非平稳信号时频分析中的S变换实现的例程及应用

针对电能质量扰动信号的识别问题，提出基于聚类改进S变换与直接支持向量机（SVM）的电能质量扰动识别方法。提出聚类改进S变换方法，该方法结合电能质量扰动信号的特点，可同时对基频的时域分辨率及高频的频域分辨率进行最优化处理，保证特征提取的准确性；将直接支持向量机作为分类器，与最小二乘支持向量机相比，其求解简单，计算复杂度较低，训练与测试速度快，泛化能力较高，并且避免不能保证全局最优解的缺点；将聚类改进S变换与直接支持向量机相结合，应用于单一扰动及混合扰动的识别分类工作。仿真实验验证了所提方法的有效性。

将任何阶 (>0) 的矩阵 3D 张量（欧几里得或笛卡尔张量）转换为另一个坐标系% % 参数：（输入） % intensor - 输入张量，转换前； 应该是一个 3 元素% 向量、3x3 矩阵或 3x3x3x... 多维数组，每个% 维度包含 3 个元素。 % % Tranmatrix - 变换矩阵，包含方向的 3x3 矩阵% 旧坐标系和新坐标系之间的余弦。 % % 参数：（输出） % otr - 转换后的输出张量； 具有与输入张量相同的维度。

在原有的S变换程序上进行了修改，改为广义S变换，可控制 lamda、p 。程序内部有具体说明，并给出一个模型进行对比，查看不同 lamda、p 值的效果。

针对现有的红外与可见光图像融合算法存在融合图像的对比度与清晰度降低和细节纹理信息丢失等问题,提出将鲁棒主成分分析(RPCA)、压缩感知(CS)和非下采样轮廓波变换(NSCT)相结合的融合算法。首先对两幅源图像分别进行预增强处理,应用RPCA分解得到相应的稀疏分量和低秩分量;然后对稀疏矩阵利用结构随机矩阵压缩采样,利用高斯梯度-信息反差对比度(GG-DCI)压缩融合,经正交匹配追踪法(OMP)重构;接着对低秩矩阵采用NSCT分解成低频子带和高频子带,低频子带选用区域能量-直觉模糊集(RE-IFS)融合,最高频子带利用最大绝对值规则融合,其他高频子带选用自适应高斯区域方差融合;最后将融合后的稀疏分量和低秩分量叠加得到融合图像。实验结果表明,本文算法相比其他算法能够更好地提高融合图像的对比度和清晰度,保留了丰富的细节纹理信息,客观评价指标也总体优于现有算法,有效提升了红外与可见光图像的融合效果。

电子技术近年来发展迅猛，直流开关电源广泛应用于个人计算机、电信通信、系统、航空航天和生物医疗等领域，对开关电源的性能、功率密度、工作效率和可靠性的电子系统中有着广泛的应用，小型化成为必然的要求。本文介绍直流斩波BUCK电路设计。

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：开环控制Buck变换器_Simulink开关电源仿真模型_开关电源仿真_matlab simulink 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

针对GMRES(m)算法提出一种Krylov子空间E-变换GMRES(m)算法.利用单位矩阵E将GMRES(m)算法的方程组系数矩阵变换为对角矩阵,使求解问题大为简化.理论分析了算法的收敛性.通过数值实验分析,研究结果表明:在大型稀疏工程计算问题的求解中,E-变换GMRES(m)算法具有可行性、稳定性和可靠性,显著提高了GMRES(m)算法的计算精度和计算效率.

DFT的matlab源代码快速傅立叶变换可视化 使用OpenCL用C ++编写的程序，以学习如何在不同信号上使用FFT 这是什么？ 应用程序创建主要用于OpenCL学习目的。 适用于正向和反向或谐波或多谐波信号。 用数学符号表示： DFT和逆DFT X(j) = ∑ x(i) * e +2πij/N / N X(j) = ∑ X(i) * e -2πij/N 创建于： 和 v1.2 如何建造 要求： OpenGL> = 4.2，否则： 在）中更改kOpenGlVersion和kGlslVersion 更改API版本 支持C ++ 20标准的C ++编译器 CMake的> = 3.15 否则，请尝试更改VERSION 已安装的库 安装的OpenCL环境： 对于AMD — 对于Nvidia — 对于英特尔— 警告！：项目依赖项将近100 MB 使用子模块克隆项目（选择存储库之一）： git clone https://github.com/ValeryKameko/fast-fourier-transform-visualization --recurse-submodules git c

提出了一种基于小波变换和独立成分分析(ICA)的心房颤动(房颤)信号分离方法。首先通过小波变换将2个导联的Holter心电信号分解成一组信号,然后取其中几个尺度的单支重构信号进行ICA,分离出房颤信号。2个导联Holter系统无法满足ICA对信号通路数的要求,小波分解及单支重构解决了这一问题。ICA技术充分利用2个导联的信息,消除了单导联房颤信号分离方法易受伪迹和异位心搏等因素影响的缺点。实验证明了本方法的可行性和有效性,并且与常用的单导联分离方法的效果进行了对比。