matlab

基于有限混合高斯模型的数据分类 1、使用基于有限高斯混合模型的EM算法对数据样本进行归类 2、使用C++或者Matlab语言编程环境实现该算法，并用给定的数据包对算法的正确性进行检验 (Gaussian mixture model based on limited data classification 1, using the finite Gaussian mixture model based on EM algorithm to classify the data samples 2, using the C++ or Matlab programming environment to realize the algorithm, and with a given data packet to the algorithm correctness testing )

说明：  here is the matlab code for sixty four qam modulation

采用加权网络中节点强度和权重都是幂率分布的模型，在matlab环境中自动识别连通区域的大小,用于时频分析算法。( Using weighted model nodes in the network strength and weight are power law distribution, Automatic identification in the matlab environment the size of the connected area, For time-frequency analysis algorithm.)

利用MATLAB进行数据拟合，常见的数据拟合方法。包括：一元函数插值、样条插值、多项式插值或拟合 、曲线拟合、拉格朗日插值法等。(MATLAB data fitting, common data fitting methods. It includes: interpolation of unitary function, spline interpolation, polynomial interpolation or fitting, curve fitting, Lagrange interpolation, etc.)

Induction motor - simulink

this file implement weighted linear method in pattern recognition

CA CODE Copyright (c) 2008, Dan Boschen All rights reserved. Redistribution and use in source and binary forms,

lte mobility and lte phy-mac model program code in matlab

说明：  两种不同的假设： H1 ： 0 xn A fn wn ( ) cos(2 ) ( ) = ++ π θ n=1,2,…,N，f0 为规一化频率 H0 ： xn wn () () = n=1,2,…,N 其中 w[n]是均值为 0，方差为 2 σ n 的高斯白噪声，A 已知，样本间相互 独立，信号与噪声相互独立; 相位θ 是随机变量，它服从均匀分布 1 0 2 ( ) 20 p θ π θ π ?? ≤ ≤ = ??? 其它 1）改变输入信噪比（改变 A 或噪声方差均可），给定虚警概率，画出 输入信噪比与检测概率之间的理论曲线。(注意：理论检测曲线与样本 数有关) 2）改变样本数，用 Monte-Carlo 实验方法得出 PF＝0.001 时输入信噪比 与检测概率之间关系曲线（至少三条），并得出结论。 3）改变 M-C 实验次数，样本数不变，用 Monte-Carlo 实验方法得出 PF ＝0.001 时输入信噪比与检测概率之间关系曲线（至少三条），并得出 结论。(Draw the theoretical curve between input SNR and detection probability)

雷达概述，雷达基本组成，雷达方程，雷达进展，雷达分类(Overview of radar, radar basic components, radar equation, radar progress, radar classification)