mimo检测算法zf.zf-sic,mmse,mmse-sic性能matlab仿真

机器学习基础，配套代码，MATLAB、 运行示例程序需按照如下步骤：1、在MATLAB中打开setpath.m文件所在目录，并运行setpath.m文件2、进入所学章节目录，运行示例m文件

【实例简介】包括模糊函数图、速度模糊函数、距离迷糊函数以及脉冲压缩仿真

QPSK调制（matlab代码）

数字信号处理实践教程实验名称：FFT及其应用一．实验目的学习按时间抽取的基—2FFT算法原理，掌握使用FFT快速计算序列线性卷积的原理与方法，掌握重叠相加法和重叠保留法的原理。二．实验原理快速傅里叶变换将时域中难以处理的信号转换成易于处理的频域信号，分析完成后进行傅里叶反变换即得到原始的时域信号。需要注意区分的是FFT算法针对一个已经测量好的数字序列进行处理，是DFT的一种快速算法，通过蝶形运算利用正交函数特性大大提高了运算速度；而递归DFT算法则是每测量一个点都计算一次。或者可以这么理解：FFT是离线式的计算，而递归DFT则是在线式的。

用粒子群算法对RBF网络参数初值的估计

：裂缝识别

s型曲线运动控制的MATLAB仿真（纯数学方法）

【实例简介】电力系统继电保护中的电流保护实例

内含libsvm工具箱、SVMs的示例程序（含代码和实例数据）、SVR的示例程序（含代码和实例数据）

【实例简介】机器学习中的多示例包层次SVM分类算法 【核心代码】Bag_KI_SVM.m KI-SVM ├── Bag KI-SVM │   ├── Bag_KISVM_prediction.m │   ├── Bag_KI_SVM.m │   ├── Find_y.m │   ├── Find_y_linear.m │   ├── Max_Violated_y_set.m │   ├── Readme.htm │   ├── celltomatrix.m │   ├── genIndex.m │   └── normalization_gaussian.m ├── Instance KI-SVM │   ├── Find_y.m │   ├── Find_y_linear.m │   ├── Inst_KISVM_prediction.m │   ├── Inst_KI_SVM.m │   ├── Max_Violated_y_set.m │   ├── Readme.htm │   ├── celltomatrix.m │   ├── genIndex.m │   └── normalization_gaussian.m ├── experiments.m ├── experiments_KISVM_musk1.m ├── libsvm-mat-2.88-MI-svm │   ├── COPYRIGHT │   ├── Makefile │   ├── README │   ├── doc.txt │   ├── heart_scale.mat │   ├── make.asv │   ├── make.m │   ├── read_sparse.c │   ├── read_sparse.mexw32 │   ├── read_sparse.mexw64 │   ├── svm.cpp │   ├── svm.cpp.bak │   ├── svm.h │   ├── svm.h.bak │   ├── svm.obj │   ├── svm_model_matlab.c │   ├── svm_model_matlab.c.bak │   ├── svm_model_matlab.h │   ├── svm_model_matlab.obj │   ├── svmpredict.c │   ├── svmpredict.mexw32 │   ├── svmpredict.mexw64 │   ├── svmtrain.c │   ├── svmtrain.c.bak │   ├── svmtrain.mexw32 │   └── svmtrain.mexw64 └── normedmusk1.mat 3 directories, 47 files