msk1

说明：  在CC++中调用Matlab， 了解调用MATLAB接口(In CC++ Calling Matlab, learn to call MATLAB Interface)

包含仿真结果的16QAM系统的仿真报告，每一部分给予详细说明(Contains simulation results of 16QAM system simulation reports, each giving details)

channel flow computation

雷达系统设计 恒虚警处理 MTI、MTD(radar system design)

介绍了matlab的通信工具箱的所有函数 以及如何使用 matlab通信工具箱(MATLAB communication toolbox functions and how to use Matlab communication toolbox)

此为分数阶傅立叶变换离散形式的计算程序，此种方法计算分数阶傅立叶变换程序简单，但应用有其局限性！(This is the discrete fractional Fourier transform calculation program, such fractional Fourier transform method procedure is simple, but the application has its limitations!)

说明：  matlab语言编写的 大地电磁电阻率正演程序(matlab language MT resistivity forward procedure)

一个马尔可夫（MRF）图像分割MATLAB的源码,有30几个函数。Markov随机场的例子程序,对于初学入门MRF的人很有用,能得到直观的印象。(A Markov (MRF) image segmentation MATLAB source code, 30 a few functions. Markov random sample program, for beginners who are useful entry-MRF can get a visual impression.)

1 SIFT 发展历程 SIFT算法由D.G.Lowe 1999年提出，2004年完善总结。后来Y.Ke将其描述子部分用PCA代替直方图的方式，对其进行改进。 2 SIFT 主要思想 SIFT算法是一种提取局部特征的算法，在尺度空间寻找极值点，提取位置，尺度，旋转不变量。 3 SIFT算法的主要特点： a) SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性。 b) 独特性(Distinctiveness)好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配[23]。 c) 多量性，即使少数的几个物体也可以产生大量SIFT特征向量。 d) 高速性，经优化的SIFT匹配算法甚至可以达到实时的要求。 e) 可扩展性，可以很方便的与其他形式的特征向量进行联合。 4 SIFT算法步骤： 1） 检测尺度空间极值点 2） 精确定位极值点 3） 为每个关键点指定方向参数 4） 关键点描述子的生成 本包内容为sift算法matlab源码(1 SIFT course of development SIFT algorithm by DGLowe in 1999, the perfect summary of 2004. Later Y.Ke its description of the sub-part of the histogram with PCA instead of its improvement. 2 the SIFT main idea The SIFT algorithm is an algorithm to extract local features in scale space to find the extreme point of the extraction location, scale, rotation invariant. 3 the main features of the SIFT algorithm: a) SIFT feature is the local characteristics of the image, zoom, rotate, scale, brightness change to maintain invariance, the perspective changes, affine transformation, the noise also maintain a certain degree of stability. b) unique (Distinctiveness), informative, and mass characteristics database for fast, accurate matching [23]. c) large amounts, even if a handful of objects can also produce a large number of SIFT feature vectors. d) high-speed and optimized SIFT matching algorithm can even achieve real-time requirements. e) The scalability can be very convenient fe)

Fiber bragg grating apodization.