数字信号处理实验指导书（MATLAB版）源码及电子档 mitra

本人在Simulink平台搭建的DC-DC变换器仿真模型，可以使用构成你自己模型的一部分。

IRIS数据集，包括三个文本文件和一个EXCEL表格，主要用于验证构建的神经网络的有效性，具体代码https://blog.csdn.net/ckzhb/article/details/60571769

试建立一个2DPSK频带传输模型，产生一段随机的二进制非归零码的基带信号，对其进行2DPSK调制后再送入加性高斯白噪声（AWGN）信道传输，在接收端对其进行2DPSK解调以恢复原信号，观察还原是否成功，改变AWGN信道的信噪比，计算传输前后的误码率，绘制信噪比-误码率曲线，并与理论曲线比较进行说明。另外，对发送信号和接收信号的功率谱进行估计。

该程序组共包含10个子程序，全部为计算水和水蒸汽性质的子程序，采用的是国际公式化委员会制定的水和水蒸气热力性质（IFC67）公式。各子程序分别是：TSK.m 求某下压力饱和温度。PSK.m 某温度下饱和压力。HS.m 已知比焓、比熵，求其它性质。PX.m 已知压力、干度，求其它性质。PV.m 已知压力、比熵，求其它性质。PTG.m 已知压力、温度，求饱和汽、过热蒸汽的性质。PTF.m 已知压力、温度，求饱和水、过冷水的性质。PT.m 已知压力、温度，求其它性质。PS.m 已知压力、比熵，求其它性

python代码，爬虫爬取高德地图POI数据，先注册高德个人账户，获取所需要的key，替代代码中的key，然后更改省市，更改想要的数据类型，python运行即可得到xlse数据

GSC(Generalized Sidelobe Canceller,广义旁瓣相消器)是麦克风阵列处理中实现语音增强的一种方法

加速老化试验温度的加速因子，由Arrhenius 模型计算，输入参数即可得到结果

【实例简介】LSTM异常检测自动编码器 使用LSTM自动编码器检测异常并对稀有事件进行分类。 如此多次，实际上是现实生活中的大多数数据，我们都有不平衡的数据。 数据是我们最感兴趣的事件，很少见，不像正常情况下那么频繁。 例如，在欺诈检测中。 大多数数据是正常情况，无论数据是否已标记，我们都希望检测异常或何时发生欺诈。 处理未标记的数据时，我们通常会使用“异常值检测”方法，例如，基于聚类的局部离群值因子（CBLOF） ，基于直方图的离群值检测（HBOS）等。而标记的数据被视为“分类”问题和分类器，如和。 但是，由于正数据点在数据中很少见，因此该算法发现很难从数据中学到很多东西。 例如，分类器通常最终会在所有情况下都预测为“负”，以实现最佳准确性。 在这里，我们将研究可用于有监督和无监督以及罕见事件分类问题的另一种方法。 长短期记忆自动编码器。

【实例简介】可以对 电流 电压 功率 谐波进行分析，并通过lcd进行图形和数据显示！！！