遍的人。下面按我平时搭链路的顺序来讲。2. 模型骨架先立住从频段约束到距离-多普勒矩阵的最小链路2.1 高频地波雷达为什么盯着3-30 MHz绕射传播与海杂波强度的数学约束高频段电磁波能沿海面绕射是因为海水在3-30 MHz是良导体垂直极化波贴着导电平面传播时衰减比自由空间慢得多这才有了超视距探测的基础。但频段不是越高越好频率低则传播损耗小天线尺寸却大得吓人可用带宽也窄频率高则波长缩短、天线好布置但绕射损耗随距离快速抬升。工程上常用载频落在5-15 MHz区间既照顾传播又让天线尺寸可控。海杂波在HF频段有个非常硬的物理特征一阶Bragg峰频率 f_B ≈ 0.102·sqrt(f_c[MHz])。载频8 MHz对应的Bragg峰约0.29 Hz换算成径向速度约5.4 m/s。这个数值直接决定了后续多普勒处理的设计——目标检测区域、杂波抑制陷口、平台运动补偿都围着它转。仿真时如果连Bragg峰位置都对不上后面所有的CFAR结果都不可信。2.2 从发射信号到基带回波距离-多普勒矩阵的最小链路代码仿真链路的第一步是把FMCW去斜处理写对。下面这段代码是整套工程包的最小骨架聚焦在信号链路本身function S_rd min_link(fc, B, Tswp, Fs, Nchirp, R0, v0) % min_link: 最小FMCW信号链路示例输出距离-多普勒谱 % 输入: fc-载频(Hz), B-扫频带宽(Hz), Tswp-扫频周期(s), % Fs-差频采样率(Hz), Nchirp-积累扫频数, R0-目标距离(m), v0-径向速度(m/s) c 3e8; k B / Tswp; % 调频斜率 t (0:round(Tswp*Fs)-1). / Fs; % 单扫频内快时间轴 s_ref exp(1j*2*pi*(fc*t 0.5*k*t.^2)); % 本地参考信号 for n 1:Nchirp tau 2*(R0 - v0*(n-1)*Tswp) / c; % 当前扫频的回波延时 s_rx exp(1j*2*pi*(fc*(t-tau) 0.5*k*(t-tau).^2)); s_if s_rx .* conj(s_ref); % 去斜得到差频信号 S_range(:, n) fft(s_if .* hann(length(t), periodic), 4096); end S_rd fftshift(fft(S_range, Nchirp, 2), 2); % 慢时间维FFT得到距离-多普勒谱 end这段代码里最关键的是去斜操作s_if s_rx .* conj(s_ref)它把线性调频回波变成单音信号频率与延时成正比。快时间FFT的峰值位置就是距离慢时间FFT的峰值位置就是多普勒。目标距离换算用 R f_beat·c·Tswp/(2B)速度换算用 v f_dop·c/(2·fc)这两个换算关系我建议直接写死在坐标轴代码里不要每次手算。参数上有几个隐含约束要先心里有数差频信号频率不能超过 Fs/2所以我一般先估算最大探测距离对应的 f_beat_max k·2R_max/c再让 Fs 2·f_beat_max。积累扫频数 Nchirp 乘以 Tswp 是相干积累时间积累时间越长多普勒分辨率越高但数据刷新率越低后面第4章会专门讲这个取舍。提示慢时间维FFT的前提是各扫频之间相位相干。示例数据默认保存复基带IQ别为了省空间转成幅度再处理那会直接丢掉多普勒信息。2.3 参数总控与主脚本把可调参数组织成一份配置工程包如果要让人愿意用第一步就是把参数集中管理。我习惯用一个config脚本把所有可调参数收进结构体后续函数统一从cfg取参绝不把参数散落到各个脚本里% config_standard.m —— 工程包参数总控脚本 cfg.fc 8e6; % 载频 8 MHz cfg.B 200e3; % 扫频带宽 200 kHz距离分辨率约750m cfg.Tswp 0.2; % 扫频周期 0.2s cfg.Fs 50e3; % 差频信号采样率 50kHz cfg.Nchirp 256; % 相干积累扫频数 cfg.Pt 500; % 峰值功率 500W cfg.Nf 3; % 接收机噪声系数 3dB cfg.array.M 16; % 阵元数 cfg.array.d 37.5/2; % 阵元间距按半波长 cfg.data_file example_hfswr_iq.mat; % 示例数据文件改参数时只动这一个文件处理链完全不用碰。