使用IMM算法并结合无迹卡尔曼滤波实现机动目标的跟踪，所采用主要模型集为匀速CV模型和匀速转弯CT模型，实现机动目标的跟踪，可以看到跟踪的精度相比于单模型更高，均方根误差更小，跟踪精度更高，适应更多情况，可以参考部分仿真结果图。

传统语音增强——最小方均(LMS)自适应滤波算法

永磁同步电机控制解析 涵盖模型建立、弱磁控制、MTPA、MTPF、转矩计算、谐波抑制、磁链辨识、谐振抑制、控制策略制定、滤波器设计、参数辨识等 可以参考。看完包会，绝对清晰

matlab中的dft过滤代码此存储库包含我们（我和我的队友Debosmit）在UCSD做的项目，作为CSE237A类的一部分。 我曾与Ryan Kastner教授，Dinesh Bharadia教授和TA Alireza教授一起在Vivado HLS中实现无线通信模块。 FIR滤波器 CORDIC和相位检测器 DFT优化 FFT优化和OFDM接收器 Polar代码解码器-最终项目-还包括MATLAB代码

永磁同步电机pmsm无感foc控制，观测器采用扩展卡尔曼滤波器ekf，代码运行无错误，支持无感启动，代码移植性强，可以移植到国产mcu上.

matlab匹配滤波代码电子Prime数据获取 ABCD项目使用e-Prime软件在fMRI扫描期间运行行为测试。 E-Prime生成具有行为结果的EDAT2（二进制）文件。 EDAT2文件在获取站点被转换为ASCII TAB分隔（首选）或逗号分隔的电子表格文件（分别为扩展名.txt和.csv），以进行进一步分析。 我们已经观察到了这种转换过程中产生的几种类型的错误。 eprime_sprdsht_get.py读取包含E-Prime电子表格的文本文件，检测文件的编码和格式，解释其内容，同时解决已知的编码问题，在文件中识别电子表格中的行为任务，提取实验的开始日期和时间，编号实验中的运行次数，以及每次运行的开始时间。 然后，它评估文件中的每次运行与指定的pGUID，任务名称以及序列日期和时间之间的匹配。 如果提供了目录或路径，程序将查找并处理该路径下的所有文件，以查找与所提供的参数（pGUID，任务，系列日期和时间）最匹配的文件。 程序将为每个文件返回一个诊断号，以总结其格式和内容。 如果需要，脚本将导出特定E-Prime文件的标准格式的纯净版本。 我们包括一个附加脚本abcd_get_e

项目中包括锂电池模型建立、参数辨识与验证、SOC估算采用扩展卡尔曼滤波(EKF)，使用了两种方式实现： 1. Simulinks(EKF only) 2. 脚本(包含EKF和UKF) 模型的输入包括电流和电压来自于HPPC（混合脉冲功率特性）测试的电池数据 脚本文件可以仿真在BBDST(北京公交车动态街道测试)工况和带有观测噪声的恒流工况下的锂离子电池放电过程，利用EKF UKF方法估算电池荷电状态。

微波滤波器设计 分支电桥 LNA 微波滤波器设计 分支电桥 LNA

设计维纳滤波器，产生三组观测数据，估计三个信噪比下x(n)的AR模型参数，设计适用matlab实现的，有原理，有实验结果图，且有matlab详细注释

低通滤波器匹配网络其实就是在滤波的基础上增加了一个阻抗变换的作用，其设计参数包含阻抗变换比、设计带宽参数等等，因为其良好的匹配特性所以经常使用在功率放大器的设计之中。参考博文：https://blog.csdn.net/weixin_44584198/article/details/129841539?spm=1001.2014.3001.5502