-
PDE-guide
This is a complete guide of the Partial Differential Equation Toolbox of Matlab
- 2011-11-30 05:44:24下载
- 积分：1
-
利用最小二乘算法实现对三维平面的拟合开源程序
是小学期课程设计的题目，单径或多径瑞利衰落信道仿真，计算多重分形非趋势波动分析，一种流形学习算法（很好用），使用高阶累积量对MPSK信号进行调制识别，本科毕设要求参见标准测试模型。
- 2022-06-13 18:44:11下载
- 积分：1
-
降低PAPR的ofdm_sim
这个函数性能的OFDM调制之前的数据传输。
- 2023-08-22 02:20:04下载
- 积分：1
-
im
说明： 免疫遗传算法，实现群体优化的功能哦，matlab程序，其他的看参考了！(Immune genetic algorithm, to optimize the function of groups realize Oh, matlab procedures, look into the other!)
- 2007-09-26 16:39:31下载
- 积分：1
-
for_experiments
图象的模糊处理,包括均值和中值处理，掩模分别是3*3和5*5的(Fuzzy image processing)
- 2009-12-29 16:37:03下载
- 积分：1
-
MUMIMO_ZF
MIMO with ZF SIC and optimal ordering with assuming that the channel is a flat fading Rayleigh multipath channel and the modulation is BPSK.
- 2013-09-03 18:44:02下载
- 积分：1
-
CMA
这篇论文中详尽介绍了利用MATLAB实现CMA算法忙均衡的功能(This paper describes in detail the use of MATLAB CMA algorithm to achieve busy equalization function)
- 2020-10-21 18:07:24下载
- 积分：1
-
icp配准算法
著名的迭代就近点算法（icp）的源代码，在20世纪80年代中期，很多学者开始对点集数据的配准进行了大量研究。1987年，Horn、Arun等人用四元数法提出点集对点集配准方法。这种点集与点集坐标系匹配算法通过实践证明是一个解决复杂配准问题的关键方法。1992年，计算机视觉研究者Besl和Mckay介绍了一种高层次的基于自由形态曲面的配准方法，也称为迭代就近点法ICP（Iterative Closest Point）。以点集对点集（PSTPS）配准方法为基础，他们阐述了一种曲面拟合算法，该算法是基于四元数的点集到点集配准方法。从测量点集中确定其对应的就近点点集后，运用Faugera和Hebert提出的方法计算新的就近点点集。用该方法进行迭代计算，直到残差平方和所构成的目标函数值不变，结束迭代过程。ICP配准法主要用于解决基于自由形态曲面的配准问题。
- 2022-12-11 00:10:03下载
- 积分：1
-
p
说明： MUSIC算法；是平面阵的。很好用。大家交流学习(MUSIC algorithm is planar array. Good use. To facilitate the exchange of learning)
- 2009-06-03 04:33:55下载
- 积分：1
-
CPSO
用CPSO算法求解带约束的函数优化问题。目标函数为f=(x(3)+2)*x(2)*x(1)^2，求其最小值；约束为g(1)=1-x(2)^3*x(3)/(71785*x(1)^4)
g(2)=(4*x(2)^2-x(1)*x(2))/(12566*(x(2)*x(1)^3-x(1)^4))+1/(5108*x(1)^2)-1
g(3)=1-140.45*x(1)/(x(2)^2*x(3))
g(4)=(x(1)+x(2))/1.5-1
决策变量取值范围：x1-[0.05,2],x2-[0.25,1.3],x3-[2,15](With CPSO algorithm for solving constrained function optimization problems. The objective function f = (x (3)+2)* x (2)* x (1) ^ 2, find the minimum value constraint g (1) = 1-x (2) ^ 3* x (3)/(71785* x (1) ^ 4) g (2) = (4* x (2) ^ 2-x (1)* x (2))/(12566* (x (2)* x (1 ) ^ 3-x (1) ^ 4))+1/(5108* x (1) ^ 2)-1 g (3) = 1-140.45* x (1)/(x (2) ^ 2* x (3)) g (4) = (x (1)+x (2))/1.5-1 decision variable ranges: x1-[0.05,2], x2-[0.25,1.3], x3-[ 2,15])
- 2013-06-03 10:10:55下载
- 积分：1
