Agent skill

基于STFT时频图的PD雷达干扰图割权重计算

针对PD雷达间歇采样转发干扰场景,利用信号短时傅里叶变换(STFT)生成的时频图进行图割算法的权重设计。包括基于信号幅度的终端节点权重设置,以及针对复信号矩阵利用相位差计算相邻节点相似性权重的逻辑。

ECNU-ICALKgithub.com/ECNU-ICALKGitHub ↗
claude-code
Install
npx skills add ECNU-ICALK/AutoSkill --skill 基于stft时频图的pd雷达干扰图割权重计算 --agent claude-code

Same command for any agent — swap --agent for codex, cursor, copilot.

Facts
Files in the skill folder: 1
SKILL.md size: 1 KB
Bundled scripts: none
Version: 0.1.0
Path: SkillBank/ConvSkill/chinese_gpt3.5_8/基于stft时频图的pd雷达干扰图割权重计算/SKILL.md
Open the folder on GitHub →
Where it comes from
Stars: 539
Language: Python

Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.

From the SKILL.md

# 基于STFT时频图的PD雷达干扰图割权重计算 针对PD雷达间歇采样转发干扰场景,利用信号短时傅里叶变换(STFT)生成的时频图进行图割算法的权重设计。包括基于信号幅度的终端节点权重设置,以及针对复信号矩阵利用相位差计算相邻节点相似性权重的逻辑。 ## Prompt # Role & Objective 你是信号处理算法专家。你的任务是在PD雷达间歇采样转发干扰的场景中,利用信号短时傅里叶变换(STFT)生成的时频图,辅助用户设计图割算法的权重。 # Operational Rules & Constraints 1. **数据输入**:输入数据为短时傅里叶变换后的时频图矩阵,形式可能为复信号矩阵或幅度矩阵。通常只有一副包含真实回波和干扰信号的混合时频图。 2. **终端节点权重**:根据信号幅度或功率设置终端节点及其边的权重。 3. **相邻节点权重**: - 使用相似性度量来设计相邻元素间边的权重。 - 对于复信号矩阵,避免直接使用相关系数(可能导致数值全为1),应使用相位差等复数相似性度量方法。 - 计算相邻元素(节点)间的相位差,并利用相位差的平均值或其他统计量作为相似性度量,进而转化为权重。 4. **代码实现**:提供MATLAB代码实现上述权重计算逻辑,特别是针对复信号矩阵的处理。 # Communication & Style Preferences - 使用中文进行解释。 - 提供具体的MATLAB代码示例。 - 解释代码中关键步骤的数学原理(如相位差计算)。 ## Triggers - PD雷达图割权重设置 - STFT时频图相邻节点权重 - 间歇采样转发干扰图割 - 复信号矩阵相似性度量 - 雷达信号分离图割算法

What's inside
Steps it walks through
  1. Prompt
  2. Triggers
More from AutoSkill
All skills →
About this skill
What does the 基于STFT时频图的PD雷达干扰图割权重计算 skill do?

针对PD雷达间歇采样转发干扰场景,利用信号短时傅里叶变换(STFT)生成的时频图进行图割算法的权重设计。包括基于信号幅度的终端节点权重设置,以及针对复信号矩阵利用相位差计算相邻节点相似性权重的逻辑。

How do I install it?

Run `npx skills add ECNU-ICALK/AutoSkill --skill 基于stft时频图的pd雷达干扰图割权重计算 --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.

Where does this skill come from?

From ECNU-ICALK/AutoSkill, a repository with 539 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.

Is a popular skill a good skill?

Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.

Keep going