matlab的simulink中PI锁相环仿真.mdl

%输入：光栅长宽%输出：格雷码集合

灵巧噪声干扰 移频卷积干扰

基于极大选择原理的自适应Fourier分解算法，比Fourier级数收敛速度更快。

【实例简介】

有详细的注释和文档

该模型大致基于T.Athay等人提出的IEEE 39总线系统，用于面向研究的研究和教育目的。该基准的SimPowerSystems实现的作者是IREQHydro-Québec研究所的Ali Moeini和Innocent Kamwa。参考文献A. Moeini，I。Kamwa，P。Brunelle，G。Sybille，“在SimpowerSystems中实现的开放数据IEEE测试系统，用于电网动力学和控制的教育和研究”，电力工程大会（UPEC），2015年第50届国际大学，2015年9月1-4日，英国斯塔福德郡大学。http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=7339813&tag=1

CFAR算法 包括cfar_ac、cfar_os、cfar_so、cfar_tc和cfar_go 【源码目录】 CFAR ├── cfar_ac.m├── cfar_ac_TEST.m├── cfar_go.m├── cfar_go_test.m├── cfar_os.m├── cfar_os_test.m├── cfar_so.m├── cfar_so_test.m├── cfar_tc.m├── cfar_tc_test.m├── env_edge.m└── env_uniform.m0 directories, 12 files【核心代码】% 单目标% SNR1=15;    signal1_p=10.^(SNR1./10).*noise_p;% xc(1,90)=signal1_p;%% 多目标% SNR1=20;signal1_p=10.^(SNR1./10).*noise_p;% xc(1,90)=signal1_p;% SNR2=15;signal2_p=10.^(SNR2./10).*noise_p;% xc(1,102)=signal2_p;

【实例简介】

Coupling Matrix Optimizer v1.0.zip

萤火虫群智能优化算法（Glowworm Swarm Optimization, GSO）是由K.N.Krishnanand和D.Ghose两位学者在2005年提出的一种通过模拟自然界中萤火虫发光行为而构造出的新型群智能优化算法。它模拟了自然界中萤火虫群中个体通过发光来吸引伙伴或觅食，萤火虫携带荧光素越多，萤火虫越亮，个体的吸引力越强，最终使得大部分萤火虫聚集在最亮的萤火虫所处位置上的这种现