针对北斗B1频段MEO/IGSO卫星上NH码调制导致捕获难度增大的问题，对GPS所用的差分捕获算法进行改进，得出了一种适合北斗B1 MEO/IGSO卫星的捕获算法。通过本地生成经NH调制的C/A码作为新的伪随机码，加长相干积分时间，以差分累加的方式对相干积分结果进行运算，并按照累加结果最大准则判断差分项的符号，找出最佳搭配组合。仿真结果表明，改进算法能提高2 dB～3 dB的增益。

nsga ii算法代码MATLAB 演示“工具箱” 多目标优化的差分进化 这些代码是由（）在其理学硕士期间开发的。 在（）教授的指导下，在米纳斯吉拉斯州联邦大学就读。 Octave-Matlab文件夹包含Octave的实现（也应在Matlab上工作）。 实现了以下算法： 后验方法（无首选项）： – DEMO [1]：具有非支配排序的常规DEMO； – IBEA [2]：使用指标代替DEMO。 先验的或交互式的（具有首选项）： – R-DEMO [3]：R-NSGA-II，但改用DEMO； – PBEA [4]：IBEA，但使用参考点； – PAR-DEMO（nds）[5]：我们提出的使用非支配排序的方法； – PAR-DEMO（ε）[5]：相同的方法，但使用指示符。 Fillipe的理学硕士论文可用，并包含了多目标优化和基于偏好的方法的广泛评论。 它还包含对基于首选项的自适应兴趣区域（PAR）框架的更广泛的描述和讨论。 如果您以任何方式使用这些代码，请引用我们的论文[5]： @article{Goulart2016, doi = {10.1016/j.ins.2015.09.015},

本文介绍了有限差分法在MATLAB中求解偏微分方程的方法。首先介绍了有限差分法的基本原理和数学模型，然后详细讲解了如何在MATLAB中实现有限差分法求解偏微分方程的步骤和注意事项。最后通过实例演示了有限差分法在MATLAB中求解偏微分方程的具体过程和结果。本文对于学习MATLAB求解偏微分方程的同学具有一定的参考价值。

本文用一个低压差分信号为例，讲述了如何用Pico示波器的模拟偏置功能将仪器的灵敏度提高到原来的10倍，这意味着将垂直测量分辨率提高了10倍。

为了提高现场采集信号的信噪比,针对奇异值分解中重构矩阵有效阶次确定难的问题,提出了一种基于奇异值能量差分谱的信号降噪方法。该方法根据有用信号与噪声能量的差异性,通过构造信号的奇异值能量差分谱,将能量差分谱曲线中最大峰值点作为重构信号的有效阶次来实现有用信号和噪声的分离,能够使信号奇异值降噪阶次得到合理确定,较好地保护了原始信号中有用信息的完整性,获得了较大的信噪比,对后续进行信号特征的准确提取和分析至关重要。仿真和实例分析结果验证了该方法的有效性。

代码为计算偏微分方程中的有限差分法，软件使用为mathematica

讨论一种数值求解奇异摄动问题的高精度有理谱配点法。用sinh变换的有理谱配点法使Chebyshev节点在边界层处加密，只需较少的节点即可达到较高的精度。为了获得sinh变换中边界层的宽度，设计了一个以误差最小为目标函数的无约束的非线性优化问题，并给出了求解该优化问题的差分进化算法。数值实验表明，与其他的智能算法和传统的优化算法相比，差分进化算法在sinh变换中的参数优化方面具有明显的优势。

设计了一种差分输入限幅放大电路,详细分析了电路的结构。根据此差分输入限幅放大电路的结构,结合输 入信号的特点,将其工作状态分为4种情况,并通过公式推导证明了它们的工作原理。运用 Cadence的仿真工具对 电路进行了逻辑仿真验证,仿真结果和理论推导结果一致。最后,提出了绘制此差分输入限幅放大电路版图时的注 意事项,且将其应用于某总线驱动器的接收器电路中,并投片成功。

全差分反馈放大器（FDA），如美国国家半导体的 LMH6550，LMH6551和全新发布的LMH6552，都可用来为 宽带差分信号提供平衡的低失真放大和电平移位功能。 　　FDA的简化概念图如图1所示，其中两个正向路径将差分信号的两个互补等分进行放大。由VCM控制的单独共模反馈电 路控制了输入端，设定了与输入共模无关的输出共模电压， 以及强制ON和OP输出幅度相同，相位相反。 　　LMH6552 FDA是一款1.5 GHz的器件，其采用了美国国 家半导体专有的差分电流反馈（CFB）结构，可在不牺牲带 宽的条件下，工作增益大于单位增益，并具有特别的增益平 坦度。工作在450 MHz，满足0.

骨架差分进化算法能够较好规避差分进化算法控制参数和变异策略选择问题。针对基于双变异策略的经典骨架差分算法（MGBDE）没有根据个体进化差异选择适合的变异策略和考虑早熟收敛的问题，提出一种改进算法。该算法引入变异策略选择因子，并借鉴自适应差分进化算法的设计思想，将选择因子随个体共同参与进化，使个体执行当前最为适合的变异策略，克服原始算法进化过程的盲目性，同时选择因子的动态自适应特性保持了骨架算法近似无参数的优点；该算法加入停滞扰动策略，降低陷入局部最优的风险。采用18个标准测试函数进行实验，结果表明，新算法在收敛精度、收敛速度和顽健性上整体优于多种同类骨架算法以及知名的差分进化算法。