PSWF-pulse-design

采用M语言编写的图像处理工具箱，内容丰富，设计了WINDOWS下的界面操作，对读者十分方便(M language using the image processing toolbox, rich in content and design of the interface under WINDOWS operation is very convenient for readers)

说明：  主要介绍了准正交空时分组码，包括ABBA，jafarkhani(Introduced quasi-orthogonal space-time block codes, including ABBA, jafarkhani)

基于MATLAB的AR模型的仿真，并分析功率谱，比较好。可以运行(AR model based on MATLAB simulation, and analysis of the power spectrum, the better. You can run)

matlab code for SVM investigation

这是利用一个simulink环境下简单得控制程序，希望对大家有帮助，谢谢！(This is a simulink environment using simple to control the process, we want to help, thank you!)

online Adaptive control mfile

主要是针对面向对象设计中的模块应用，详细见英文说明。。。(NCMGUI Master GUI for Numerical Computing with MATLAB. NCMGUI provides an interface to nineteen of the graphical demostrations from "Numerical Computing with MATLAB". Click on any graphic to access the underlying function.)

牛顿插值函数：自己编写的牛顿插值函数，matlab里面不自带(Newton interpolation function)

Ce travail présente la modélisation et la simulation d’un moteur asynchrone à cage par le logiciel MATLAB/SIMULINK. Ce type de moteur s’est imposé dans l’industrie grace à sa robustesse et sa simplicité de construction par contre sa simulation est difficile, car le modèle est fortement non linéaire. Actuellement, la disponibilité de puissants outils informatiques de calcul permet de surmonter cette difficulté. Le processus de démarrage du moteur, suivi de l’application d’une charge entraî née a été modélisé et simulé. Les résultats obtenus démontrent la justesse du modèle développé. D’autres régimes de fonctionnement du moteur peuvent être facilement étudiés

多变量输入、输出、多干扰、非线性和强耦合的复杂系统控制是一个比较困难的问题，常用的控制器可能因为多变量耦合问题难以控制系统。PID神经元网络是一种多层前向神经元网络，它的各层神经元个数、连接方式、连接权值是按照PID控制规律的已有原则和经验确定的，是一种动态的符合控制系统的前向网络。但是由于PID网络初始权值随机取值的原因，每次控制的效果都有所差别，个别情况下控制效果还比较差。本案例研究了基于PID神经元的多变量耦合系统控制，并用PSO算法来优化控制器以取得更好的控制效果。(Multivariable input, output, and more interference, complex nonlinear and strong coupling system control is a more difficult problem, commonly used multivariable controller may be because the problem is difficult to control the coupling system. PID neural network is a multi-front to neural networks, its number of neurons in each layer, connection, connection weights are in accordance with the existing principles and experience to determine the PID control law is a dynamic compliance before the control system to the network. However, due to the random initial weights of the network PID values ​ ​ of reason, every time there are differences in the effect of control and in some cases the control effect is still relatively poor. This case study of multivariable coupling system based on PID control neurons, and with PSO algorithm to optimize the controller to achieve better control effect.)