该课题为火焰烟雾检测系统。包括2个部分，分别是利用颜色识别定位火焰，以及利用边缘检测方法来定位烟雾，都是基于视频的检测，含有可视化GUI界面设计。代码通俗易懂。

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？

[基于MATLAB]植物叶片虫害检测系统（方法svm，颜色，可以识别具体是什么虫子等，带界面GUI和文稿万字）.zip

本文选择通过检测人脸来达到统计人数的目的，同时选择肤色作为人脸检测的主要特征。由于在 RGB 色度空间中，肤色聚类性不强，且易受亮度信息干扰， 本文选择在 YCbCr 色彩空间通过阈值法建立肤色模型，完成肤色分割,形态学处理去干扰后得到初步的人脸定位。由于肤色检测准确率不高，因此进一步利用hough 变换检测人脸轮廓对人脸区域进行精确定位，最后框出人脸并实现人数统计，结果表明本算法对于正面人脸检测效果良好，统计结果较为精确。 本文还设计了一个简洁美观的GUI 界面，这个界面可以更好地实现算法的集成，使得算法的实用性增强。

matlab脑电功率谱代码脑电图的网络动力学测度 Rosch等人（2017）随附的代码：健康和癫痫性发展中大脑的网络动力学。 该存储库包含可用于重现分析以识别不同静态EEG模式之间网​​络动态差异的代码。 该代码用于上述手稿，以描述网络动力学异常，该异常表征了两种严重的早期婴儿严重癫痫综合症，即Ohtahara综合征和West综合征/小儿痉挛。 运行代码时，您需要下载并解压缩文件夹，并在ee_housekeeping函数中定义家庭文件夹。 该代码在Matlab上运行（已通过2016b测试），并且需要多个工具箱才能运行： -根据现有傅立叶频谱生成综合时间序列（包含在此回购协议中） -估计二维图像的清晰度（包含在此版本库中） -提供不同的调色板（包含在此仓库中） -在缓慢的计算步骤中轻松可视化进度（包含在此回购中） -对于EEG信号的过滤，此代码依赖于作为标准SPM分发的一部分提供的现场旅行； 可以很容易地用您选择的另一种过滤方法代替（此处不包括SPM ） 此存储库中包含的自定义例程 该资料库包括许多不同的例程，这些例程可以手动运行，以说明针对上述手稿执行的不同分析步骤。 其中大多数将产生

资源包含文件：课程报告word+源码 利用图像区域中黑色象素的个数对秘密信息进行编码。 把一个二值图像分成 L(m) 个矩形图像区域 Bi ，如果其中黑色象素的个数大于一半，则表示嵌入 0 ；如果白色象素的个数大于一半，则表示嵌入 1 。 当需要嵌入的比特与所选区域的黑白象素的比例不一致时，为了达到希望的象素关系，则需要修改一些象素的颜色。 修改应遵循一定的规则，原则是不引起感观察觉。 修改应在黑白区域的边缘进行 。 判断每一个图像块黑色象素的百分比，如果大于 R1 + 3λ ，或者小于 R0 - 3λ ，则跳过这样的无效块。 如果在 [R1 , R1 + λ] 或者 [R0 - λ , R0] 的范围内，则正确提取出秘密信息 0 或 1 。 详细介绍参考：https://blog.csdn.net/newlw/article/details/125008614

基于Matlab_Simulink的控制系统建模与仿真实现.pdf

该课题为基于Matlab的运动目标跟踪系统。可以实时框定运动目标。对运动目标的行为做识别。带有人机交互界面，需要在人机交互界面的基础上进行拓展

为了解水下爆炸声信号的特征，采用Welch法实现对水下爆炸声信号的特征提取，然后利用Mallat算法，采用一维离散小波变换对爆炸信号进行逐级过程提取分析，将信号中的平滑分量和细节分量分离开来．研究结果表明，该方法可以更加合理地得到水下爆炸信号的全部特征，从而达到准确分析信号特性的目的．

以圆柱齿轮机构为研究对象进行优化设计,选取齿轮的模数、齿数、齿宽、中心距等基本参数为设计变量,以体积最小为优化目标,利用Matlab优化工具箱进行编程求解,得到齿轮结构尺寸。利用SolidWorks结合CAXA建立齿轮的三维实体模型,使用Simulation插件进行应力分析,验证优化设计的合理性和优越性。