fdtd_microstrip

Descriptor DAISY for Matlab in Windows

example to matlab/simulink power system model

说明：  4阵元的lMS和RLS的波束调零算法，可以看到调零后的波束方向图(4 array element of the LMS and RLS Beamforming Algorithm zero, we can see that after the zero-beam pattern)

说明：  压缩感知 正交匹配追踪一些人关心压缩感知与雷达成像，他们把稀疏表示放在最重要的地方，以为在雷达成像中成功实现压缩感知关键是稀疏表示； 事实上并不是如此。我们知道：压缩感知需要建立AX=B,且该方法具有较低的抑制信噪比能力；另外雷达成像的基础是雷达 信号与目标的相互作用，也就是电磁波与介质的相互作用，该相互作用是一个非常复杂的非线性问题，因此研究这个问题与 压缩感知的关系才是解决雷达成像问题的关键点所在。从另外一个角度来看，雷达成像中惯用的方法是匹配滤波，它之所以 能够处理低信噪比的问题，是因为它利用了回波数据的冗余信息。也就是目前雷达成像算法之所以成功的关键是具有足够 多的冗余信息。现在，在雷达成像中使用压缩感知恰好是反其道而行之！ (compressed sensing)

introduce install omnet by video

三次样条曲线插值函数的matlab源程序(three spline curvs)

利用matlab编程实现偏最小二乘算法，可完成辨识模型的参数(partial least square)

Contains excellent and exact implementation of Markov Dec. Processes using Policy Iteration and Value Itreration from the book Perter Norvig for AI.

1.CAmodelfusion.m 主要功能： （1）完成两个传感器各自对基于CA模型的目标状态的Kalman估计； （2）实现传感器的局部状态估计的SCC和CI融合算法的实现； （3）画出局部估计和两种融合估计的位置、速度、加速度的误差； （4）画出局部估计和两种融合估计的协方差椭圆。 2.CVmodelfusion.m 主要功能： 功能与CAmodelfusion.m基本相似，差异在于实现基于CV模型的估计和估计融合。 3.CovInter.m 主要功能： 寻找CI融合算法的融合估计的协方差阵的行列式最小的权值。 4.f_plot_ellipse_m.m 主要功能： 绘制四种估计的协方差椭圆 (1.CAmodelfusion.m main functions: (1) completion of two sensors each target state based on CA model of Kalman estimation (2) the realization of the sensor partial state estimation algorithm SCC and CI integration and (3) Draw Local estimated position and two fusion estimation, velocity and acceleration errors (4) Draw two fusion of local estimates and estimated covariance ellipse. 2.CVmodelfusion.m Main Features: a CAmodelfusion.m similar, the difference is that the estimated CV-based estimation and model integration. 3.CovInter.m main functions: Find fusion algorithm fusion CI estimated covariance matrix of the determinant minimum weight. 4.f_plot_ellipse_m.m main functions: Draw four kinds estimate covariance ellipse)

代码主要计算Daubechies紧支集滤波器系数L0_d和H1_d,然后采用这两个系数对信号进行小波分解(The main calculation code compactly supported Daubechies filter coefficients L0_d and H1_d, then the use of these two coefficients of wavelet decomposition signals)