Levenson

MATLAB工程计算及应用电子书，望大家共同切磋共同进步！(MATLAB engineering calculation and application of e-books, learn the common look of common progress!)

介绍数字滤波器的定义、分类及实现方法。讨论IIR滤波器、FIR滤波器的设计方法以及如何运用MATLAB中的DSP Blockset工具箱设计数字滤波器。(Introduce digital filter definition, classification and realization method. Discussion of IIR filters, FIR filter design methods and how to use MATLAB in the DSP Blockset toolbox design digital filters.)

Dynamic simulation of a manually operated star

实现不同信号波形的合成分析程序。在matlab上调试通过(To achieve the synthesis of different signal waveform analysis program. Debugging through the matlab)

经典的SVM算法，matlab实现里面含有多个例子(Classical SVM algorithm, matlab implementation)

负正弦加白噪声随机过程下使用MUSIC方法进行信号频率估计仿真，信号样本数去1000，估计的自相关矩阵为8阶，分别采用AIC和MDL准则估计信号源个数，并画出相应的MUSIC频率估计谱线。(Negative sine plus white noise random process method using MUSIC frequency estimation simulation, signal samples to 1000, the estimated autocorrelation matrix of order 8, AIC and MDL criteria were used to estimate the number of signal sources, and draw the corresponding MUSIC frequency spectrum estimation.)

说明：  独立成分分析是近年来出现的一种强有力的数据分析工具。1994年由Comon给出了ICA的一个较为严格的数学定义，其思想最早是由Heranlt和Jutten于1986年提出来的。ICA从出现到现在虽然时间不长，然而无论从理论上还是应用上，它正受到越来越多的关注，成为国内外研究的一个热点。特别是从应用角度看，它的应用领域与应用前景都是非常广阔的，目前主要应用于盲源分离、图像处理、语言识别、通信、生物医学信号处理、脑功能成像研究、故障诊断、特征提取、金融时间序列分析和数据挖掘等。 ICA是一种用来从多变量（多维）统计数据里找到隐含的因素或成分的方法，被认为是主成分分析（Principal Component Analysis, PCA）和因子分析（Factor Analysis）的一种扩展。对于盲源分离问题，ICA是指在只知道混合信号，而不知道源信号、噪声以及混合机制的情况下，分离或近似地分离出源信号的一种分析过程。(Independent Component Analysis, ICA)

Bode and Nyquist plot generator using frequency domain

OSL0稀疏重构算法 SL0的优化版 输入: y:测量值向量 A:测量矩阵 A_pinv:A的广义逆 输出: xr:重构信号 实现信号的压缩重构(OSL0 u7A00 u758F u91CD u6784 u7B97 u6CD5 SL0 u7684 u4F18 u5316 u7248 u8F93 u5165: y: u6D4B u91CF u503C u5411 u91CF A: u6D4B u91CF u77E9 u9635 A_pinv: A u7684 u5E7F u4E49 u9006 u8F93 u51FA: xr: u91CD u6784 u4FE1 u53F7 u5B9E u73B0 u4FE1 u53F7 u7684 u538B u7F29 u91CD u6784)

This is a matlab code for facial recognition