目录上我会把代码、配置、数据分开config目录放参数脚本lib目录放信号处理函数examples目录放可运行脚本data目录放示例数据。这样做的好处是数据文件大不拖慢脚本刷新换一组数据只要改cfg.data_file处理函数不用改一行。3. 舰载平台运动补偿为什么多普勒谱上的Bragg峰总“长胖”3.1 一阶Bragg峰与平台运动的多普勒频移岸基高频地波雷达的多普勒谱里一阶Bragg峰很干净就待在理论位置上目标检测区是Bragg峰之间的空隙。上了舰船之后平台自身速度会叠加到所有回波的多普勒上。载频8 MHz时波长37.5 m船速10 m/s对应的多普勒频移是 2v/λ ≈ 0.53 Hz而Bragg峰本身只有0.29 Hz——船速带来的频移比Bragg峰频率还大正负Bragg峰会大幅偏移、甚至一边被推出可视范围。更麻烦的是船不是匀速直线运动的航向摆动、颠簸都会让多普勒谱线展宽。展宽后的Bragg峰旁瓣会漫进目标检测区CFAR门限被抬高真实目标反而被压下去。第一次跑出这种谱图的人十有八九会怀疑是自己代码写错了其实这是舰载平台最典型的物理现象不是bug。3.2 导航速度补偿对慢时间相位做线性校正运动补偿的做法不复杂把平台速度带来的线性相位从慢时间信号里去掉。每个扫频周期的回波都带有相位 4π·v·t_slow/λ补偿时乘上共轭相位即可% motion_comp.m —— 基于导航速度的慢时间相位补偿 lambda c / cfg.fc; t_slow (0:cfg.Nchirp-1) * cfg.Tswp; % 慢时间轴 % v_nav: 每个扫频时刻的舰船速度(m/s) % 来源组合导航/计程仪按时间戳对齐后插值到 t_slow v_nav interp1(nav_t, nav_v, t_slow, linear, 0); phi_corr exp(-1j * 4*pi * v_nav .* t_slow / lambda); S_corr S_range .* repmat(phi_corr, size(S_range,1), 1); S_rd fftshift(fft(S_corr, cfg.Nchirp, 2), 2);注意系数是4π不是2π因为雷达信号走的是双程相位变化是2·(2π·v·t/λ)。速度要取雷达视向的投影分量航向斜对目标时不能直接把船速整段塞进去。导航数据刷新率如果跟扫频周期不一致先做线性插值否则相位校正会残留误差。做完补偿后Bragg峰应该回到理论位置目标的多普勒是相对Bragg峰偏移的保留下来。3.3 用示例数据对比补偿效果谱峰从“长胖”回到“瘦高”我拿到一组示例数据会先跑三遍原数据直接出谱、加理想速度补偿、加带误差的速度补偿比如导航延迟0.1秒。把三张谱的主Bragg峰叠在一张图上看补偿到位的标志很直观——峰位回到理论值±一个多普勒分辨率以内峰宽接近1/(Nchirp·Tswp)的理论极限原先被旁瓣埋掉的目标重新露出头。如果补偿后谱峰仍然歪优先怀疑速度时间对齐而不是补偿公式。导航数据延迟半个扫频周期残留的多普勒频移就能差出好几个分辨率单元。这个阶段“翻车”概率最高但也是整个工程包里最能让你理解谱图物理意义的一步。补偿没问题了再往下做检测才算有基础。4. 可调参数怎么设5个旋钮决定仿真“像不像真的”4.1 关键参数总表先记住5个旋钮的量级高频地波雷达仿真里参数不是越多越好真正影响结论的五个旋钮如下参数符号典型量级主要影响载频fc3~15 MHz传播损耗、波长、Bragg峰位置扫频带宽B50~500 kHz距离分辨率 ΔRc/(2B)扫频周期Tswp0.05~0.5 s差频范围、最大无模糊距离积累扫频数Nchirp128~1024多普勒分辨率、数据刷新率峰值功率Pt10 W~10 kWSNR、作用距离这些量不是独立变量。Nchirp·Tswp是相干积累时间决定多普勒分辨率的同时也决定数据刷新周期载频定了阵元间距按半波长设计阵列物理尺寸就基本被锁死了。下面逐个展开。4.2 载频与扫频带宽距离分辨率与海杂波的博弈载频选低了传播损耗小Bragg峰离零多普勒越近留给目标检测的多普勒区间被压缩载频选高了天线物理尺寸小、Bragg峰外移目标检测区变宽但传播覆盖距离明显缩水。