【资源介绍】：均匀直线阵阵列信号的建模、波束形成处理；处理算法包括 Bartlett 波束形成 和 Capon 波束形成（可在干扰方向形成零限）。 【资源特点】：代码编程思路清晰、注释明细，参数可方便更改；理论上可以实现任意多目标和干扰信号的仿真。 【乱码问题】：文件打开如果出现中文注释乱码的情况，就用记事本打开文件，若无乱码情况，则直接复制记事本中的内容，粘贴到对应的MATLAB文件中。 感谢支持！

对正弦信号进行均匀采样，并通过傅里叶变换进行频谱分析。

实现多种二维面阵的综合设计，包括均匀阵、切比雪夫阵等等。。。。

返回从指定集合中均匀绘制的随机元素矩阵。 可以在更换或不更换的情况下进行采样。 （此功能旨在填补 RANDINT 在我不再拥有的 Comm Toolbox 中的角色。不对正确性或效率做出任何声明。）

满足条件 r_min 0球（线） D=2 => 1-球体（圆） D=3 => 2-sphere（球体） 等等 最后一个维度 D 的分量是球体的向量，因此可以将其长度解释为半径。 r = nsphrand(...,'Rmin',rmin,'Rmax',rmax) 设置生成的随机数的最小和最大半径（默认为 0 和 1）。 例子： r = nsphrand(10000, 1, 2, 'Rmin', 1, 'Rmax', 2) plot(r(:,1),r(:,2),'.')

此功能的发布是受到Matlab文件交换存储库中1d三次样条曲线发布的几种实现方式的糟糕工作的启发。 早在2011年，我在南大（NTU）攻读硕士学位时，这项功能就是我的一项家庭作业。 尽管这不是一个完美的实现，但它易于阅读（公式接近数学方程式），可以进行并行化（如果有parfor可用），可以轻松扩展/扩展边界条件，并且可以将其写成少于125行代码的单个脚本（包括简短的介绍和示例）。 享受 ！ :)

红外图像的非均匀性校正，用于图像处理关键字有自适应性，非均匀性校正，红外焦平面系统，红外成像

Python有一随机函数可以产生[0,1)区间内的随机数，但是如果我们想生成随机分布在单位圆上的，那么我们可以首先生成随机分布在单位圆边上的点，然后随机调整每个点距离原点的距离，但是我们发现这个距离不是均匀分布于[0,1]的，而是与扇形的面积相关的 我们使用另外的随机函数生成从[0,1)的随机数r，我们发现r<s0的概率为s0，显而易见，如果r为0，那么对应的距离应该为0，如果是1，对应的距离自然也应该是1，假设我们产生了m个随机数，那么小于s0的随机数应该为s0*m左右，而且这些应该对应于扇形面积的s0倍处即图2的小扇形区域，落在这一区域的点应该为s0*m，此时扇形边长为s0^0.5,因此

本文实例讲述了Python实现将n个点均匀地分布在球面上的方法。分享给大家供大家参考。具体分析如下： 最近工作上遇到一个需求，将10000左右个点均匀地分布在一个球面上。所谓的均匀，即相邻的两个点之间的距离尽量一致。 我的算法是用基于正多面体剖分球面，我选的是正八面体。 1. 效果图如下： 2.sphere.py代码如下 #!/usr/bin/python # -*- coding: utf-8 -*- import math class Spherical(object): '''球坐标系''' def __init__(self, radial = 1.0, polar = 0

LOMBSCARGLE（INPUTDATA，DUPE_ELIM）对不一定均匀分布的nx 2数据矩阵（inputdata = x（i），y（i））执行Lomb-Scargle周期图（频谱）分析。 （对于均匀分布的数据，更传统的基于傅立叶的光谱方法可能更合适。） DUPE_ELIM（= 0或1）是一个可选参数，它将提示程序（如果dupe_elim == 1）从分析中消除重复的样品。 默认值为 0。 该程序将绘制和光谱分析输入数据，然后绘制数据的功率谱。 该程序还能够覆盖已知频率和幅度的信号。 这可能有助于光谱校准。 生成的频谱图还将包括显着性水平。 最后，程序将重建确定为“显着”的频率图（在 alpha = 0.05）； 对于此重建，将丢弃校准信号（如果使用）的 5% 以内的频率。 重要的频率和功率被写入 MATLAB 命令窗口。 （此程序基于Press，Teukolsky等人的Lo