虎牙登录（易语言）

用matlab绘制相图，比较实用的小代码，用于绘制微分方程的图形。

　频率步进雷达是一种距离高分辨雷达,传统的处理方法是采用频时转换( IDFT) 获得目标的一维距离像,实际上其处理也可以采用时频转换(DFT) 的方式进行,这时也可把频率步进雷达看作是一种载频跳变的脉冲多普勒(PD) 雷达. 采用这种分析方法的优点是,在高重复频率(HPRF) 的情况下,可以通过雷达系统的参数设计和信号处理,同时获得不模糊的测速性能和距离高分辨性能,并解决HPRF PD 雷达的距离模糊问题. 本论文在分析频率步进雷达时频转换(DFT) 处理的基础上,给出了HPRF PD 频率步进雷达系统参数设计准则及频时耦合的解决方法,以及距离模糊问题的解决方案. 理论分析和仿真结果

该软件是使用delphi7和MsSqlserver2000开发的功能强大绿色软件，可用于公司物料编码生成管理和资产编码等编码生成管理，可以自定义分类n级 + 流水码位(最大9位)，可支持到每一细类编码长短不一。开发背景：公司使用U8很多年，由于公司扩展和壮大，原来一家公司分成了几个子公司且公司为了提高形像购入SAPR3系统，需求将系统切换到SAP，所有导入期间为了统一编码原则和各物料规格描述统一规则(系统定义26段)。

利用ADS做的一个微带高通滤波器，可观察出较好的波形，交趾结构，微带元件设计

计算机网络3题库+3课件+3ppt合集

充分了解数学建模的相关知识，其中包括各种算法以及MATLAB在数学建模中的具体应用以及相关的程序代码，综合各方面的知识，方便我们了解例如线性规划maxx s.t. Ax>b的Maab标准型为min -cx s.Axcx∑anx,=bi=12,…,mst≥可行解满足约束条件(4)的解x=(x1,x2,…,xn),称为线性规划问题的可行解,而使目标函数(3)达到最大值的可行解叫最优解可行域所有可行解构成的集合称为问题的可行域,记为R14线性规划的图解法101+x2=106z=12图1线性规划的图解示意图图解法简单直观,有助」了解线性规划问题求解的基木原坦。我们先应用图解法来求解例1。对于每一固定的值z,使目标函数值等于z的点构成的直线称为目标函数等位线,当z变动时,我们得到一族平行直线。对于例1,显然等位线截趋于右上方,其上的点具有越大的目标函数值。不难看出,本例的最优解为x*=(2,6),最优目标值26从上面的图解过程可以看出并不难证明以下断言:(1)可行域R可能会出现多种情况。R可能是空集也可能是非空集合,当R非空时,它必定是若干个半平面的交集(除非遇到空间维数的退化)。R既可能是有界区域,也可能是无界区域(2)在R非空,线性规划既可以存在有限最优解,也可以不存在有限最优解(其目标函数值无界)。(3)若线性规划存在有限最优解,则必可找到具有最优目标函数值的可行域R的“顶点”。上述论断可以推广到一般的线性规划问题,区别只在」空问的维数。在一般的n维空间中,满足一线性等式∑a1x=b的点集被称为一个超平面,而满足一线性不等式氵=1∑ax≤b(或∑a1x,≥b)的点集被称为一个半空间(其中(a1…,an)为一n维行向量,b为一实数)。若千个半空间的交集被称为多胞形,有界的多胞形又被称为多面体。易见,线性规划的可行域必为多胞形(为统一起见,空集Φ也被λ为多胞形)。在一般n维空问中,要直接得出多胞形“顶点”概念还有一些困难。二维空间中的顶点可以看成为边界直线的交点,但这一几何概念的推广在一般n维空间中的几何意义并不十分直观。为此,我们将采用另一途径来定义它。定义1称n维空间中的区域R为一凸集,若Vx,x2∈R及元∈(01),有x+(1-4)x2∈R定义2设R为n维空间中的一个凸集,R中的点x被称为R的一个极点,若不存在x、x2∈R及∈(0,1),使得x=4x+(1-4)x2。定义1说明凸集中任意两点的连线必在此凸集中;而定义2说明,若x是凸集R的个极点,则x不能位于R中任意两点的连线上。不难证明,多胞形必为凸集。同样也不难证明,维空间中可行域R的顶点均为R的极点(R也没有其它的极点)1.5求解线性规划的 Matlab解法单纯形法是求解线性规划问题的最常用、最有效的算法之一。这里我们就不介绍单纯形法,有兴趣的读者可以参看其它线性规划书籍。下面我们介绍线性规划的 Matlab解法Matlab中线性规划的标准型为min c rAx shs t.Aeq. x=beb

在matlab 中 产生正弦、方波、三角波函数 有代码 有图

惯性导航MATLAB仿真工具箱 对学习惯性导航的很有用的哦

非常厉害的代码阅读工具，功能强大，支持的语言众多，仅供学习使用，有条件的个人或公司还是购买正版吧。

1、采用Matlab编写2、内部包含程序源码、参考论文3、采用遗传算进行路径的规划和查找4、对障碍物的位置形状和路径规划的起始和终止点可以自己设定