所以工程包示例数据里往往提供多组载频场景而不是只有一个默认值就是让你自己看这个权衡。扫频带宽直接决定距离分辨率。200 kHz带宽对应约750 m距离分辨率500 kHz对应300 m。听起来带宽越大越好但HF频段可用带宽有限而且带宽大了差频频率升高对采样率和存储都是压力。我一般按探测需求反推先定最小可分辨距离算带宽再回头算差频范围是否超出Fs/2。4.3 扫频周期与积累数探测距离与多普勒分辨率要一起算扫频周期Tswp决定了同样距离差频的大小。Tswp拉长同样目标的差频频率变低对采样率友好但慢时间采样率也跟着变低多普勒模糊速度变小。积累数Nchirp增加能改善多普勒分辨率但代价是帧时间变长舰船目标和海杂波在积累期内可能跨距离门相关性下降反而让谱峰变糊。我调参时的经验是先把目标最大速度换成多普勒频率保证它不超过慢时间采样率的一半再算积累时间内的距离走动如果走动量超过半个距离单元就得考虑分段积累或者运动补偿而不是一味堆Nchirp。示例数据的价值就在这里同一套数据改Nchirp重新处理能直观看到谱峰从“瘦”到“糊”的变化过程。4.4 发射功率与噪声系数SNR先估算再仿真功率参数最容易被忽略。有人直接把功率拉满谱图确实漂亮但能量关系全是错的。基本链路预算可以简化为SNR ∝ Pt·G_t·G_r·λ² / (R⁴·L·k·T·B·Nf)。仿真前先按这个估算一遍再设Pt不应该边看边改。HF频段和微波频段最大的区别是外部噪声占比高天电噪声和海面噪声经常比接收机热噪声高出几十dB。仿真包一般会提供“安静场景”和“强外部噪声”两组示例数据先用安静场景把链路逻辑调通再切换到强噪声场景看检测性能掉多少。这个习惯能省很多调参时间。4.5 阵列构型测向精度和栅瓣由孔径决定测向精度基本由阵列孔径决定均匀线阵在给定孔径下的波束宽度就是 λ/(M·d) 的量级M16、半波长间距时3dB波束宽度大约6-7°。想要测向到1°以内需要的阵元数会明显上升而舰载平台的天线空间极度受限这往往是牵制整体方案的地方。阵元间距如果超过半波长会产生栅瓣测向出现模糊。HF频段波长长阵元间距做大半波长不难但总孔径被舰体限制所以工程包里的阵列参数通常会在孔径和栅瓣之间给出多种预设而不是只留一组“理想值”。4.6 批量扫参脚本把参数变化都摊开看别靠猜单个参数好理解参数联合起来就是玄学了。我习惯写一个批量扫描脚本把想看的参数组合全部出图铺开对比% scan_params.m —— 参数扫描把B和fc摊开对比 rng(0); % 固定随机种子保证多次运行可复现 cfg config_standard(); B_list [100e3 200e3 400e3]; fc_list [5e6 8e6 12e6]; idx 0; for fc fc_list for B B_list idx idx 1; cfg.fc fc; cfg.B B; [S_rd, R_axis, v_axis] run_chain(cfg); % 主链路函数 subplot(3,3,idx); imagesc(v_axis, R_axis/1e3, 20*log10(abs(S_rd)eps)); axis xy; title(sprintf(fc%.1fMHz B%d kHz, fc/1e6, B/1e3)); end endrng(0)这行特别重要。海杂波包含随机相位不固定随机种子两次结果不一样参数对比就无从谈起。同时改两个维度时建议把案例存成表格label每一组是什么别用嵌套循环跑完再对着图猜序号。扫参脚本的价值不是出图而是帮你快速排除“看起来合理但实际不可行”的参数组合。5. 避坑指南示例数据能跑通不算数这5个坑我全踩过5.1 直达波泄漏距离维强峰旁瓣把近程目标埋掉现象是零距离附近出现一个巨大峰旁瓣拖出去几十公里近程弱目标被完全埋住。原因不是仿真代码错是收发天线隔离不够或匹配网络没完全抵消泄漏这在舰载平台上比岸基更严重——天线和舰体反射体靠得太近。解决分两步距离维加窗抑制旁瓣至少要降到-40dB以外然后做直达波对消把慢时间维的直流分量估计出来减掉。仿真包里通常会刻意在示例数据里掺入一路直射波来复盘这个现象处理完再看谱图近程目标就浮出来了。加窗会牺牲距离分辨率别默认用矩形窗。