锂电池模型建立、参数辨识与验证、SOC估计采用扩展卡尔曼滤波(EKF).7z

基于改进的PI模型对非线性曲线进行拟合，二次寻优算法进行参数辨识，用逆模型前馈补偿

表面肌电信号常见时域频域MATLAB程序

健壮性包 通过安装pip ： pip install robustness 阅读文档： : robustness是我们（在中的）创建的一个软件包，用于灵活，轻松地进行训练，评估和探索神经网络。 我们几乎在我们所有的项目中都使用了它（无论它们是否涉及对抗训练！），并且它将成为我们即将发布的许多代码版本中的依赖项。 使用该库的一些项目包括： （ ） （ ） （ ） （ ） 我们将在一组演练和我们的API参考中演示如何使用该库。 该库提供的功能包括： 使用针对各种数据集/体系结构训练和评估标准模型和健壮模型。 该库还提供添加和。 python -m robustness.main --dataset cifar --data /path/to/cifar \ --adv-train 0 --arch resnet18 --out-dir /logs/check

利用鲁棒性水印和脆弱性水印的双重嵌入的算法。

基于MATLAB对输入信号进行时频域分析

数据进行预处理，时域、频域等特征分析以及求取心率指标，并设计GUI界面

PSO粒子群算法，找到常减压装置传递函数，simulink搭建模型，辨识常减压装置传递函数参数

用于参数辨识研究，可以对多参数的非线性函数进行拟合与参数识别

可用于锂电池模型建立，利用最小二乘法进行参数辨识与仿真分析