永磁无刷直流电机控制论文-基于MATLAB的_电机与拖动_仿真实验_直流电动机调速实验.pdf 基于PWM控制的直流电机调速系统的设计.pdf 基于PWM_ON_PWM改进型无刷直流电机的控制.pdf 基于MATLAB仿真和单片机控制的直流脉宽调速系统.pdf 基于Matlab的双闭环直流电机调速系统的仿真.pdf 基于MATLAB的_电机与拖动_仿真实验_直流电动机调速实验.pdf 基于MATLAB_Simulink的永磁同步电机矢量控制.pdf 基于DSP无刷直流电机控制系统的研究及其仿真.pdf 基于dSPACE的无刷直流电机控制系统.pdf 电流环时序方法在PWM整流器中的应用.pdf 单相PWM整流器瞬态直接电流控制的仿真研究.pdf 比例法在他励直流电动机的调速计算和稳定运行状态计算中的应用.pdf.pdf SVPWM在永磁同步电机系统中的应用与仿真.pdf PWM调制下无刷直流电机的转矩脉动抑制.pdf 基于模糊控制的无刷直流电机的建模及仿真.pdf 基于电路原理图的无刷直流电机建模.pdf 基于Matlab无刷直流电机建模与仿真.pdf 基于Matlab的无刷直流电机的建模与仿真.pdf 基于MATLAB_SIMULINK的单相无刷直流电机的建模与仿真.pdf 对转永磁无刷直流电机建模与仿真.pdf 对转式永磁无刷直流电机的建模与仿真.pdf

进行卷积编码和viterbi译码，其中加入了BPSK调制并通过AGWN信道。测试了在有编码情况和无编码情况下的误码率。

一、前言 此示例演示如何创建和训练一个简单的卷积神经网络，以使用深度学习对 SAR 目标进行分类。 深度学习是一种强大的技术，可用于训练健壮的分类器。它已经在从图像分析到自然语言处理的不同领域显示出其有效性。这些发展对SAR数据分析和SAR技术具有巨大的潜力，正在慢慢实现。SAR相关算法的一项主要任务一直是目标检测和分类，称为自动目标识别（ATR）。在这里，我们使用一个简单的卷积神经网络来使用深度学习工具箱对SAR目标进行训练和分类。 深度学习工具箱提供了一个框架，用于设计和实现具有算法、预训练模型和应用程序的深度神经网络。 此示例演示如何： • 下载数据集。 • 加载和分析图像数据。 • 数据的拆分和扩充。 • 定义网络体系结构。 • 训练网络。 • 预测新数据的标签并计算分类精度。 为了说明此工作流程，我们将使用空军研究实验室发布的移动和静止目标获取和识别 （MSTAR） 混合目标数据集 [1]。我们的目标是开发一个模型，根据SAR图像对地面目标进行分类。 二、下载数据集 此示例使用的 MSTAR 目标数据集包含来自 8688 个地面车辆的 7 个 SAR 图像和一个校准目标。

基于matlab平台的：水果分级系统（颜色，形状，大小，缺陷，方法bp，分级标准设置，带界面GUI，步骤详细）

设计主要是基于MATLAB的疲劳驾驶视觉性检测，其研究方案总体处理框架一般包括以下五个阶段： （1） 视频输入阶段：通过摄像头或者其他视频设备获取司机的面部图像数据。 （2） 预处理阶段：对采集到的图像数据进行预处理，去除噪声、调整亮度、对比度等，以提高后续处理的效果。 （3）特征提取阶段：采用图像特征提取算法，从预处理后的图像中提取与疲劳状态相关的特征信息。一般用来检测眼睛状态。可以使用灰度积分投影技术进行眼睛定位。 （4）特征分类阶段：将特征信息与已知模型进行比较和分析，判断司机是否处于疲劳状态。可以使用神经网络、perclos技术进行分类判别。 （5）结果输出阶段：根据特征分类结果，输出报警信号或其他措施，提醒司机注意安全行车。

基于matlab的雷达天线阵列副瓣优化-切比雪夫-泰勒方向图综合

本文利用仿真软件Matlab的Simulink和Power System工具箱对应用广泛的整流电路进行建模，并利用Matlab GUI功能建立了整流电路的仿真界面，该界面集参数设置、电路说明、模型修改、模型查看、仿真操作、结果显示和结果显示辅助工具等为一体，大大减化了仿真操作流程，极大提高仿真测试效率。整流电路仿真界面既为实际系统的元件参数选择提供帮助，也为其他变流电路系统界面的开发提供参考。

基于matlab的模拟调制系统仿真与设计，涉及AM，DSB，SSB……有simulink仿真建模

1.版本：matlab2021a，包含仿真操作录像，操作录像使用windows media player播放。 2.领域：PCM调制解调。 3.内容：基于matlab的PCM调制解调系统仿真。 Fmax=100；%模拟SE355L频率 FS=2*Fmax；%采样频率 ts=1/fs；%采样周期 N=100；%样本数量 NB=5；%每个样本的编码字大小 L=2^Nb-1%允许的级别数 X=Randi（L，N，1）；%生成SE355L的随机样本 XPCM=Dec2bin（x）-48；%自然二进制编码 xpcm=xpcm（：）；%将Se馻l PCM放置在矢量中 4.注意事项：注意MATLAB左侧当前文件夹路径，必须是程序所在文件夹位置，具体可以参考视频录。

目录 摘要…………………………………………………………………………………4 Abstract……………………………………………………………………………4 第一章 绪论………………………………………………………………………5 1.1研究背景…………………………………………………………………5 1.2国内外研究现状…………………………………………………………6 1.3研究的目的和意义………………………………………………………8 1.4研究内容…………………………………………………………………9 第二章 指纹识别系统概述………………………………………………………10 2.1指纹识别的基本原理……………………………………………………10 2.2指纹识别系统工作流程…………………………………………………10 2.3指纹识别技术的方法……………………………………………………12 2.3.1神经网络指纹识别算法…………………………………………12 2.3.2滤波特征和不变矩指纹识别算法………………………………12 2.3.3指纹匹配算法……………………………………………………13 第三章 指纹图像预处理…………………………………………………………15 3.1图像规格化………………………………………………………………15 3.2图像分割…………………………………………………………………16 3.3图像二值化………………………………………………………………19 3.4图像增强…………………………………………………………………21 3.5图像细化…………………………………………………………………23 第四张 特征点提取………………………………………………………………26 4.1找出所以的端点和交叉点………………………………………………26 4.2纹线光滑处理……………………………………………………………28 4.3去除图像边缘和端点……………………………………………………29 4.4找出特征点………………………………………………………………30 4.4.1 single_point函数……………………………………………30 4.4.2 walk 函数………………………………………………………32 4.4.3 last1 函数…………………………………………………….33 第五章 特征点匹配……………………………………………………………….35 5.1纹线长度匹配……………………………………………………………35 5.2三角形边长匹配…………………………………………………………35 5.3点类型匹配………………………………………………………………36 第六章 实验过程………………………………………………………………….38 第七章 总结……………………………………………………………………….45 参考文献……………………………………………………………………………45 致谢…………………………………………………………………………………47