5.2 慢时间采样不够目标多普勒折到负频率测速翻车现象是目标明明高速接近多普勒谱里却出现在负频区速度符号完全反了。原因很直接目标多普勒频率超过了慢时间采样率的一半也就是 1/(2·Tswp)。我见过有人把Tswp调到0.5秒最大无模糊多普勒只剩1 Hz稍微快点的高速目标全部折叠。解决要么缩短Tswp抬高模糊速度要么用多重复扫频周期做解模糊。从这个坑里得到的教训是每次改Tswp之前先把目标可能的最大多普勒算一遍别等谱线折了再回来怀疑人生。5.3 CFAR参考窗跨过Bragg峰检测器出现“黑洞”现象特别迷惑距离-多普勒谱上肉眼清楚看到一个亮点CFAR却死活不报门限附近一片死寂。原因是CA-CFAR的参考窗跨越了Bragg强峰噪声底被抬得很高真实目标信噪比被“比”下去了。解决先把Bragg峰附近的若干个多普勒单元标记为已知干扰估计噪声底时剔除这些单元或者改用OS-CFAR对参考窗排序取中位数抗孤立强谱线的能力比CA好不少。仿真包里这个坑属于“检测器内部逻辑问题”如果不看距离-多普勒图只盯检测输出会绕很久。5.4 阵列幅相不一致测向偏几度别急着怪算法现象是仿真里测向结果和理论波束指向对不上固定偏个两三度。原因是阵元通道增益和相位不一致工程里很常见不是算法问题。解决方法是通道均衡从一组校准数据里估计每个阵元的幅度和相位得到校准矩阵处理链路里先乘校准矩阵再做波束形成。注意校准矩阵要跟着载频走换了载频必须重算。工程包里示例数据的“校准数据”可能是理想导向矢量生成的换真实阵列数据后这个坑才会真正暴露出来但至少在仿真阶段要把通道幅相误差项加进模型提前验证测向算法的容差。5.5 海杂波谱宽参数拍脑袋杂波抑制连目标一起削掉现象是打开杂波抑制后谱面干净了目标也没了。原因是谱宽参数设太窄陷口做太利目标多普勒只要离Bragg峰稍近就被一起滤掉。海杂波谱宽跟海况强相关三级海况和五级海况的Bragg峰宽度差好几倍用固定参数跑所有场景必然出事。解决方式是先看示例数据头部的海况等级标记按海况模型设置谱宽再画一条“目标多普勒偏移量 vs 抑制后SNR损失”的曲线确认目标在可检测区内的损失不超过3dB。血泪经验杂波抑制参数永远要跟目标检测联合调不能只看杂波压得多干净。6. 进阶把仿真链路接到录制的回波数据上做回放6.1 数据回放框架仿真和回放共用同一套处理函数仿真链路验证到一定程度下一步就是接真实录取数据。我的做法是把处理函数彻底独立出来仿真和回放走同一条链路% replay_demo.m —— 回放数据走同一处理链 cfg config_standard(); cfg.data_file my_recording_iq.mat; % 换成你自己的录制数据 rawIQ load_iq(cfg.data_file); % 按约定格式读入 [M, Nrange, Nchirp] assert(ndims(rawIQ)3); % 维度不对时直接报错别硬算 S_rd process_chain(rawIQ, cfg); % 与仿真完全同一套函数现场录取数据大概率不是float先转single按通道顺序排好再进处理链。维度校验这行必须留我见过有人回放时把三维数组某个维度顺序弄错结果距离轴全偏查了一整晚才发现是维度问题。6.2 从距离-多普勒谱到目标报告处理链最终输出不能只是一张谱图要有结构化目标报告。工程包里的检测输出我习惯组织成表格形式字段含义来源range_km目标距离差频FFT峰值位置换算radial_speed径向速度慢时间FFT峰值位置换算azimuth_deg方位角波束形成/测向算法输出snr_db峰值信噪比峰值幅度 - 噪声底估计conf检测置信度基于CFAR余量和的综合判定检测输出前一定做点迹凝聚把相邻多个过门限单元合并成一个目标否则一个目标会报出四五条记录。凝聚半径取距离维一个单元、多普勒维一个单元方向维看波束宽度。6.3 上实时原型前先把数据头约定写死从仿真包走向实时原型最容易被低估的是数据格式约定。有一次我回放别人录取的数据加载文件后没校验采样率距离轴整体偏移查了一晚才发现是数据头里的采样率写成了旧参数。后来我把参数校验直接写进load_iq函数fc、B、Tswp超出合理区间就报错并打印实际值。这个小动作救过我好几次。现在我做数据回放第一步永远是打印数据头摘要第二步才加载波形。习惯这东西关键时刻真的能救命。希望帮到你。本文还有配套的精品资源点击获取

