Roman-3

NNDemo2.0是对神经网络实验演示系统NNDemo1.0的进一步增强与扩充， 可以形象的演示各种网络模型的一些应用或性质，其中仿真例题是《人工 神经网络原理及仿真实例》教材中所有的例题。该系统使用极其简便，即使 你对各种网络模型不是很深刻的了解，也可以很好的使用该系统。使用时， 你可以自己修改网络的各种参数，交互性较好，而且该系统通过大量的图示 及参数设置，可以让你了解每个应用实例实现的过程及详细步骤。如果你想 学习神经网络的Matlab仿真（编程），进一步提高自己的编程能力，下面的 文件说明可以帮助你很快的找到系统的每个源文件。 (NNDemo2.0 is a neural network system NNDemo1.0 experimental demonstration of the further enhanced and expanded)

说明：  自己做的作业 两个小程序 水印方面的(matlab xiaochengxu)

给原始的语音信号加上一个高频余弦噪声，频率为5kHz。画出加噪后的语音信号时域和频谱图(To the original speech signal and the last high frequency cosine noise, frequency of 5kHz. Speech signal time domain and frequency spectrum and noise after the draw)

EM 算法是Dempster，Laind，Rubin于1977年提出的求参数极大似然估计的一种方法，它可以从非完整数据集中对参数进行 MLE估计，是一种非常简单实用的学习算法。这种方法可以广泛地应用于处理缺损数据、截尾数据以及带有噪声等所谓的不完全数据，可以具体来说，我们可以利用EM算法来填充样本中的缺失数据、发现隐藏变量的值、估计HMM中的参数、估计有限混合分布中的参数以及可以进行无监督聚类等等。(EM algorithm is a method for maximum likelihood estimation of parameters proposed by Dempster, Laind and Rubin in 1977. It can estimate parameters from incomplete data sets by MLE. It is a very simple and practical learning algorithm. This method can be widely used in dealing with the so-called incomplete data such as defective data, censored data and noisy data. Specifically, we can use EM algorithm to fill missing data in samples, find hidden variable values, estimate parameters in HMM, estimate parameters in finite mixed distribution, and so on. Unsupervised clustering and so on.)

caculate newy-west standard deviation

Line of Sight Stabilization Primer(LOS) used for control of GIMBAL pointing and stabilization

声音处理的MATLAB程序：LPCCONV((from,to,x,y)->s convert between LPC parameter sets )

用matlab GUI做的计算器，具有加减乘除功能(Calculator design by matlab GUI )

一种未知输入/输出的解耦方法，可用于控制器的设计、故障诊断系统设计等(An unknown input/output decoupling method can be used for controller design, fault diagnosis system design)

Find the theorical capacity of an optical comb sistem