延迟系统稳定化的谱方法 课程大纲 本课程主要探讨延迟系统的稳定化问题，采用谱方法进行分析。课程分为三个主要部分：首先介绍延迟系统的基本概念，然后深入分析这类系统的谱特性，最后讨论由重数引起的主导性现象及其在系统稳定化中的应用。 第一部分：延迟系统简介 延迟系统的基本概念 在实际工程和科学应用中，我们
Védio 3D---(Reconstruction 3D) Vision par ordinateur 第一次课 一、理论部分---图像投影模型与3D重建理论 I. SLAM的概念 SLAM（Simultaneous Localization and Mapping，即同步定位与地图构建） 通过估
1. 问题陈述 机器人定位问题从根本上是一个坐标变换和几何计算的问题。我们首先建立两个坐标系：房间坐标系\mathcal{F}和机器人坐标系\mathcal{R}。这两个坐标系的关系是理解整个问题的关键。 房间环境用线段集合[\mathbf{a}_m, \mathbf{b}_m]描述，其中m = 1
s(t) = A \times d(t) \times c(t) \times \cos(2\pi f_0 t) 1. A ：这是信号的幅度，通常是一个常数，用来控制信号的强度。 2. d(t) ：代表的是导航消息，也就是GPS卫星发送的实际数据。该数据被编码为一个二进制序列（0和1的序列），通
粒子滤波所要做的就是估计感兴趣的信号，与传统的估计方法不同，它主要针对非线性系统或者乘性噪音这类传统估计无法解决的问题，其核心方法是蒙特卡洛法，它基于随机信号的概率建模。因此我们先回顾概率统计部分的知识。 随机变量 用 x 表示随机变量，用 \Omega 表示概率空间 离散随机变量 离散随机变量从有
图像分割将图像划分成不同部分，其核心思想是将图像分解成同质的像素组，按照判别标准的不同可以实现不同的分割方法，分割可以是完整的也可以是不完整的，取决于具体情况。 分割在大方向上分为两类，语义分割和实例分割: 语义分割 实例分割 在医学图像处理中，语义分割可以标注出不同种类的细胞，实例分割可以详细识别
概率论和随机信号基础 随机变量 随机变量的定义 随机变量本质上是一个映射关系，它把一个随机事件对应到一个具体的数值上。具体来说，我们有一个随机事件的集合 \Omega，这个集合包含了所有可能发生的随机事件。每当一个随机事件 \lambda 发生时，我们通过随机变量这个映射，把它对应到数字集合 \ma
图像采集与数字摄影基础 本课程主要涵盖四个核心部分：图像示例与类型、光学系统原理、傅里叶变换与二维采样、以及噪声建模。 图像的本质与复杂性 自然图像的信息密度 一张图像既庞大又极其复杂。即使是一张600万像素的普通照片，其中也有非常多的细节信息 图像中存在大量的几何结构和杂乱结构（clutter），
发射断层扫描图像重建 本课程属于医学成像（Medical Imaging）课程单元中的发射断层扫描（Emission Tomography，简称ET）部分。发射断层扫描是核医学成像的核心技术，主要包括正电子发射断层扫描（PET）和单光子发射计算机断层扫描（SPECT）。整个课程的核心内容围绕断层重建
本节内容聚焦于核医学中的发射成像模态。与MRI重建不同，发射断层成像面对的是泊松断层成像病态定量逆问题，这类问题的统计特性和物理建模方式与MRI有本质区别，因此需要专门的求解方法。 从方法论角度，课程涵盖医学成像逆问题的完整处理流程：首先是逆问题的表征，这需要建立采集过程的物理模型，其次是解空间的设