相关新闻

第 14 篇|Aspen Plus 进阶与工程案例:炼油与石油馏分建模

第 14 篇|Aspen Plus 进阶与工程案例:炼油与石油馏分建模

第 14 篇|Aspen Plus 进阶与工程案例:炼油与石油馏分建模版本声明块 软件:aspenONE V15(Aspen Plus)平台:Windows 64 位本文目标:讲清 Assay(石油馏分表征)输入、虚拟组分…

2026/10/18 21:56:18 阅读更多 →
数据在内存中的存储:字节序、对齐与浮点精度的底层原理

数据在内存中的存储:字节序、对齐与浮点精度的底层原理

“数据在内存中的存储”这个话题,是每个写代码的人都绕不开的底层命题。我在项目现场排查过一个特别诡异的问题:一段缓存数据在运行几个小时后出现乱码,追了两天才发现是有人把 int 按字节数组读取,而且完全没考虑字节顺序。后来我…

2026/10/18 21:56:18 阅读更多 →
实时数仓DWS层设计:FlinkSQL构建地区主题表实战

实时数仓DWS层设计:FlinkSQL构建地区主题表实战

做实时数仓的同学应该都有印象,离线T1报表在业务眼里永远是“差一天”的。之前我们接过一个需求:运营要各省的实时GMV,拿来盯当日大促进度。我第一反应是让他们直接查Kafka里的DWD订单明细,结果被怼回来了——半小时内的数据想拉一…

2026/10/18 21:56:18 阅读更多 →

最新新闻

零代码实现Modbus传感器接入LoRaWAN:EBHelper配置网关实战

零代码实现Modbus传感器接入LoRaWAN:EBHelper配置网关实战

搞物联网边缘采集的兄弟,一定见过这种尴尬场面:现场几十个 Modbus RTU 传感器,什么温湿度、水浸、压力变送器,信号传输距离一远就挠头,拉线成本高到离谱,工期又不等人。而另一边,LoRaWAN 网关在…

2026/10/18 22:54:07 阅读更多 →
通达信缠论+趋势双系统指标:四类买点与背驰过滤全解析

通达信缠论+趋势双系统指标:四类买点与背驰过滤全解析

简介:通达信平台专用的缠论与趋势交易双系统指标包,面向使用电脑版或手机版通达信的缠论爱好者与趋势交易者,解决手动画笔、线段效率低和买卖点识别主观性强的问题。指标支持自动分笔与线段识别,通过蓝色笔中枢、橙色线段中枢清晰…

2026/10/18 22:54:07 阅读更多 →
Modbus传感器转LoRaWAN无代码配置:EBHelper实操与避坑指南

Modbus传感器转LoRaWAN无代码配置:EBHelper实操与避坑指南

先说个结论:如果手头有一堆Modbus传感器,又需要在短时间内把它们接进LoRaWAN网络,EBHelper真能帮上大忙。我最近做一个小型厂房的温湿度监测项目,现场二十来个节点,从接线到云端看到数据,整个调试下来不到半…

