课设的GPS接收机matlab开发源码

捷联惯性导航解算程序，内附实实测数据与说明文档可直接使用。 (Strapdown Inertial Navigation solver, included the actual measured data and documentation can be used directly.)

电力系统潮流解算。 节点类型和数据，线路参数输入即可解算(Power flow of electricity. Node and branch data required.)

说明：  适用于初学者练习和入门，里面有几种基础算法的源码和练习版本，需要对照书去学习(Suitable for beginners and beginners, there are several basic algorithm source code and exercise version, need to learn the reference book)

这些技术在低强度图像蒙版用在人脸识别中的主要应用。直方图均衡化是最受欢迎由于其有效性和简洁性的对比度增强算法。它可以分为两个分支，根据使用的变换函数： 全局或本地。全局直方图均衡化是简单、 快速，但它的对比度增强力量是相对较低。局部直方图均衡化，另一方面，可以更有效地增强整体对比度计算所需的复杂性，却因其完全重叠的子块非常高。直方图均衡化 （他） 有时是有用的光照补偿的。不过，它工作只有当图像是加剧或全球变暗。对比有限自适应直方图均衡化 （CLAHE） 和局部直方图均衡化 （LHE） 是更有效地补偿当地光照变化，前者执行基于数据块的直方图均衡、 而后者执行基于像素的直方图均衡化。在本文中，面部图像预处理算法的一种新方法被称为面向局部直方图均衡化 （者耶）。者耶是类似于局部直方图均衡化 （LHE），但它捕捉到了边缘的方向而 LHE 则不能。虽然者耶和使用不同的功能及其各运营商提出了平汉李、 思伟吴义炳洪在 9 月 2012.In 这个项目，我介绍了一些新的功能，使用者耶运算符在低强度图像蒙版和人脸识别的效率更高。运行这段代码首先使用 main.m案例斯里瓦斯塔瓦

非常不错的QPSK在matlab中的仿真教程，文档中包含相关的所有代码！(Very good QPSK Simulation in matlab tutorial document contains all the code!)

说明：  化验结果诊断，程序详细，可以运行，欢迎下载(every )

标准压缩感知（CS）理论决定了可靠的信号恢复是可能给M= O（KLOG（N / K））的测量。我们证明了它可以通过利用超越简单的稀疏性和可压缩性由包括价值观和信号系数的位置之间的依赖关系更加逼真信号模型大大降低Mwithout牺牲的鲁棒性。(The standard compressive sensing (CS) theory dictates that robust signal recovery is  possible from  M=O(Klog(N/K))  measurements. We demonstrate that it is possible to substantially  decrease  Mwithout sacrificing robustness by leveraging more  realistic signal models that go beyond simple sparsity and  compressibility by including dependencies between values and  locations of the signal coefficients.   )

MATLAB SAR images Toolbox

说明：  使用人工势场法实现避障的无人车路径规划，且具有较多注释说明(Artificial potential field method is used to realize obstacle avoidance path planning of unmanned vehicle, which has many explanatory notes)

说明：  有限差分法和打靶法求解二阶线性常微分方程，比较简单的代码，其能够满足硕士数值计算课程的作业的需要。(The finite difference method for solving two order linear ordinary differential equations, relatively simple code, which can meet the needs of master's numerical calculation course homework.)