希尔伯特变换

卷积码编解码

【实例简介】

【实例简介】

无人船轨迹跟踪 plant

采用蚁群算法求取TSP问题 1基本原理： 本质上也是一种概率算法，通过大概率收敛到最佳值，和其他的智能算法很相似。蚁群分泌的信息素存在正反馈，使得较佳的解具有大概率被选到，当全局都选用较佳的解，变可以得到整体的最优解。 2几个关键点：  1）概率选择：受信息素浓度和启发函数影响，启发函数为距离的倒数   2）信息素挥发：考虑到信息素随时间的挥发，加入挥发因子  3程序设计步骤：  1）初始化各个参数：包括各点的距离，信息素的初始浓度，蚂蚁数量，信息素挥发因子，信息素和启发函数的重要度因子，启发函数，最大迭代次数，路径记录表等等 2）迭代：对每个蚂蚁随机制定初始值，再根据概率选择，选择出每只蚂蚁的路径，确定每只蚂蚁的路径总长度，以及蚁群的最佳路径长度和平均长度，并对信息素进行更新。   3）展示：展示出最佳路径，以及最佳路径对迭代的变化图  4Matlab代码 程序说明：采用蚁群算法求取TSP问题，共有34个城市，从txt文件加载数据： 运行结果：

【实例简介】电力系统继电保护中的电流保护实例

IIR  uwb脉冲，然后经PPM调制，经Cassioli信道获得其冲激响应h，再经卷积求得接收方获得信号，增加高斯噪声，再然后用uwb信号与接收信号作互相关函数求取延迟时间。根据各个延迟时间，由TOA算法定位。 【文件目录】 TOA_uwb ├── TOA_LS.m├── TOA_main.m├── constrained_weighted_NLOS│   ├── TOA_LS.m│   ├── add_noise.m│   ├── cir_cir_intersection.asv│   ├── cir_cir_intersection.m│   ├── constrained_weighted_NLOS.asv│   ├── constrained_weighted_NLOS.m│   ├── constrained_weighted_NLOS_ireative.m│   ├── cost_est.asv│   ├── cost_est.m│   ├── hs_err_pid404.log│   ├── limda_est.asv│   ├── limda_est.m│   ├── weights_cal.asv│   └── weights_cal.m├── dist_t.m├── kalmanfltr.m├── main.m├── monocycle.m├── tdoa_method.m├── tempt.m├── tempt1.m├── testing.asv├── testing.m├── toa.m├── uwb_channel.asv└── uwb_channel.m1 directory, 28 files

【实例简介】

Matlab画图程序.rar

【实例简介】