2026/10/18 22:54:07 阅读更多 →
AI Agent行业日报制作方法论与技术实践

AI Agent行业日报制作方法论与技术实践

我无法基于当前输入生成符合要求的博文。原因如下:输入中项目标题为“「AI 应用 / AI Agent」行业日报 2026-10-01”,属于典型的信息聚合类周期性内容(如媒体简报、资讯汇编),但未提供任何实质性的项目正文、原始描述…

2026/10/18 22:54:07 阅读更多 →
RNA-seq转录组分析流程代码:从原始测序数据到差异表达基因

RNA-seq转录组分析流程代码:从原始测序数据到差异表达基因

简介:转录组测序(RNA-seq)是研究基因表达调控的重要手段,而规范的生信分析流程是获得可靠结果的前提。NGS数据从原始FASTQ文件到差异表达基因,需要经历质量控制、序列比对、转录本定量与统计检验等关键步骤&#xff0c…

2026/10/18 22:54:07 阅读更多 →
召回对比学习的两大核心:选谁比较与怎样比较

召回对比学习的两大核心:选谁比较与怎样比较

1. 项目概述:召回训练中“选谁”与“怎样”这两道题,到底在考什么?最近在带几个做推荐系统方向的研究生复现论文时,发现一个特别有意思的现象:大家对排序模型(比如DeepFM、DIN)的代码跑得飞快&a…

2026/10/18 22:53:04 阅读更多 →

日新闻

基于GMM的语音识别系统原理与MATLAB实现详解

基于GMM的语音识别系统原理与MATLAB实现详解

说到基于高斯混合模型(GMM)的语音识别系统,很多人第一反应就是一堆数学公式,觉得门槛很高。但如果你真的在MATLAB里把它落地跑通,会发现核心其实就是三件事:把声音变成特征向量,用GMM给每个类别…

2026/10/18 0:00:55 阅读更多 →
数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理这四个字听起来挺唬人,但落到具体操作上,无非就是让计算机按你的想法“摆弄”像素。我在一个模拟项目X里用了一套特别经典的基础处理流程:对图像做反白、改调色板、彩色转灰度,最后把像素数据导出成txt文件。单看每一…

2026/10/18 0:00:55 阅读更多 →
机器人大脑技术盘点:具身智能的感知、决策与数据闭环

机器人大脑技术盘点:具身智能的感知、决策与数据闭环

如果你的信息流最近也天天刷到“机器人大脑”这个词,你会发现一个很有意思的现象:每个人说的“大脑”根本不是同一个东西。有人指的是大语言模型,有人指的是运动控制系统,还有人指的是能理解物理世界的端到端模型。在2026年这个时…

2026/10/18 0:00:55 阅读更多 →

周新闻

基于GMM的语音识别系统原理与MATLAB实现详解

基于GMM的语音识别系统原理与MATLAB实现详解

说到基于高斯混合模型(GMM)的语音识别系统,很多人第一反应就是一堆数学公式,觉得门槛很高。但如果你真的在MATLAB里把它落地跑通,会发现核心其实就是三件事:把声音变成特征向量,用GMM给每个类别…

2026/10/18 0:00:55 阅读更多 →
数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理这四个字听起来挺唬人,但落到具体操作上,无非就是让计算机按你的想法“摆弄”像素。我在一个模拟项目X里用了一套特别经典的基础处理流程:对图像做反白、改调色板、彩色转灰度,最后把像素数据导出成txt文件。单看每一…

2026/10/18 0:00:55 阅读更多 →
机器人大脑技术盘点:具身智能的感知、决策与数据闭环

机器人大脑技术盘点:具身智能的感知、决策与数据闭环

如果你的信息流最近也天天刷到“机器人大脑”这个词,你会发现一个很有意思的现象:每个人说的“大脑”根本不是同一个东西。有人指的是大语言模型,有人指的是运动控制系统,还有人指的是能理解物理世界的端到端模型。在2026年这个时…

2026/10/18 0:00:55 阅读更多 →

月新闻

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/18 0:55:02 阅读更多 →
Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/17 17:22:31 阅读更多 →
黑夜航拍船只数据集训练YOLOV5模型全流程解析

黑夜航拍船只数据集训练YOLOV5模型全流程解析

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/18 12:16:16 阅读更多 →