-
基于 matlab 的伪随机序列的产生和分析
摘要: matlab由于其强大的功能而被广泛应用于很多工程领域。在扩频通信中通常的做法是用一扩频序列与信号相乘,从而得到频谱的扩展或压缩, 因而扩频序列的性能直接决定着通信质量。伪随机序列中的 m序列和 gold序列最常用作扩频序列.
- 2020-12-09下载
- 积分:1
-
旅游路线设计 数学建模
旅游路线设计 数学建模 对于观光旅游、文化考察,选择合理的旅游路线来达到省钱省事的最佳效果是首先要考虑的事情。本文通过对新疆的观光旅游和文化考察,根据各景区的最佳逗留时间、行车路线和旅游路线等特征,建立了新疆最佳旅游的图论模型和数学规划模型,提出了求解的近似算法,并运用MATLA求解,得到了最佳旅游路线的设计方案,为旅游者和文化考察者提供了理论依据和参考。
- 2020-12-02下载
- 积分:1
-
充电桩BMS通信协议.pdf
【实例简介】直流充电桩最新BMS通信协议,发布与2015年,2016之后售卖的新能源车都已更新为最新BMS通信协议
- 2021-11-21 00:59:25下载
- 积分:1
-
ITD分解实验数据,完美运行和显示
把我们想分析的数据先进行ITD分解,得到我们分解的pr分量,然后在进行分析,得到我们想到的东西。
- 2020-12-09下载
- 积分:1
-
基于灰色理论与神经网络的水质组合预测模型研究.zip
【实例简介】基于灰色理论与神经网络的水质组合预测模型的研究是当前水质预测领域的研究热点之一,国内外众多研究者都在尝试如何将灰色理论与神经网络进行有效组合,以获得更好的预测效果。因此,本文在借鉴前人的成果基础上,采用串联组合方法分别对基于灰色理论与 神经网络的水质组合预测模型、基于灰色理论与 神经网络的水质组合预测模型进行了对比研究,同时提出了一种预测效果更佳的基于时间窗口移动技术与 神经网络的水质组合预测模型。
首先,本文根据中国环境质量公报(淡水环境)中长江水环境质量状况以及结合重庆市长江流域断面的实际情况筛选出七项水质指标,然后论述了灰色 模型、 神经网络以及 神经网络的相关理论和算法,接着建立了基于灰色理论与 神经网络的水质组合预测模型和基于灰色理论与 神经网络的水质组合预测模型,并以重庆市长江寸滩断面1998年至2008年的水质数据为例进行了实例测试和结果分析,也对两种组合预测模型的结果进行了对比与讨论,得出了后者预测效果更好等结论。
与此同时,通过以上两种组合预测模型的研究,本文提出了基于时间窗口移动技术与 神经网络的水质组合预测模型,并仍以长江寸滩断面为例,经过研究和实例测试表明该模型能够较好的对长江流域寸滩断面的水质进行预测,在整体上其预测效果比前两种组合预测模型更为理想,而且该模型能够较好地应用于水质指标预测和管理中,为河流水质预测提供重要的科学依据。
最后,本文采用基于 神经网络的水质评价模型对重庆市长江寸滩各年的水质进行了等级评价,并与中国环境保护部公布的水质评价结果进行了对比分析,其结果表明水质评价结果在一定程度上能够正确地反映长江寸滩当前的水质状况。
- 2021-11-24 00:39:25下载
- 积分:1
-
LDPC matlab
LDPC码的matlab实现,把解码的部分改过了,实验过很多次,符合理论要求,码长越长误码率越低。仿真结果较好
- 2020-12-12下载
- 积分:1
-
一种采用斩波调制技术的高精度带隙基准源_刘家楠(caj文件)
低压低功耗设计是当前芯片技术发展的一个主要方向,低压设计降低了功耗、提高了信号处理速度,也 带来共模输入范围下降、电压裕度降低等问题在相同环境噪声条件下,提高信噪比成为芯片设计的研究重 点^本文针对运放低频应用时低噪声设计需求,在解析传统运放设计结构的基础上,将斩波调制技术运用于 运放设计,实现了一种低噪声放大器;结合运放输入级端到端设计,进一步提高了共模输入电压范围
- 2019-11-27下载
- 积分:1
-
基于神经网络的城市交通流预测
神经网络可以很好的解决交通领域内的非线性问题,其中前向型神经网络特别适合对交通流的预测。由于神经网络在训练速度和预测精度等方面不断的提高,把神经网络用于建设智能交通体系成为了一种非常明智的选择。人工神经网络模型是在交通流预测领域里很有潜力的一种模型。鉴于此,本文提出了一种基于神经网络的交通流量动态预测模型,分别采用BP神经网络和径向基网络(RBF)建立了预测模型,并给出了数据预处理方法和预测模型评价指标
- 2020-12-03下载
- 积分:1
-
一维二维扩散模型Matlab代码
该程序采用有限差分方法(隐式和显式)仿真了一维和二维域扩散方程。
- 2020-12-06下载
- 积分:1
-
模糊神经网络matlab源程序
模糊神经网络matlab源程序,模糊+神经网络+遗传算法
- 2020-12-11下载
- 积分:1