SystemViewExample

潮流算法潮流算法潮流算法潮流算法潮流算法潮流算法潮流算法潮流算法潮流算法潮流算法潮流算法潮流算法潮流算法潮流算法(chaoliuchaoliuchaoliuchaoliuchaoliuchaoliuchaoliuchaoliuchaoliuchaoliuchaoliuchaoliuchaoliuchaoliuchaoliu)

THP SU-MIMO TX-RA link

blowfis and ecb encription

liner system and control Kalman filter

非线性调频信号的产生及其时域脉压程序。非线性调频信号的产生及其时域脉压程序。(The evolution of nonlinear frequency modulation signal and its time-domain pulse pressure.)

癫痫脑电时频分析 癫痫脑电数据 正常脑电数据(Epileptic EEG Time-Frequency Analysis of normal EEG of the epileptic EEG data)

Some of the files model satellite formation for a leader and follower configuration while others relate direction cosine transformation for 3-1-3 rotation

matlab codes for stm plot

散点数据生成格网,2d,3d,vc6.0,matlab6.5(Source- scatter data generated grid)

Dans la partie expérimentale, nous allons considérer un cas simple où l’espace de configuration est limité à 2 dimensions avec des obstacles ponctuels (réduits à des points). On va considérer un espace de configuration de taille 100x100, où l’on va disposer des obstacles ponctuels. Dans le code fourni (potentialfield.m), nous définissons deux structures : s et r. Ces structures possèdent trois champs : - x : correspond à la position du point (attracteur pour s et répulsif pour r) - w : le poids (ξ pour l’attracteur et η pour le répulsif) - k : le choix de la fonction heuristique (conique/parabolique pour l’attracteur, exponentielle/hyperbolique pour le répulsif) La variable q représente la position courante du robot. Les fonctions fieldplot et robotplot gèrent les affichages.