多用户MIMO系统中各种波束成型预编码性能比较（ZF，BD，MMSE，SLNR，MF，SVD）

cooperative communication sources.

用BP神经网络优化模糊控制器，进行学习，系统有两个输入，输出误差曲线和期望曲线，BP学习误差曲线(BP neural network to optimize the fuzzy controller learning system has two inputs, the output error curve and expectations of the curve, the BP learning error curve)

采样定理的验证，即采样信号的频率大于等于原信号频率的两倍时才能准确的恢复原信号(Verification sampling theorem, the sampling frequency of the signal frequency is greater than or equal to twice the original signal in order to accurately restore the original signal)

MATLAB7.0基础教程，其中包括很多实例，对学习此软件很有帮助(MATLAB7.0 based tutorial, including many instances, this software is very helpful to the study)

摘 要：本论文主要研究了语音识别的基本原理,对语音识别系统的构成进行分析处理,其中包括预处理、特征参数提取、建立模块库、识别匹配几大部分。预处理又包括语音采样、预加重、加窗（汉明窗）、端点检测；特征提取的参数是梅尔频率倒谱系数MFCC。 该语音系统采用的是动态时间伸缩算法(DTW)，研究对象是特定人的语音识别，并在MATLAB平台上实现。为了进行后续研究，首先使用电脑中的录音系统录制了阿拉伯数字0—9的语音文件，并转化成 “.wav”格式的文件。(Abstract: This thesis mainly studied the basic principle of speech recognition, to analyze the composition of the speech recognition system, including the preprocessing, feature extraction, to set up the module library, identify several most matches. Pretreatment, including speech sampling, pre-emphasis, add window (hamming window), endpoint detection Feature extraction of MFCC MEL frequency cepstrum coefficient. The voice system USES a dynamic time scale (DTW) algorithm, the research object is the speaker-dependent speech recognition, and realized in MATLAB platform.To carry out the follow-up study, the first to use the recording in a computer system to record the audio files of Arabic Numbers 0-9, and translated into . Wav format file.)

3个常用机器学习案例matlab源码，带数据，可直接运行。对初学者很有用，我直接参考其中一个算法在自己研究领域数据集上试用，效果不错，还改进后发了国内一类期刊。

图像的二维小波分解与重构，dwt2函数和idwt2函数的应用(Two-dimensional image wavelet decomposition and reconstruction, dwt2 function and function application idwt2)

gps信号中，基于Matlab的ca码产生小程序(gps signal ca code based on Matlab applet)

模拟地震信号，实现直达波与反射波及折射波的交点求取(Simulation of seismic signal to realize the intersection of direct wave with reflection wave and refraction wave)

应用背景利用kmeans进行聚类后，一般就结束了。但是有些论文提出，其实kmeans聚类完成后得到聚类中心，根据样本离聚类中心的距离构建特征。将这个特征用于物体分类。物体识别的效果都比不逊色其他复杂的特征。因此kmeans特征提取值得研究。关键技术kmeans聚类的时候关于k的取值是一个关键的调参问题。kmeans聚类完成后，可以有两种特征提取的方法，一种是硬分配方法，一种是三角分配方法。两种方法对比，三角分配法得到的特征更加鲁棒。在用于物体识别或者物体分类的应用中有着不逊色的结果。