导师实验室购买的正版mimics软件配套基础教程，中文最新版，非常实用！Part2

STM32F103VE+TFT屏生成二维码并显示，利用串口1 输入数据(以回车换行结尾)，STM32用串口收到的数据生成二维码，并显示在TFT屏上，二维码大小自动调整。详细描述地址：https://blog.csdn.net/raven2008/article/details/80176100

路威常用的软件很不错Rovio中文说明+驱动+安装+安卓中文+固件+API

系统地讲解了数学建模的方法、类型、及相关工具结合若干实例全面地介绍统计、优化、偏微分方程数值、样条和曲线拟合等工具箱的内容和用法。统计工具箱部包括概率分布、假设检验、方差分析、回归分析、非参数检验、判别分析、聚类分析、主成分分析、试验设计、统计过程控制、常用统计图形、多元方差分析、决策树、因子分析、隐马尔可夫模型和多维尺度分析等内容。优化工具箱部分介绍线性规划、二次规划、非线性规划、多目标规划、0-1规划、最大最小化、半无限问题、最小二乘问题和方程求解，以及大型优化问题的求解方法。偏微分方程数值解工具箱部分包括如何用图形用户界面和工具箱函数求解偏微分方程，常见的偏微分方程数值求解问题，以及包括

【实例简介】matlab毕业设计程序 %% TD_SCDMA的信道估计与联合检测: TD_SCDMA.m clear; clc; %************************************************************ %%仿真过程用到的变量 bit_len=88; %每个突发帧结构所包含的用户数据比特数 %TD-SCDMA每个突发帧的数据比特为704，扩频因子为16，采用QPSK调制，故用户数据比特数为704/16*2=88 N=44; %经过QPSK调制知道每个突发帧所包含的符号数 K=8; %用户个数 P=128; %基本midamble码的长度 Q=16; %扩频因子

里面包含大量直方图均衡化算法，部分程序有对应的论文。只有glg算法是opencv的，其他都是matlab程序，内含CLAHE,AHE,MMBEBHE,RMSHE,RSIHE,BBHE,DSIHE,权重的直方图均衡化，等等。

quartus环境下工程，自己写的sipo和piso两个模块，用verilog分别实现串并转换和并串转换，通俗易懂

自己搭的阵风风速模型，希望有人能用到，可以用作matlab风电场建模，双馈电机等方面

本代码支持UDP，TCP，COAP，三种方式发送数据已经完全测过了，一些注意点都在代码里面有注释，可自行参考。

test2:一、 基本最小二乘法一次算法二、 基本最小二乘法递推算法三、 最小二乘遗忘因子一次完成算法四、 最小二乘遗忘因子递推算法五、 最小二乘限定记忆算法六、 最小二乘偏差补偿算法七、 增广最小二乘算法八、 广义最小二乘算法test3:一、 辅助变量自适应滤波算法二、 辅助变量纯滞后算法三、 辅助变量Tally原理算法四、 多级最小二乘算法五、 各类改进最小二乘算法的特点test4:1、 第二类随机性辨识问题的梯度校正2、 随机牛顿法test5:1、 递推的极大似然估计2、 预报误差参数辨识test6:1、 根据Ha

详细介绍ARMA模型 里面不仅介绍了该模型的实际用法也进行了举例分析计算结果表明,时,预测的标准误差较小,所以选取=。预测第月份的销售收入为计算的程序如卜为移动平均的项数由于的取值不同,的长度不一致,下面使用了细胞数组简单移动平均法只這合做近期预测,而且是预测目标的发展趋势变化不人的情况如果目标的发展趋势存在其它的变化,米用简单移动屮均法就会产生较大的预测偏差和滞后。加权移动平均法在简单栘动平均公式中,每期数据在求平均时的作用是等同的。但是,每期数据所包含的信息量不样,近期数据包含着更多关于未来情况的信息。因此,把各期数据等同看待是不尽合理的,应考虑各期数据的重要性,对近期数据给予较大的权重,这就是加权移动平均法的基本思想。设时间序列为加权移动平均公式为十·十∴+式中为期加权移动平均数;为的权数,它体现了相应的在加权平均数中的重要性。利用加权移动平均数来做预测,其预测公式为即以第期加权移动平均数作为第+期的预测值。例我国年原煤广量如表所示,试用加权移动平均法预测年的产量。表我国原煤产量统计数据及加权移动平均预测值表原煤产量三年加权移动平均预测值相对差(%)解取,按预测公式计算三年加权移动平均预测值,其结果列于表中。年我国原煤产量的预测值为(亿吨这个预测值偏低,可以修正。其方法是:先计算各年预测值与实际值的相对误差,例如年为将相对误差列于表中,再计算总的平均相对误差。由于总预测值的平均值比实际值低,所以可将年的预测值修正为计算的程序如下:在加权移动平均法中,的选择,同样具有一定的经验性。一般的原则是:近期数据的权效人,远期数据的权数小。至于人到什么稈度和小到什么程度,则需要按照预测者对序饥的了解和分析来确定。趋势移动平均法简单移动平均法和加权移动平均法,在时间序列没有明显的趋势变动时,能够准确反映实际情况。但当时间序列出现直线増加或减少的变动趋势时,用简单移动平均法和加权移动平均法来预测就会岀现滞后偏差。因此,需要进行修正,修正的方法是作二次移动平均,利用移动平均滞后偏差的规律米建立直线趋势的预测模型。这就是趋势移动平均法。次移动的平均数为+∴在一次移动平均的基础上再进行一次移动平均就是二次移动平均,其计算公式为D下面讨论如何利用移动平均的潛后偏差建立直线趋势预测模型。设时间序列从某时期开始具有直线趋势,且认为末来时期也按此直线趋势变化,则可设此直线趋势预测模型为其中为当前时期数;为由至预测期的时期数;为截距;为斜率。两者又称为平滑系数现在,我们根据移动平均值来确定平滑系数。由模型()可知所以+…十因此由式(),类似式()的推导,可得所以类似式()的推导,可得于是,由式()和式()可得平滑系数的计算公式为例我国年的发电总量如表所示,试预测和年的发电总量。表我国发电量及一、二次移动平均值计算表年份发电总量次移动平均二次移动平均,=解由散点图可以看出,发电总量基本呈直线上升趋势,可用趋势移动半均法来预测。图原始数据散点图取三,分别计算次和二次移动平均值并列于衣中。再由公式(),得于是,得时直线趋势预测模型为预测年和年的发电总量为计算的程序如下:把原始数据保存在纯文本文件中为移动平均的项数趋势移动平均法对于冋时存在直线趋势与厝期波动的序列,是种既能反映趋势变化,又可以有效地分离出来周期变动的方法。§指数半滑法次移动平均实际上认为最近期数据对未来值影响相同,都力权一;而期以前的数据对未来值没有影响,加权为。但是,二次及更高次移动平均数的权数却不是—,且次数越高,权数的结构越复杂,但永远保持对称的权数,即两端项权数小,中间项权薮大,不符合一般系统的动态性。一般说来历史数据对未来值的影响是随时间间隔的增长而递减的。所以,更切合实际的方法应是对各期观测值依时间顺序进行加权平均作为预测值。指数平滑法可满足这一要求,而且具有简单的递推形式指数平滑法根据平滑次数的不同,又分为一次指数平滑法、二次指数平滑法和三次指数平滑法等,分别介绍如下次指数平滑法.预测模型设时间序列为,a为加权系数,