OPNET-14.5版本的无线仿真例程，有助于学习运行该网络软件模块的仿真，用于初学者学习，可以用于程序学习

描述: 基于51单片机的12864液晶显示计算器设计相关的仿真+代码分享，protues仿真文件在附件供下载。 计算器仿真原理图如下: 单片机部分源程序截图如下: 附件内容截图:

matlab热泵仿真代码

1.领域：matlab，GA遗传算法优化RBF神经网络算法 2.内容：基于GA遗传算法优化RBF神经网络进行数据预测matlab仿真+代码操作视频 3.用处：用于GA遗传算法优化RBF神经网络算法编程学习 4.指向人群：本硕博等教研学习使用 5.运行注意事项： 使用matlab2021a或者更高版本测试，运行里面的Runme_.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。 具体可观看提供的操作录像视频跟着操作。

蒙特卡罗matlab仿真代码Maximum_Likelihood_Estimation_of_the_GJR-GARCH_Model_Using_Matlab 使用 Matlab 估计 GJR-GARCH 模型的最大似然 我们报告了用于 GJR-GARCH (Glosten-Jagannathan-Runkle GARCH) 模型最大似然估计的 Matlab 代码； 此外，我们报告了蒙特卡罗模拟，该模拟表明最大似然估计量收敛到真实参数。 我们将 t5-student 创新用于 GJR-GARCH 过程。 其他细节：所有Matlab代码文件必须包含在同一个文件夹中，并且该文件夹必须添加到Matlab路径中。 包含 Monte Carlo 模拟的主要 Matlab 文件名为“MainFile.m”。 此存储库中包含的所有其他 Matlab 文件 - 即“MLE_t5_tgarch.m”和“mycon_threshold_garch.m” - 是用于估计 GJR-GARCH 模型参数的辅助文件。

1.发射端（调制） 1)信号源信息速率为500Mbps，符号速率为250Mbps 2)采样率为2Gbps，中频为720MHz 3)数字调制，采样多相滤波内插方式 2.接收端（解调） 1)采样率为2Gbps，中频为720MHz 2)采样数据分解为32路，每路数据速率为62.5Mbps 3)在频域中完成低通滤波，相位差补偿 4)载波跟踪采用基带解旋，鉴频鉴相相切换的方式 3.文件说明 1)I_Data.txt,Q_Data.txt为仿真信号源 2)QPSK_fdian_0505为MATLAB浮点仿真程序 3)QPSK_Dingdian_0505为MATLAB定点仿真程序 4)test_ADC.slx为simulink仿真程序，用于仿真信道，模拟AD采样

掌握DSSS物理层PLCP帧格式及其各个字段内容，能根据上层MPDU对PLCP帧进行填充，形成二进制序列；掌握DSSS物理层PMD子层扩频与调制技术，能够对二进制序列进行有效的扩频与调制处理，并进行相应逆操作；熟练应用Matlab平台及m语言实现PLCP帧形成、扩频、调制、加噪传输、解扩、解调等操作，并获得主要阶段波形图，作为仿真输出；

车载毫米波雷达DOA估计综述博文仿真代码

IWR6843ISK 室内人员检测仿真代码 adc_data_0duomubiao.bin 两个目标 adc_data_0jiaofan.bin 一个角反 adc_data_0renzhizou.bin 一个目标 adc_data_wuren.bin 没有人

蔡氏电路matlab仿真代码对抗性个性化推荐排名 APR通过执行对抗训练来增强成对排名方法BPR。 为了说明其工作原理，此处通过在用户和项的嵌入向量上添加对抗性扰动来实现MF上的APR。 这是我们对该文件的正式实现： 何湘南，何占魁，杜小雨和蔡达生。 2018.推荐的对抗性个性化排名，在SIGIR'18的会议记录中。 （通讯作者：） 如果您使用这些代码，请引用我们的论文。 谢谢！ 环境 Python 2.7 TensorFlow> = r1.0 脾气暴躁> = 1.12 PS。 供您参考，我们的服务器环境为2.20 GHz和64 GiB内存的Intel Xeon CPU E5-2630。 我们建议您的可用内存大于16 GiB，以重现我们的实验。 快速开始 演示：APR的效果 该命令通过在第40个数据集yelp （--adv_epoch）中为预训练的MF模型（--restore）添加对抗性扰动来显示APR的效果。 加载预训练模型后，前40个时期为正常MF-BPR，然后进行对抗训练APR。 python AMF.py --dataset yelp --adv_epoch 40 --epoc