CSDN佛怒唐莲上传的视频均有对应的完整代码，皆可运行，亲测可用，适合小白； 1、代码压缩包内容 主函数：main.m； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开main.m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描博客文章底部QQ名片； 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作

实验内容 （1）生成源二进制序列b=[1101111100]。 （2）考虑如下卷积编码器：生成矩阵的行向量为g1 = [111]，g2 = [101] 根据生成矩阵的系数，设计一个能够实现卷积编码器的函数。 （3）取b=[1101111100]为所设计编码器的输入序列，求出输出序列c并验证。 （4）状态转移图如下，画出对应的网格图。 （5）根据上述卷积编码器，用Matlab编程设计对应的维特比译码函数，使用汉明距离作为度量。 （6）将序列c作为译码器函数的输入，得到序列d，d是否等于b？如果不相等，请解释原因。 （7）更改序列c的一位或者两位，然后尝试使用所设计的译码器再次译码。会发生什么现象？

用MATLAB实现Roberts算子、Sobel算子、Laplacian算子、Prewitt算子检测图像边缘

仿真BPSK调制在AWGN信道下分别使用卷积码和不使用卷积码的性能，其中，卷积码的约束长度为7，生成多项式为[171,133]，码率为1/2，译码分别使用硬判决译码和软判决译码。

采用matlab写的GPU版本卷积神经网络，使用了maxpooling等技术，matlab版本2013a.

MATLAB环境下的卷积函数，用于两个向量的卷积

资源包含文件：设计报告word+源码+演示PPT 对卷积神经网络的研究始于二十世纪80至90年代，时间延迟网络和LeNet-5是最早出现的卷积神经网络；在二十一世纪后，随着深度学习理论的提出和数值计算设备的改进，卷积神经网络得到了快速发展，并被应用于计算机视觉、自然语言处理等领域。 详细介绍参考：https://blog.csdn.net/newlw/article/details/125167714

内容概要：通过简单手势识别，带着读者做一遍软件安装、数据集采集、图像处理、神经网络训练、网络的测试、综合应用的过程中，了解图像处理、卷积神经网络的核心原理。在手写手势识别源码的过程中会梳理过流程的核心逻辑，简化代码实现过程，保留核心功能，例如：图像减采样、阈值分割、平滑滤波、边缘提取等内容实现。 适合人群：具备一定图像处理、深度学习基础 能学到什么：①如何在MATLAB上利用笔记本自带的摄像头进行图像采集；②图像减采样、阈值分割、平滑滤波、边缘提取都是如何设计和实现的；③卷积神经网络是如何设计、训练以及应用的。 阅读建议：此资源以开发简单手势识别学习图像处理和卷积神经网络的原理和内核，不仅是代码编写实现也更考验读者的代码调试能力，所以在学习的过程要结合这些内容一起来实践，并调试对应的代码。

内容概要：通过简单手势识别，带着读者做一遍软件安装、数据集采集、图像处理、神经网络训练、网络的测试、综合应用的过程中，了解图像处理、卷积神经网络的核心原理。在手写手势识别源码的过程中会梳理过流程的核心逻辑，简化代码实现过程，保留核心功能，例如：图像减采样、阈值分割、平滑滤波、边缘提取等内容实现。 适合人群：具备一定图像处理、深度学习基础 能学到什么：①如何在MATLAB上利用笔记本自带的摄像头进行图像采集；②图像减采样、阈值分割、平滑滤波、边缘提取都是如何设计和实现的；③卷积神经网络是如何设计、训练以及应用的。 阅读建议：此资源以开发简单手势识别学习图像处理和卷积神经网络的原理和内核，不仅是代码编写实现也更考验读者的代码调试能力，所以在学习的过程要结合这些内容一起来实践，并调试对应的代码。

s=0.01;k1=0:s:3;k2=-1:s:2;k3=-1:s:0.5;f1=-2/3*k1+2;%f(t-2)f2=2/3*k2+2/3;%f(-t)f3=-4/3*k3+2/3;%f(2t)y0=conv(f1,f2);y0=y0*s;a0=k1(1)+k2(1);b0=length(f1)+length(f2)-2;k4=a0*s:s:(b0+a0)*s;y1=conv(f1,f3);y1=y1*s;a1=k1(1)+k3(1);b1=length(f1)+length(f3)-2;k5=a1*s:s:(b1+a1)*s;y2=conv(f2,f3)