基于LMS算法的自适应滤波器的MATLAB仿真

说明：  图像色彩空间转换，hsi空间，cmy，yiq，yuv等等(Digital Image Color Space Conversion)

说明：  本书从MATLAB仿真的角度出发，系统地介绍了系统辨识与自适应控制的基本理论和方法。本书共6章，主要内容为：绪论、系统辨识、模型参考自适应控制、自校正控制（包括广义预测控制）、基于常规控制策略的自校正控制和非线性系统辨识与控制（包括神经网络和模糊控制）。书中每种算法都配有仿真实例、仿真程序、仿真结果以及对仿真结果的简要分析，以便于读者深入理解和运用基本理论和算法(From the perspective of MATLAB simulation, this book systematically introduces the basic theories and methods of system identification and adaptive control. This book has 6 chapters, the main contents are: introduction, system identification, model reference adaptive control, self-tuning control (including generalized predictive control), self-tuning control based on conventional control strategies, and identification and control of nonlinear systems (including neural network) And fuzzy control). Each algorithm in the book is equipped with simulation examples, simulation programs, simulation results, and a brief analysis of the simulation results, so that readers can deeply understand and use basic theories and algorithms.)

Sound pressure level MATLAB code for speech signal

说明：  岭回归的matla源程序，主要用于解决无法求逆或需要更好的解时所用的(Ridge regression matla source, mainly used to solve the inverse can not be a better solution or need to use when)

It is a good book for algorithm development and data structures.

INDUCTION MOTOR and Inverter fed Voltrag with MLI commande MAX STEP SIZE : 0.00001

说明：  结合了梯度下降法和牛顿法，实现了全局收敛(Combine GD method and Newton method,implements globalized converge)

资源描述从数理统计的观点看，这里涉及的都是随机变量，我们根据一个样本计算出的那些 系数，只是它们的一个（点）估计，应该对它们作区间估计或假设检验，如果置信区间 太大，甚至包含了零点，那么系数的估计值是没有多大意义的。另外也可以用方差分析 方法对模型的误差进行分析，对拟合的优劣给出评价。简单地说，回归分析就是对拟合 问题作的统计分析。 具体地说，回归分析在一组数据的基础上研究这样几个问题： （i）建立因变量 y与自变量x , x , , xm 1 2 L 之间的回归模型（经验公式）； （ii）对回归模型的可信度进行检验； （iii）判断每个自变量x (i 1,2, ,m) i = L 对 y 的影响是否显著； （iv）诊断回归模型是否适合这组数据； （v）利用回归模型对y 进行预报或控制。

3GPP推荐的SCM信道模型的MATLAB源码，实现了LOS场景和NLOS场景，以及极化天线情况下的仿真。(the simulation of SCM channel model suggested by 3GPP completed the environment of LOS and NLOS including the polarize antenna.)

说明：  matlab程序分别使用了时域稀疏信号和频域稀疏信号进行测试，两种不同在于时域稀疏信号不用稀疏表达矩阵（因此稀疏表达矩阵使用单位阵即可），而频域稀疏信号则需要先通过稀疏表达矩阵将信号在频域进行稀疏表示，再压缩感知后进行恢复时也要进行反FFT变换到时域。(The matlab program uses sparse signal in time domain and sparse signal in frequency domain to test. The difference is that sparse signal in time domain does not need sparse expression matrix (so sparse expression matrix can use unit matrix). Sparse signal in frequency domain needs to be sparsely expressed in frequency domain by sparse expression matrix first, and then inverse FFT transform is needed when compressed sensing is restored. To the time domain.)