cross_coordinate_modified

一、 牛顿－拉夫逊法概要 首先对一般的牛顿－拉夫逊法作一简单说明。已知一个变量X的函数 （4－6） 解此方程式时，由适当的近似值X（0）出发，根据 （4－7） 反复进行计算，当X（n）满足适当的收敛判定条件时就是（4－6）式的根。这样的方法就是所谓的牛顿－拉夫逊法。 式（4－7）就是取第n次近似解X（n）在曲线 上的点 处的切线与X轴的交点作下一次X（n+1）值的方法。参考图4－2（a）。在这一方法中为了能收敛于真解，初值X（0）的选取及函数f（X）必须满足适当的条件，如图4－2（b）所示的那种情况就不能收敛或收敛到别的根上去。 这一方法还可以做下面的解释，设第n次迭代得到的解与真值之差，即 的误差为 时，则 （4-8） 把 在 附近对 用泰勒级数展开 （4-9） 上式略去 以下的项 （4-10） 的误差可近似由上式计算出来 图4-2 （4-11） 比较式（4-7）和（4-11），可以看出牛顿-拉夫逊法的修正量和 的误差的一次项相等。 用同样的方法考虑，给出对n个变量 (:Because of the importance and complexity of power system, better algorithm and programme language is very important . An interior point method based on the perturbed Karush2Kuhn2Tucker (KKT) condition is pre2 sented in this paper , where the method and process for the optimal power flow is treated through the Matlab’s symbolic math toolbox and Mfunction is also presented. Using the symbolic code , it can improve the adaptability of the programme dramatically. The advantage is that , what we need to do is change the model expression. We can make use of the symbolic programme to check our programme while we write the Mfunctions. Using the Mat2 lab , we find the optimal solutions and calculate quickly and efficiently. It has proposed the powerful and unique functions of Matlab in the optimization and calculation for power system. Key words :power system symbolic calculation optimal power flow interior point method)

先用butter filter去除噪音，再找到信号峰，对峰描叙的条件可以自行调整(butter filtering, and peak finding)

很好的超声声场仿真软件，由丹麦理工超声实验室编写。(a good ultrasound simulating software, DTU ultrasound lab. )

hysys and matlab link3

用reweighted L1优化进行压缩感知的信号重建算法(Optimized by reweighted L1 signal is compressed sensing reconstruction algorithm)

人工神经网络中用Oja网络求解模式的主分量问题(Oja networks using artificial neural network model of the main components of problem solving)

二维的悬臂梁问题，简单实用，采用EFGM方法，适合初学者。(2-dimensional cantilever beam problem, simple and practical, using EFGM method, suitable for beginners.)

denoising by wavelets

说明：  基于matlab的模块化通信系统仿真设计，以及实验报告(this is a design of engineer system modulation based on matlab2012b)

DefaultCorpusRanker extends AbstractCorpusRanker.