摘要：本文在無線信道的理論基礎上，分析了Suzuki信道模型的結構原理，介紹了利用正弦波疊加法構成高斯序列，從而建立Suzuki信道數學模型的方法，并通過Matlab軟件對其進行了仿真。仿真結果驗證了Suzuki模型同時符合大尺度衰落和小尺度衰落的特點，且可以驗證Suzuki信道模型能夠仿真平坦衰落信道
上傳時間： 2016-05-15
上傳用戶：嘻嘻嘻嘻
一個描述MATLAB預測控制的案例代碼，從CSDN上下載的用了兩個積分呢
上傳時間： 2016-05-29
上傳用戶：帝出乎震
基于MATLAB在人臉數據庫上做的識別，識別準確率很高
上傳時間： 2016-11-29
上傳用戶：lingxiafun
針對車內噪聲會對人體健康造成不良影響的問題。文中采用線性橫向結構濾波器和 FXLMS 算法構建系統模型，在 Matlab 平臺上引入次級通路理念，搭建加入次級通路傳函的有源前饋噪聲控制系統， 解決了有源噪聲控制系統中的非線性通路問題。實驗結果表明，建立的自適應主動降噪系統穩定、可靠。當濾波器階數 M 為 32 時， 效果理想。該系統為解決車內降噪問題提供了有效方法。
標簽： 降噪
上傳時間： 2017-12-02
上傳用戶：flybelieve
內點法的MATLAB實現，主要是針對HLP方法的matlab編程，希望大家能夠用得上
標簽： matlab
上傳時間： 2018-02-10
上傳用戶：785668922
上傳分享一份matlab學習的好資料，有需要的看看一下
上傳時間： 2022-04-24
上傳用戶：kingwide
《MATLAB GUI設計學習手記》(第3版)的源代碼，在《MATLAB GUI設計學習手記》(第2版)的基礎上，結合MATLAB 2014a的新特性，完善了全書的知識架構，突出了GUI設計重點，對讀者經常遇到的46個問題作了透徹的解答，提煉出13個專題作了詳盡的介紹，還對多達94個經典例題作了全面細致的講解。
上傳時間： 2022-05-22
上傳用戶：XuVshu
MATLAB深度學習簡介深度學習是機器學習的一個類型，該類型的模型直接從圖像、文本或聲音中學 習執行分類任務。通常使用神經網絡架構實現深度學習。“深度”一詞是指網絡 中的層數 — 層數越多，網絡越深。傳統的神經網絡只包含 2 層或 3 層， 而深度網絡可能有幾百層。下面只是深度學習發揮作用的幾個例子:? 無人駕駛汽車在接近人行橫道線時減速。? ATM 拒收假鈔。? 智能手機應用程序即時翻譯國外路標。深度學習特別適合鑒別應用場景，比如人臉辨識、 文本翻譯、語音識別以及高級駕駛輔助系統(包括 車道分類和交通標志識別)。簡言之，精確。先進的工具和技術極大改進了深度學習算法，達到了 很高的水平，在圖像分類上能夠超越人類，能打敗世界最優秀的圍棋 選手，還能實現語音控制助理功能，如 Amazon Echo? 和 Google Home，可用來查找和下載您喜歡的新歌。如果您剛接觸深度學習，快速而輕松的入門方法是使用現有網絡， 比如 AlexNet，用一百多萬張圖像訓練好的 CNN。AlexNet 最常用于 圖像分類。它可將圖像劃分為 1000 個不同的類別，包括鍵盤、鼠標、 鉛筆和其他辦公設備，以及各個品種的狗、貓、馬和其他動物。
標簽： Matlab
上傳時間： 2022-06-10
上傳用戶：
數字濾波器的MATLAB與FPGA實現——Altera/Verilog版》以Altera公司的FPGA器件為開發平臺，采用MATLAB及Verilog HDL語言為開發工具，詳細闡述數字濾波器的FPGA實現原理、結構、方法以及仿真測試過程，并通過大量工程實例分析FPGA實現過程中的具體技術細節。主要包括FIR濾波器、IIR濾波器、多速率濾波器、自適應濾波器、變換域濾波器、解調系統濾波器設計等內容。本書思路清晰、語言流暢、分析透徹，在簡明闡述設計原理的基礎上，主要追求對工程實踐的指導性，力求使讀者在較短的時間內掌握數字濾波器的FPGA設計知識和技能。第1章 數字濾波器及FPGA概述第2章 設計語言及環境介紹第3章 FPGA實現數字信號處理基礎第4章 FIR濾波器的FPGA設計與實現第5章 IIR濾波器的MATLAB與FPGA實現第6章 多速率濾波器的FPGA實現第7章 自適應濾波器的FPGA實現第8章 變換域濾波器的FPGA實現第9章 解調系統濾波器的FPGA實現
上傳時間： 2022-06-14
上傳用戶：
隨著人類社會的進步，科學技術的發展日新月異，模擬人腦神經網絡的人工神經網絡已取得了長足的發展。經過半個多世紀的發展，人工神經網絡在計算機科學，人工智能，智能控制等方面得到了廣泛的應用。當代社會是一個講究效率的社會，科技更新領域也是如此。在人工神經網絡研究領域，算法的優化顯得尤為重要，對提高網絡整體性能舉足輕重.BP神經網絡模型是目前應用最為廣泛的一種神經網絡模型，對于解決非線性復雜問題具有重要的意義。但是BP神經網絡有其自身的一些不足（收斂速度慢和容易陷入局部極小值問題），在解決某些現實問題的時候顯得力不從心。針對這個問題，本文利用遺傳算法的并行全局搜索的優勢，能夠彌補BP網絡的不足，為解決大規模復雜問題提供了廣闊的前景。本文將遺傳算法與BP網絡有機地結合起來，提出了一種新的網絡結構，在穩定性、學習性和效率方面都有了很大的提高?；谝陨系难芯磕康模疚氖紫仍O計了BP神經網絡結構，在此基礎上，應用遺傳算法進行優化，達到了加快收斂速度和全局尋優的效果。本文借助MATLAB平臺，對算法的優化內容進行了仿真實驗，得出的效果也符合期望值，實現了對BP算法優化的目的。關鍵詞：生物神經網絡：人工神經網絡；BP網絡；遺傳算法；仿真隨著電子計算機的問世及發展，人們試圖去了解人的大腦，進而構造具有人類思維的智能計算機。在具有人腦邏輯推理延伸能力的計算機戰勝人類棋手的同時，引發了人們對模擬人腦信息處理的人工神經網絡的研究。1.1研究背景人工神經網絡（Artificial Noural Networks，ANN）（注：簡稱為神經網絡），是一種數學算法模型，能夠對信息進行分布式處理，它模仿了動物的神經網絡，是對動物神經網絡的一種具體描述。這種網絡依賴系統的復雜程度，通過調節內部大量節點之間的關系，最終實現信息處理的目的。人工神經網絡可以通過對輸入輸出數據的分析學習，掌握輸入與輸出之間的潛在規則，能夠對新數據進行分析計算，推算出輸出結果，因為人工神經網絡具有自適應和自學習的特性，這種學習適應的過程被稱為“訓練"。
上傳時間： 2022-06-16
上傳用戶：jiabin
