如果某个特征很重要，那么网络表示这个向量将涉及大量神经元。例如，考虑用雷达来探测混杂状态 (雷达从不期望的目标如建筑物、树木和云层的反射) 下的日标 (例如航空器)。这样的雷达系统的探测性能由下面两种概率形式来衡量：探测概率，就是目标存在时系统判断目标出现的概率。虚警概率，就是目标不存在时系统判断目标出现的概率。根据 Neyman - Pearson 准则，在虚警概率不超过预先指定值的限制下，探测概率达到最大值 (Van Trees，1968)。在这种应用中，接收到的信号中目标的实际出现代表着输入信号中的重要特征。实际上，该规则意味着在真实目标存在的时候应该有大量神经元参与判决该目标出现。同理，仅当混杂状态实际存在的时候才应该有大量神经元参与判决该混杂状态的出现。在这两种情形下，大量的神经元保证了判决的高度准确性和对错误神经元的容错性。Neyman - Pearson 假设检验理论的基本思想，寻找先控制犯第一类错误的概率在某一范围内，然后寻找使犯第二类错误的概率尽可能小的检验。
————————————————
版权声明：本文为CSDN博主「Yongqiang Cheng」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：/chengyq116/article/details/80041294
简单介绍一下UWB，UWB(Ultra Wideband)是一种无载波通信技术，利用纳秒至微微秒级的非正弦波窄脉冲传输数据。有人称它为无线电领域的一次革命性进展，认为它将成为未来短距离无线通信的主流技术。总的来说，UWB在早期被用来应用在近距离高速数据传输，近年来国外开始利用其亚纳秒级超窄脉冲来做近距离精确室内定位，如LocalSense无线定位系统。UWB又名超宽带。详情了解，可以百度：/s?ie=utf-8&f=8&rsv_bp=1&rsv_idx=1&tn=baidu&wd=UWB&oq=%26lt%3BSDN&rsv_pq=dac716fa0003c170&rsv_t=1d10RUs%2FskdqXGd%2FO3nl8SDla11uqLPGOEBbDzWI%2FTrId80jMq7%2BuDT3w0w&rqlang=cn&rsv_enter=0&inputT=4168&rsv_sug3=109&rsv_sug1=35&rsv_sug7=100&rsv_sug2=0&rsv_sug4=4169
首先要确定一块区域，来搭建基站，一共是4个基站；其次以其中一个基站为原点，建立三维坐标系，即（X,Y,Z）,为减少阻碍，Z是有值得，用红外线测距仪依次将其他基站位置测出并记录下来，把数据存放到日志文件里；然后使用定位软件，配置好参数，包括标签的macID等；最后给Tag上电，可以看见Tag在室内移动的轨迹，基本上算搭建好了。
如果想直观的看到测距数据，可以用连接USB，在secureCTR终端看结果。
————————————————
版权声明：本文为CSDN博主「保尔柯察杨」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：/qq_34770510/article/details/52824150
