用matlab实现无线传感器网络节点定位的加权质心算法，仿真通过。

基于栅格算法，以欧氏距离变换为基础，实现了点、线、面等任意图形的加权voronoi图生成。相关论文地址 http://www.cnki.com.cn/Article/CJFDTOTAL-LZTX201201025.htm

本人翻遍了CSDN都找不到一个正确的TOA定位算法程序，唯一找到的一个是用最小二乘解的（参考文献N. Patwari, J. N. Ash, S. Kyperountas, A. O. Hero, R. L. Moses, and N. S. Correal, "Locating the nodes: cooperative localization in wireless sensor networks," IEEE Signal Processing Magazine, vol. 22, no. 4, pp. 54-69, 2005.），性能无法达到克拉美罗界。 因此本人自己重新写了一个程序，参考该领域著名学者K. C. Ho的文章（参考文献Z. Ma and K. C. Ho, "TOA localization in the presence of random sensor position errors," in 2011 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 2011, pp. 2468-2471.）。该算法适用于传感器位置有误差/无误差的情况，算法性能能够达到克拉美罗界。示例程序中给出了CRLB的程序，场景为传感器有误差的情况。程序运行结果与参考文献一致。 （搞不懂现在的人都是要什么50积分，多分享下不好吗？） ******特别提示******：本代码多处使用了Matlab 2016a以后支持的新语法，旧版本无法正常运行的，请自行修改代码或更新Matlab版本！！！

主要是关于WLS的源程序代码编写，加权最小二乘法主要用于信息融合

阵列天线的几种激励的加权分布，包括傅里叶，泰勒和切比雪夫等

作为低秩矩阵逼近在图像处理中具有广泛的应用，其目的是根据退化图像的自相似性得到低秩矩阵来对图像进行去噪，如在计算机视觉和机器学习.低秩矩阵近似方法一般可分为两类，低秩矩阵分解(LowＲank Matrix Factorization，LＲMF)方法和核范数最小化(Nuclear Norm Minimization，NNM)方法。

传统的GN算法只适用于无向无权图的社区发现，通过对边介数进行调整得到无向有权图的GN算法实现

gwr4.09版本，修复了gwr4.0的一些bug。如果软件安装以后无法运行，请先单独安装压缩包内包含的运行库。

基于加权平均融合规则的图像融合MATLAB算法 含融合源图像

局部加权的线性回归，使用matlab编写，有结果图 程序流程为 标准化 样本矩阵与输出向量 计算权重对角矩阵 梯度下降 反标准化 显示