CallMatlab

CORDIC algorithm - sin cos

EMD的Toolbox及使用方法 经验模态分解（Empirical Mode Decomposition, 简称EMD）是由美国NASA的黄锷博士提出的一种信号分析方法.它依据数据自身的时间尺度特征来进行信号分解, 无须预先设定任何基函数。这一点与建立在先验性的谐波基函数和小波基函数上的傅里叶分解与小波分解方法具有本质性的差别。正是由于这样的特点, EMD 方法在理论上可以应用于任何类型的信号的分解, 因而在处理非平稳及非线性数据上, 具有非常明显的优势。所以, EMD方法一经提出就在不同的工程领域得到了迅速有效的应用, 例如用在海洋、大气、天体观测资料与地震记录分析、机械故障诊断、密频动力系统的阻尼识别以及大型土木工程结构的模态参数识别方面。本工具书主要分以下几个部分：导论、非稳态信号介绍、一维时频信号分解、二维时频信号分解、时频影像信息提取等。 (Time frequency toolbox for use with MATLAB The Time-Frequency Toolbox has been mainly developed under the auspices of the French CNRS (Centre National de la Recherche Scientifique). It results from a research effort conducted within its Groupements de Recherche ”Traitement du Signal et Images” (O. Macchi) and ”Information, Signal et Images” (J.-M. Chassery). Parts of the Toolbox have also been developed at Rice University, when one of the authors (PG) was visiting the Department of Electrical and Computer Engineering, supported by NSF. Supporting institutions are gratefully acknowledged, as well as M. Guglielmi, M. Najim, R. Settineri, R.G. Baraniuk, M. Chausse, D. Roche, E. Chassande-Mottin, O. Michel and P. Abry for their help at different phases of the development.)

主要介绍了当前图像配准的情况，并介绍了非弹性图像配准，是一篇很好的参考文献(Introduces the current situation in image registration, and introduced the non-elastic image registration, is a good reference)

Vth system calculation

桥梁结构模态参数识别,emd,hht,wt(parameter identification using emd method)

ldpc source code.....................................

偏态t分布分布函数，密度函数，对数似然函数，逆分布函数，随机模拟等等程序，对应学习偏态t分布的初学者特别适用(This zip file contains 5 functions: the pdf, cdf, log-likelihood, inverse cdf and a function to generate random draws the skewed t distribution.)

电池横流恒压充电，在matlab里搭建出模型，有需要的可自行下载(Constant current battery charge, to build a model in matlab, there may need to download)

说明：  基于EEMD的回转支承故障多尺度ICA方法 检测与诊断(EEMD-based multiscale ICA method for slewing bearing fault detection and diagnosis)

说明：  Chebyshev 用切比雪夫多项式逼近已知函数 Legendre 用勒让德多项式逼近已知函数 Pade 用帕德形式的有理分式逼近已知函数 lmz 用列梅兹算法确定函数的最佳一致逼近多项式 ZJPF 求已知函数的最佳平方逼近多项式 FZZ 用傅立叶级数逼近已知的连续周期函数 DFF 离散周期数据点的傅立叶逼近 SmartBJ 用自适应分段线性法逼近已知函数 SmartBJ 用自适应样条逼近（第一类）已知函数 multifit 离散试验数据点的多项式曲线拟合 LZXEC 离散试验数据点的线性最小二乘拟合 ZJZXEC 离散试验数据点的正交多项式最小二乘拟合 (Interpolation function)