迫零预编码不适用于3D波束赋形，需要一种新的算法，例如狼群算法，正在探索当中

 

1 ．插值问题 ，多项式插值 2 ．会写 Lagrange 插值多项式，理解插值基函数的形式与功能 会用误差公式 3 ．分段线性插值 4 ．分段三次插值和样条，了解两种插值方法需要满足的条件，不要求理解原理和插值 多项式的具体形式和求解方法，要求会用 Matlab 命令实现 5 ．数值积分问题 6 ．梯形公式，辛普森公式，复合梯形公式，复合辛普森公式，上述公式的误差分析 7 插值型求积公式 8 代数精度（理论分析） 9 quad 命令， 自适应步长的复合辛普森公式

山猫飞控的完整版，注意这个飞控是供大家测试和共同探讨用的，要是您想要个能飞的飞控请不要下载了，浪费两分还多条毫无意义的评论没有任何意义。 关联的博客地址： http://blog.csdn.net/lynx2/article/details/9145027

针对常规自适应卡尔曼滤波器存在过渡过程差的间题，基于一个给定的指标切换函数，采用多个基于不同动态噪
声协方差矩阵的卡尔曼滤波器和一个常规自适应卡尔曼滤波器共同组成多模型自适应卡尔曼滤波器.与常规自适应卡尔曼
滤波器相比，多模型自适应卡尔曼滤波器可以在保持原有自适应滤波器性能的基础上极大地改善瞬态响应.

matlab的素描代码Arduino的自适应Hopf频率振荡器演示 Arduino的adaptiveFreqOsc项目是一个自学习算法的迷人示例。 Ijspeert [1]提出了一个Hopf频率振荡器，并为其添加了一个额外的状态变量，以迫使振荡器跟随任何周期性的输入信号。 换句话说，这种类型的振荡器可以调整其参数以学习周期性输入信号的频率。 这里展示的Arduino草图是此类振荡器的实际实现示例。 首先，将来自Ijspeert的模型离散化，使其可以在Arduino上运行。 离散化的含义是，振荡器将不再与任何周期性输入信号同步。 必须考虑采样频率。 电流输出和振荡器输入之间的频率差越大，振荡器收敛到所需输入频率所需的时间就越长。 首先，尝试仅在输出和输入之间只有十分之一赫兹的差异的情况下学习振荡器，并使用Eps（ilon），gamma和mu的参数值来进行学习。 收敛后，带走输入信号，最后施加的输入频率将在系统中保持编码状态。 包含的Matlab脚本文件adaptive_Hopf.m用于Arduino的C代码的开发。 该脚本可用于在Arduino中实现振荡器之前调整振荡器参数。 无花果图1

为满足现代数控加工的高速度、高精度要求，提出基于7段式S曲线加减速全程规划的NURBS曲线自适应分段插补算法。该算法根据NURBS曲线几何形状将其自适应分段，并计算曲线段各项参数值、对应S曲线加减速规划（速度规划为17种类型）中加减速类型和自适应调整速度曲线加减速时间。在固定插补周期下，与单独自适应算法、5段式S曲线加减速控制方法的仿真结果相比，在满足加速度与加加速度限制条件，且最大弦高误差不超过0.5μm时，该算法插补精度高于单独自适应算法，与5段式S曲线加减速控制方法近似，且其全程平均进给速度比5段式

动态拓扑网格 OpenFOAM 的并行、自适应、简单重新网格化的实现。 版权信息 Copyright (C) 2007-2015 Sandeep Menon University of Massachusetts Amherst. 执照 该程序是免费软件：您可以根据自由软件基金会发布的 GNU 通用公共许可证（许可证的第 3 版或（由您选择）任何更高版本）的条款重新分发和/或修改它。 这个程序是分发的，希望它有用，但没有任何保证； 甚至没有对适销性或针对特定目的的适用性的暗示保证。 有关更多详细信息，请参阅 GNU 通用公共许可证。 您应该已经收到一份 GNU 通用公共许可证以及该程序。 如果没有，请参阅 。 描述 为方便起见，源树被分成几个类： 动态拓扑网格 扩展 dynamicFvMesh 功能以处理动态简单网格的网格类，这些网格由 2D 中的三角棱柱和 3D 中的四面体组成。

图像是人类感知世界的视觉基础，然而在人类通过视觉获取的大量图像信息中，并不是所有的信息内容都是我们所需要的，所以需要把图像分成若干个特定的、具有独特性质的区域。本文对图像分割方法进行了研究，给出了一种基于模糊逻辑的自适应阈值图像分割方法，并将其应用于车牌图像中，在MATLAB环境下对两幅典型图像通过Otsu方法、脉冲耦合神经网络算法和本文所提算法进行仿真分析，结果对比分析显示本文方法在综合方面略优于其他两种对比方法。

静止图像的一种自适应平滑滤波算法.pdf