ssystem

matlab学习实例，包含源代码，简单易学(matlab study examples, including source code, easy to learn)

LMS算法实现自适应滤波 clear close all clc N=10000 设置仿真长度 信号产生参数设定 a1=-0.195 a1=-1.5955 a2=0.95 R0=[1,a1,a2 a1,1+a2,0 a2,a1,1] p=[1,0,0] r=inv(R0)*p 计算理论自相关函数 R=[r(1),r(2) r(2),r(1)] 生成理论自相关矩阵 p1=[r(2),r(3)] 生成互相关 h=inv(R)*p1 计算维纳解 Jmin=r(1)-h *p1 计算维纳解时最小均方误差 u=1/sum(eigs(R)) ( LMS算法实现自适应滤波 clear close all clc N=10000 设置仿真长度 信号产生参数设定 a1=-0.195 a1=-1.5955 a2=0.95 R0=[1,a1,a2 a1,1+a2,0 a2,a1,1] p=[1,0,0] r=inv(R0)*p 计算理论自相关函数 R=[r(1),r(2) r(2),r(1)] 生成理论自相关矩阵 p1=[r(2),r(3)] 生成互相关 h=inv(R)*p1 计算维纳解 Jmin=r(1)-h*p1 计算维纳解时最小均方误差 u=1/sum(eigs(R)) )

本方法是采用 DV-HOP算法进行节点之间的定位。(This method is the use of DV-HOP algorithm positioning between nodes.)

说明：  简单例子A simple exampleA simple example(A simple example)

finding symmetry self contained

均匀圆阵的常规波束形成，没有使用自适应波束形成。uniform circle array beamform(uniform circle array beamform)

constant false alarm rate(CFAR) detetion

Fisher线性判别是线性分类算法中最基本的一种算法，其基本思想是将d维空间中的样本投影到一条最易于分类的投影线上，再进行分类。本文将用使用matlab实现Fisher线性判别算法，并给出４种阈值选择的方法。(Fisher Linear Discriminant is a linear classification algorithm as a basic algorithm, its basic idea is to d-dimensional space of the samples are projected onto one of the most easily classified projector online, and then classified. This article will use matlab to achieve Fisher Linear Discriminant algorithm, and gives four kinds of threshold selection method.)

Direct Least Square Fitting of Ellipses

用三种不同的Runge-kutta方法计算常微分方程(Runge-kutta for ODE)