我编写的CDMA 发射机和接收机的模拟matlab开发程序

use for photovoltanic power converter

多层感知神经网络对SI发动机逼近训练,对20000组真实数据进行训练，画出仿真图(trainning net for SI enine)

应用背景格子-的方法是用于数值模拟物理现象，作为一种替代经典的求解器偏微分方程。应用的主要领域是流体力学，特别是数值解不可压缩，含时变的斯托克斯方程。强度的LBM然而基于其方便地表示复杂的能力物理现象，从多相流到流体化学反应。由于该方法是基于分子描述一种流体，可以直接用于微观物理的知识制定适当的数学模型。它是一个宝贵的工具基础研究，因为它保持了一个周期之间的制定理论和相应的数值模型的制定。关键技术在大多数代码中，示例应用程序是在一个通道中的一个二维流汽缸。在上下边界，并在表面上缸，消失的流体速度被施加（无滑移条件）。这个缸放置稍不对称，其中心的一个格网站上方的通道。雷诺兹数是重= 100，一一个非定常，周期流动的值。测试计算机在1600mhzwith 256 KB L2缓存的AMD速龙处理器。

stanford的matlab压缩感知工具箱，安装方法见sparselab210内的文档

通过fir1设计FIR滤波器，fir2设计任意频率响应的滤波器，采用卷积计算信号通过系统后响应（还原），采用fftfilt计算信号通过系统后响应，一个长序列和一个短序列的卷积。(Fir1 through FIR filter design, fir2 design the frequency response of any filter, the use of convolution calculation of the signal through the system to respond to (restore), calculated using fftfilt signal through the system to respond to, a long sequence and a short sequence of convolution.)

这是个卡尔曼滤波的递推程序，是用MATLAB实现的，很有用出的，希望对大家有所帮助(This is a recursive procedure of Calman filter is implemented in MATLAB, a useful, and they hope to help everyone)

考虑一个线性自适应均衡器的原理方框图如《现代数字信号处理导论》p.275自适应均衡器应用示意图。用LMS算法实现这个自适应均衡器，画出一次实验的误差平方的收敛曲线，给出最后设计滤波器系数。一次实验的训练序列长度为500。进行20次独立实验，画出误差平方的收敛曲线。给出3个步长值的比较。-consider a linear adaptive equalizer block diagram as the principle of "modern digital signal processing" Introduction to the p.275 adaptive equalizer application schema. LMS algorithm with the adaptive equalizer, painted a square experimental error of convergence curve, given final design filter coefficients. Experimental a length of the training sequence to 500. Conduct 20 separate experiments, painted square error of the convergence curve. Given three step-value comparisons.

这个可用用，是标准的，同时试用与EMD，中央大学数据下载(This can be used, is the standard, while the trial with the EMD, the Central University of data download)

语音信号的预处理，包含测试音频以及完整测试代码(Preprocessing of speech signals, including test audio and full test code)

说明：  Actor.m为动作网络的类 ANN.m为神经网络的类 cartpole_model.m为控制模型 Critic.m为评价网络的类 Layer为神经层 main为主函数(Actor. M is a class of Action Network Ann. M is a kind of neural network Cartpole? Model. M is the control model Critical. M is a class of evaluation network Layer is neural layer Main is the main function)