bodejiaozhengyuanli

general training of neural network

本书基于MATLAB 5.2版，提供了使用MATLAB的实践性指导。MATLAB已成为适合多学科、多种工作平台的功能强大、界面友好、语言自然并且开放性强的大型优秀应用软件，同时也已成为国内外高等院校高等数学、数值分析、数字信号处理、自动控制理论以及工程应用等课程的基本教学工具。本书按逻辑编排，自始至终用实例描述；内容完整且每章相对独立；是一本简明的MATLAB参考书，既适用于初学者，也适用于高级MATLAB用户。对MATLAB与FORTRAN、C等语言结合的描述更是所有MATLAB书籍中少有的一大特色。 本书适合作为理工科高等院校研究生、本科生教学用书，也可作为广大科研工程技术人员的自学用书。(err)

Simulink interface blocks with serial

说明：  自己在MATLAB GUIDE下编写的数字均衡器。能播放WAV格式音频文件并进行8段均衡器调节，显示原波形、频谱和调节后的波形、频谱。压缩文件中还包含了3个可以参考的类似程序报告。(An EQ designed in MATLAB GUIDE. It can play WAV file and do the EQ, show the frequency spectrum and wave shape of original and filtered file.)

image aliasing matlab code

改进粒子群算法摄像机标定，对所求的初始参数进行非线性优化,得到最终的摄像机参数精确值(Camera Calibration Using Modified Particle Swarm Algorithm， the accuracy, stability and global search ability are obviously enhanced compared with the traditional calibration algorithm. Nonlinear optimization to the desires of initial parameters, we get the final accurate camera parameters)

PID control dc motor

这是一本关于内核源代码分析的好书，希望能给大家带来益处(This is a core source code analysis on the books, we hope that they will benefit)

采用matlab进行剖分的函数程序，可用于剖分各种几何结构，便于编程时的数据获取(Its shape is a function of using matlab program can be used to split a variety of geometric structure, easy programming of data acquisition)

上传一个word档的联邦式扩展卡尔曼粒子滤波算法，大家学习粒子滤波有益，为了使联邦滤波器够有效处理非高斯、非线性系统的状态估计问题，提出将扩展卡尔曼粒子滤波引入联邦滤波结构中，得到一种新的联邦式扩展卡尔曼粒子滤波算法.使用扩展卡尔曼粒子滤波对联邦滤波子系统的多源数据进行处理，从而摆脱了经典卡尔曼滤波的限制，拓宽了联邦滤波器的实际应用范围.将联邦式扩展卡尔曼粒子滤波算法应用于非线性滤波器的一个标准验证模型进行了仿真实验，结果表明该算法是有效性的.(Abstract: A new particle filter(Federated Extend Kalman Particle Filter，EKF-FPF) is proposed to estimate the state of Non-Gaussian and Non-Linear system for federated filter, in which extend kalman particle filer is introduced to federated filter so that the information fusion of subsystem can be solved by the non-gaussian and non-linear filer. By doing so, the federated filter can get rid of the disadvantage of the ordinary kalman filter to extend its application field. The simulation results of the standard testing model demonstrate the feasibility of the proposed algorithm.)