简单体制雷达仿真(simple_system_radar.m)

雷达MTD程序，可以直接在MATLAB上运行

阵列信号处理的理论和应用的pdf以及书中的代码 对于研究阵列信号的同学很有用

【实例简介】PQ分解法潮流计算

【实例简介】相控阵测角ESPRIT算法，DOA

【实例简介】

【实例简介】

MATLAB PID 自抗扰控制

%% input% h: Impulse response% n: Degree of freedoms(Only if structural system)% r: number of rows% s: number of columns%% output% A: State Matrix, 2n*2n. n is DOFs, 2*n is the number of state variables% B: Input Matrix, 2n*p. p is the number of input% G: Output Matrix, q*2n. q is the number of output

在实际问题中，经常遇到需要研究两组多重相关变量间的相互依赖关系，并研究用一组变量（常称为自变量或预测变量）去预测另一组变量（常称为因变量或响应变量），除了最小二乘准则下的经典多元线性回归分析（MLR），提取自变量组主成分的主成分回归分析（PCR）等方法外，还有偏最小二乘（PLS）回归方法。 偏最小二乘回归提供一种多对多线性回归建模的方法，特别当两组变量的个数很多，且都存在多重相关性，而观测数据的数量（样本量）又较少时，用偏最小二乘回归建立的模型具有传统的经典回归分析等方法所没有的优点。  偏最小二乘回归分析在建模过程中集中了主成分分析，典型相关分析和线性回归分析方法的特点，因此在分析结果中，除了可以提供一个更为合理的回归模型外，还可以同时完成一些类似于主成分分析和典型相关分析的研究内容，提供更丰富、深入的一些信息。

模型参考自适应系统（Model Reference Adaptive System，MRAS）是从20世纪年代后期发展起来的，它属于自适应系统的一种类型。从结构上MRAS可以分为可调模型、参考模型及自适应律3个部分。MRAS的辨识思想是把不含有未知数的表达式作为期望模型，而将含有待辨识数的表达式用于可调模型，且两个模型有相同物理意义的输出，利用两个模型的输出量之差，通过合适的自适应律来现对异步电机参数的辨识。