test

说明：  matlab入门练习，包括各种作图举例，实现一些简单的算法(matlab learning)

异步电机矢量控制，有MARS法，isq闭环测速法，可以运行有速度和无速度两种模式。(vector control, MARS, isq closed-loop gun, can run with speed and speed in two modes.)

经过调试过的朴素贝叶斯分类器，可以正常使用。(After debugging through the Naive Bayes classifier, can be used normally . )

OFDM为正交频分复用，频谱利用率高，抗干扰性强，应用前景广泛，为4G发展的核心技术，本文用matlan对其进行仿真(OFDM orthogonal frequency division multiplexing, high spectrum efficiency, interference is strong, broad application prospects, 4G development of the core technology, matlan its simulation)

（1）变换模块 本模块包含两部分内容：利用 反变换规则将 坐标系下的两相电流转换成三相电流；利用间接矢量控制，得到转子角位移，公式如下（2） 电流滞环控制器(Hysteresis current controller)模块（3） 电压源型逆变器(Voltage sourse inverter,VSI)模块 （4） 变换模块（5） 感应电机(IM)模块 该感应电机模型是基于交流电机的电路方程、转矩方程以及运动方程建立起来的。该仿真模块为一个三输入、六输出的系统子模块。输入为 坐标系中定子电压，输出则是 坐标系中的转子电流和转子磁链，以及输出的转矩。（6） 电流反馈模块（7）速度控制器模块 ()

下行信道加扰源码,matlab编写,方便对通信模型的仿真和学习(Downstream channel scrambling codes, matlab prepared to facilitate the simulation model for communication and learning)

DOA估计中的基本music算法，用于多个信号来向及干扰时测向。(The basic music DOA estimation algorithm for multiple signal direction finding to and interference.)

二维ESPRIT算法的一种实现（需预先生成导向矢量）(An implementation of 2D ESPRIT algorithm, which is used for DoA estimation.)

相依光栅谱型的matlab模拟。有具体的指导文件，详细的编写过程。(Dependent grating spectral type matlab simulation. There are specific guidance documents, detailed preparation process.)

相关向量机(RVM)的matlab源程序，包含快速算法，内含代码使用说明。 RVM采取是与支持向量机相同的函数形式稀疏概率模型，对未知函数进行预测或分类。 优点： (1) 不仅仅输出预测目标量的点估计值,还可以输出预测值的分布. (2) 使用更少数量的支持向量,从而显著减少输出目标量预测值的计算时间. (3) RVM不需要估计过多的参数. (4) RVM对是否满足Mercer 定理的核函数没有限制,适应性更好(Relevance Vector Machine (RVM) of the matlab source code, including fast algorithm that contains code for use. RVM support vector machine is taken the same functional form sparse probabilistic model to predict the unknown function or classification. Advantages: (1) is not only the amount of output predicted target point estimates, but also the distribution of predicted values ​ ​ can be output. (2) using a smaller number of support vectors, thereby significantly reducing the output target amount predicted value calculation time. (3) RVM does not require excessive parameter estimation. (4) RVM meets Mercer theorem on the kernel function is not limited, and better adaptability)