test_bitrate

该代码描绘了服从正态阴影模型的路径损耗和自由空间的路径损耗。并且添加了阴影产生的随机效应。(The code depicts shading model subject to normal free-space path loss and the path loss. And add a shadow generated random effects.)

本文详细介绍了如何实现VC与Matlab的混合编程，对于进行复杂的运算有很好的用处(This paper describes how the VC and Matlab programming mix, for complex calculations to good use)

切比雪夫插值（利用切比雪夫点进行多项式插值），对连续函数进行逼近。(Chebyshev interpolation (using Chebyshev polynomial interpolation points), for continuous function approximation)

2D truss Analysis with matlab

MATLAB_Simulink电力系统建模与仿真_于群 MATLAB_Simulink _ in the group of the modeling and simulation of power system (MATLAB_Simulink _ in the group of the modeling and simulation of power system )

使用matlab进行8psk调制与解调的代码，里面还有滚降滤波器等代码(Using MATLAB for 8PSK modulation and demodulation of the code, there are roll down filter code)

Spline interpolation

说明：  用于目标追踪的MATLAB实用程序，基于KALMAN方法实现(MATLAB for target tracking utility method implementation based on KALMAN)

使用MATLAB语言写的，LM算法,将LM算法应用于神经网络的训练，大幅提高速度(Using MATLAB language, LM algorithm)

GM(1,1)模型1-4 1：GM(1,1)模拟模型，在matlab中的输入方法为gm1（x），x指要模拟的序列。 2：GM(1,1)预测模型，在matlab中的输入方法为gm2（x，K），x指要模拟的序列，K指从以后序列第一个数据算起的第k个待预测数据。 3：GM(1,1)群模拟模型，在matlab中的输入方法为gm3（x），x指要模拟的序列。 4：GM(1,1)群预测模型，在matlab中的输入方法为gm4（x，K），x指要模拟的序列，K指从以后序列第一个数据算起的第k个待预测数据。 gm4对序列趋势比较好的数据预测效果较好，对上下变动的数据，特别是后4个数据趋势跟前面的数据相反的，预测效果很差。 gm2对上下变动的数据，预测效果比gm4好，但对趋势较好的数据，预测精度没有gm4高。 gm3比gm1模拟精度要高。 可以以x=[1 3 5 7 9 11 13 15]进行实验。x输入默认行向量。 所有程序在matlab6.0上调试通过。(GM (1,1) 1-4 1 : GM (1,1) simulation model Matlab in the input method for gm1 (x), x entail simulation sequence. 2 : GM (1,1) model, in the Matlab input method for gm2 (x, K), x entail simulated sequence, from the K refers to the first series after a run of data k pending forecast data. 3 : GM (1,1)- simulation model, in the Matlab input method for gm3 (x), x entail simulation sequence. 4 : GM (1,1)- forecasting model, in the Matlab input method for gm4 (x, K), x entail simulated sequence, from the K refers to the first series after a run of data k pending forecast data. Gm4 right sequence relatively good trend data predicted better results, the next change in the data, especially after four data with the previous trend data contrary, predict poor. Gm2 next to the change in forecast resu)