前言

以下是在Python与数据科学领域常用的工具以及术语，这里列出来方便查看。主要包括Python环境、IDE、包管理以及数据科学 (Data Science) 和机器学习领域一些常用的库。

其中介绍来自维基百科，配图来自谷歌图片，资料来自官网或其它参考。

前言

以下是在学习Python过程中遇到的一些需要记忆或者参考的知识点，这里将其总结如下，便于以后查看：

目录

1. 变量命名规则
2. 内置关键字
3. 运算符与优先级
4. 字符串格式化
5. 常见转义序列
6. 代码规范
7. 常用函数与模块

说明

这篇文章是之前《信号之间的时延估计》的续篇，中间隔了很长时间才写这一篇，是因为期间一直有其它事情要做，而且感觉对GCC的一些关键点还没有考虑清楚。后来评论区一位朋友在关心续篇的进度，我就不得不抓紧时间好好思考一下了哈哈。因此最终写了这一篇作为上一篇的修正以及补充。

PS：这篇文章内容较多，能把这么枯燥的内容看完也不容易。

说明

这篇文章的目的是为了探讨对存在明显时延关系的不同路通道内信号的时延估计。之前在一个声源定位的课题中遇到了相关技术，其中TOA/TDOA-DOA算法的关键在于对不同通道之间的信号时延的估计，因此这里有必要总结一下。

1. 互相关的常见计算方法

在实际应用中，通常使用信号之间的互相关CC（Cross-Correlation）来计算时延，互相关函数的定义如下：
$$
R\left( \tau \right) = E\left[ x_1\left( m \right) \cdot x_2\left( {m + \tau } \right) \right] \tag{1}
$$
其中 ${ {x_1}\left( m \right)}$ 和 ${ {x_2}\left( m \right)}$ 是两个不同的连续信号。而对于经过ADC采样后得到的 ${N}$ 点离散信号 ${ {x_1}\left[ m \right]}$，若假设其对应的时间轴为 ${\left[ {0,N - 1} \right]}$，则上式可以转化为：

$$
\begin{align}
R\left[ n \right] & = E\left[ { {x_1}\left[ m \right] \cdot {x_2}\left[ {m + n} \right]} \right] \\
& = \sum\limits_{m = - n}^{N - 1} { {x_1}\left[ m \right] \cdot {x_2}\left[ {m + n} \right]}
\end{align} \tag{2}
$$

说明：用来记录radar当中遇到的一些小问题

说明：用来记录machine learning当中遇到的一些小问题

说明：用来记录python当中遇到的一些小问题和技巧

[TOC]

代码规范

1. 首先写注释
2. 所有运算符前后加空格，逗号后加空格
3. 代码块之间以两行空行分隔，代码块内部以单行空格分隔
4. 其它

常见技巧

1. 关于print函数

print函数的说明如下：

1
2
3
4
5
6
7
8
9

print(...)
    print(value, ..., sep=' ', end='\n', file=sys.stdout, flush=False)

    Prints the values to a stream, or to sys.stdout by default.
    Optional keyword arguments:
    file:  a file-like object (stream); defaults to the current sys.stdout.
    sep:   string inserted between values, default a space.
    end:   string appended after the last value, default a newline.
    flush: whether to forcibly flush the stream.

因此可以控制打印输出时候的连接符以及结尾的控制。

说明：用来记录matlab当中遇到的一些小问题

说明： 这篇文章主要用来记录博客的配置