ode-demo

说明：  用matlab编的ＢＰ程序，两种训练算法进行比较，对于学习ＢＰ网络的人很有益处(using Matlab part of BP procedures, two training algorithm, BP learning network of useful)

单脉冲信号、调频信号模糊函数源代码，很实用！(Single-pulse signal, FM signal ambiguity function source code, it works!)

可以用来模拟光孤子通信系统，进而实现其中的滤波(Optical soliton communication)

四进制PSK信号的产生，方便大家进行相应信号的的调制实验。(Quaternary PSK signal, facilitate everybody carries on the corresponding signal modulation experiment. )

引入了压缩因子，等改进优化算法的pso优化算法(An improved PSO algorithm is introduced, such as compressibility factor.)

指纹识别的源程序，用matlab程序实现的，可以参考看一下()

应用matlab进行图片去噪，简单的matlab程序。(The engineering image denoising is realized with matlab software system.)

高压输电线的工频电场预测mathlab代码 最低高度11米对地1.5m的工频电场的预测(Power frequency electric field is calculated)

说明：  一个完整的OFDM系统仿真程序，本人对原程序修改调试过(Orthogonal frequency division multiplexing (OFDM) is becoming the chosen modulation technique for wireless communications.)

1 SIFT 发展历程 SIFT算法由D.G.Lowe 1999年提出，2004年完善总结。后来Y.Ke将其描述子部分用PCA代替直方图的方式，对其进行改进。 2 SIFT 主要思想 SIFT算法是一种提取局部特征的算法，在尺度空间寻找极值点，提取位置，尺度，旋转不变量。 3 SIFT算法的主要特点： a) SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性。 b) 独特性(Distinctiveness)好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配[23]。 c) 多量性，即使少数的几个物体也可以产生大量SIFT特征向量。 d) 高速性，经优化的SIFT匹配算法甚至可以达到实时的要求。 e) 可扩展性，可以很方便的与其他形式的特征向量进行联合。 4 SIFT算法步骤： 1） 检测尺度空间极值点 2） 精确定位极值点 3） 为每个关键点指定方向参数 4） 关键点描述子的生成 本包内容为sift算法matlab源码(1 SIFT course of development SIFT algorithm by DGLowe in 1999, the perfect summary of 2004. Later Y.Ke its description of the sub-part of the histogram with PCA instead of its improvement. 2 the SIFT main idea The SIFT algorithm is an algorithm to extract local features in scale space to find the extreme point of the extraction location, scale, rotation invariant. 3 the main features of the SIFT algorithm: a) SIFT feature is the local characteristics of the image, zoom, rotate, scale, brightness change to maintain invariance, the perspective changes, affine transformation, the noise also maintain a certain degree of stability. b) unique (Distinctiveness), informative, and mass characteristics database for fast, accurate matching [23]. c) large amounts, even if a handful of objects can also produce a large number of SIFT feature vectors. d) high-speed and optimized SIFT matching algorithm can even achieve real-time requirements. e) The scalability can be very convenient fe)