rotation_image

Sun Parameters Computation

it allows a user-space application to use the parport subsystem.

利用小波分析对心电信号进行基线校正程序及仿真图(wavelet debaseline)

Binary FSK Modulation

Simulink model of Z-source inverter

复杂网络工具包,便于计算复杂网络边介数，最短路径等问题(Complex Network Kit)

说明：  单发单收的16PSK仿真，并统计系统的误码率(One received 16PSK single simulation and the BER statistics)

多元高斯声束叠加计算探头发射声场，模拟活塞型探头在液体中的声压分布(Multivariate Gaussian beam superimposed sound field emission calculation probe, probe simulate the sound of the piston pressure distribution in the liquid)

测试可以跑，根据自己情况修改下函数即可. NSGA-III 首先定义一组参考点。然后随机生成含有 N 个（原文献说最好与参考点个数相同）个体的初始种群，其中 N 是种群大小。接下来，算法进行迭代直至终止条件满足。在第 t 代，算法在当前种群 Pt的基础上，通过随机选择，模拟两点交叉（Simulated Binary Crossover，SBX）和多项式变异 产生子代种群 Qt。Pt和 Qt的大小均为 N。因此，两个种群 Pt和 Qt合并会形成种群大小为 2N 的新的种群 Rt=Pt∪Qt。 为了从种群 Rt中选择最好的 N 个解进入下一代，首先利用基于Pareto支配的非支配排序将 Rt分为若干不同的非支配层（F1，F2等等）。然后，算法构建一个新的种群St，构建方法是从 F1开始，逐次将各非支配层的解加入到 St，直至 St的大小等于 N，或首次大于 N。假设最后可以接受的非支配层是 L层，那么在 L+ 1 层以及之后的那些解就被丢弃掉了，且 St FL中的解已经确定被选择作为 Pt+1中的解。Pt+1中余下的个体需要从 FL中选取，选择的依据是要使种群在目标空间中具有理想的多样性。(The test can run and modify the function according to its own situation. NSGA-III first defines a set of reference points. Then the initial population containing N individuals (preferably the same number of reference points as the original literature) was randomly generated, where N was the size of the population. Next, the algorithm is iterated until the termination condition is satisfied. On the basis of current population Pt, the algorithm simulates two-point crossover (SBX) and polynomial mutation to produce offspring population Qt by random selection.)

龙哥库塔法的matlab实现方法，简单易用(Long Ge Kuta method matlab implementation, easy to use)