malaNasobilka_ThienLongNgo

说明：  HOUGH变换及用于SAR动目标检测的matlab程序！(HOUGH Transform and its implemention in the SAR moving target detection )

是“MATLAB混合编程与工程应用”一书的源码，该书高洁和孙新德编著 清华大学出版社出版 2008年5月 本书以MATLAB最新版本R2006a为蓝本，系统介绍了MATLAB混合编程的最新技术。全书共分11章，第1和第2章概述了 MATLAB混合编程的发展状况及基本方法，第3至10章分别介绍了几种典型的混合编程方法，包括使用MEX、MATLAB Engine、MATLAB ACTIVEX、Mideva、MATLAB Builder for .NET、MATLAB Web Server进行混合编程，以及MATLAB和Visual Basic、Excel等混合编程。第11章以数字水印技术为例介绍了MATLAB混合编程在工程中的典型应用。 本书按照混合编程常用方法进行编写，第3至10章的每章都为一个独立单元，读者可以任选其中一章或几章进行学习，每章重点阐述一种混合编程方法的实质和要点，实例描述贯穿始终。 本书不仅具有理论深度与广度，而且注重实用，实例丰富，特别是通过作者在数字水印方面的研究成果，提供了理论分析与应用案例。 本书可以作为高等院校计算机及信息相关专业的教材或参考书，也可供广大科技工作者参考。(err)

说明：  基于反应谱计算的基本原理，对于单自由度弹性体系在水平地震作用下的力平衡方程。(Calculated based on the basic principles of response spectrum for single degree of freedom elastic system under horizontal earthquake force balance equation.)

This m-file calculates the starting perfomance of induction motor using the steady state ac circuit to represent it. This calculates for the first part, it is modified to obtain other results

高光谱干涉测厚算法的MATLAB例程，通过傅立叶变换实现，解析干涉高光谱对应的样品厚度，分辨率可实现纳米级别(High spectral interference thickness measurement algorithm MATLAB routines, Fourier transform, resolve interference hyperspectral corresponding sample thickness, the resolution can achieve nanometer level)

THIS IS A BLIND QUALIZATION ALGORITHM. 2BPSK MODULATION 3 MUTIPATH

应用熵检测法实现CW脉冲信号的检测，并画出ROC曲线，判断接收机性能。(Applying entropy detection method to realize CW pulse signal detection, and draw ROC curve to judge the receiver performance.)

使用matlab语言描述遗传算法源的程序(Genetic algorithm using matlab language to describe the source of the program)

这是对Matlab Prony Toolbox 的详细的英文版使用说明，长达121页。里面包括了该工具箱的demos和使用方法。(This is a detailed description of Prony toolbox based on Matlab. And it includes the using methods for all the examples or demos)

MUSIC算法[1]是一种基于矩阵特征空间分解的方法。从几何角度讲，信号处理的观测空间可以分解为信号子空间和噪声子空间，显然这两个空间是正交的。信号子空间由阵列接收到的数据协方差矩阵中与信号对应的特征向量组成，噪声子空间则由协方差矩阵中所有最小特征值（噪声方差）对应的特征向量组成。(MUSIC algorithm [1] is a feature space based on matrix decomposition method. From the geometric point of view, the signal processing can be decomposed observation space the signal subspace and the noise subspace, it is clear that the two spaces are orthogonal. Signal Subspace data received by the array covariance matrix and eigenvectors corresponding to the signal component, the noise subspace from the covariance matrix of all the smallest eigenvalue (noise variance) eigenvector components.)