iris_data_files

：随着无线技术的飞速发展，频谱缺乏已经成为一个非常严重的问题．感知无线电技术能有效解 决频谱紧张的现状．介绍了感知无线电概念及其内涵，然后介绍了检测频谱空穴的方法．为提高检测概率、 降低设备复杂度及计算复杂度，将UWB与感知无线电结合，提出了基于能量检测及用户合作（EDAUC）的 协作感知方法．仿真和分析表明：该方法能有效提高检测频谱空穴的概率．(: With the rapid development of wireless technology, the lack of spectrum has become a very serious problem. Cognitive radio technology can effectively solve the spectrum tense situation. Introduced the concept of cognitive radio and its content, and then introduces the method of detection of spectrum holes. To improve the detection probability and reduces the complexity and computational complexity, the combination of UWB and cognitive radio is proposed based on energy detection and user cooperation (EDAUC) the cooperative sensing methods. Simulation and analysis: This method can improve the probability of detection of spectrum holes.)

散点数据生成格网,2d,3d,vc6.0,matlab6.5(Source- scatter data generated grid)

仿真计算电磁波在两种介质表面的反射系数和折射系数。(Simulate the reflect coefficient and the transport coefficient of an EM wave when it meets a border of two different media.)

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)

它详细介绍了如何利用ZXing编写一个二维码的编码程序(It details how to use ZXing to write a two-dimensional code encoding process)

实现视频读取小程序，是用MATLAB编写的。(Video applet to read and is prepared to use MATLAB.)

该程序代码是用于车牌字符的定位以及分割，主要是采用联通区域法进行字符的分割(The program code is used for license plate character positioning and segmentation, mainly by China Unicom regional character of the segmentation method)

可以产生测距的超声多普勒信号，为测距回波信号提供素材(could have Doppler signal in order to Echo Ranging provide material)

DWT COde using folding coefficient.............

Ant System algorithm solving classical Traveling Salesman Problems