此提交演示了如何编写具有可变采样时间的 2 级 M 文件 S-Function。 如果样本间周期由另一个输入信号指定（并且可能随时间段变化），则块对输入信号进行采样和保持。 每个步长必须为正，否则会引发错误。

针对受到外部干扰影响的二阶多智能系统, 提出一种新型干扰观测器的设计方案.在只有部分智能体能接收到参考模型信 号的条件下, 研究受到不同外系统生成干扰信号影响的二阶多智能体系统模型参考一致性问题.针对干扰信号由线性外系统和非线性外系 统生成的情况, 分别设计干扰观测器.进一步提出分布式控制协议, 所提出的一致性协议可以有效地抑制干扰, 最终实现多智能体 系统的模型参考一致性.仿真算例验证了所提出方法的有效性.

注意：这个函数现在可以从 IoSR Matlab 工具箱中作为 iosr.auditory.gammatoneFast 获得。 ------------------------- bm = gammatoneFast(x,cfs,fs) bm = gammatoneFast(...,align) [bm,env] = gammatoneFast(...) [bm,env,delay] = gammatoneFast(...) 此函数获取输入向量，并将其通过一组四阶伽马通滤波器，中心频率由cfs指定。 该函数返回一个矩阵，每行/列对应一个滤波器输​​出，其中心频率由 cfs 中的相应元素确定。 输出的方向取决于输入的方向：如果x是行向量，则每个滤波器输​​出的输出将包含一行，反之亦然。 中心频率可以是低于奈奎斯特速率（由采样频率 fs 确定）的任何值。 通常，中心频率在 ERB 速率标

【C++】二阶魔方还原算法

提出了一种基于分数阶傅里叶变换（FrFT）和混沌的彩色图像加密算法。 将原始彩色图像的颜色转换为HSI（色相饱和度强度），并通过基于FrFT的随机相位编码对S分量进行转换，以获得新的随机相位。 使用H分量和新的随机相位作为两个相位板，通过基于FrFT的双随机相位编码来转换I分量。 然后使用混沌加扰技术对图像进行加密，从而使所得图像在空间域和频域均具有非线性和无序性。 另外，密文不是彩色图像而是灰色图像和相位矩阵的组合，因此密文在某种程度上具有伪装特性。 数值仿真结果证明了该算法的有效性和安全性。

该应用程序操纵比例、积分和微分增益的值，以根据其阶跃响应来调整 PID 控制器。

四阶Runge-Kutta法解常微分方程组 四阶Runge-Kutta法解常微分方程组

matlab一阶高通滤波器代码CSIKit 用于从一系列WiFi硬件/驱动程序产生的格式中提取通道状态信息的工具，用numpy用Python编写。 需要Python 3.6以上版本。 从Atheros，Intel，Nexmon和ESP32格式进行CSI解析。 使用numpy和matplotlib进行处理和可视化。 用于数据集序列化的CSV / JSON生成器。 用于为您自己的Python应用程序解析CSI的库和工具。 文档更新即将到来。 没有自己的CSI数据？ 检出公共CSI数据集的集合。 描述 CSIKit是旨在帮助数据科学家，研究人员和程序员使用具有CSI功能的WiFi硬件进行实验和测试的框架。 尽管各种公共提取工具包都包含用于从其特定格式解析CSI数据的脚本，但这些脚本大部分是为MATLAB编写的。 鉴于人们越来越重视在CSI实验中使用深度学习，因此某些人可能更希望使用Python工具来解析和处理CSI数据。 这样做的目的是为那些对该领域感兴趣但对网络工程经验很少的人提高CSI研究的可访问性。 与研究型软件通常一样，文档也在进行中。 CSIKit提供了用于解析，处理，转换和可视化

具有高滚降系数和宽阻带特性的小型化CPW带阻滤波器，甘俊，邓中亮，本文提出了一种具有高滚降系数和四个谐振点的宽阻带小型化滤波器，通过利用新型的spiral-SIR-DGSCPW周期混合结构，带阻滤波器可以实现�

matlab方案优化源代码sssMOR 由慕尼黑工业大学自动控制主席开发的稀疏状态空间模型降阶工具箱。 有关更多信息，请在命令窗口中输入doc或访问。 通过在命令窗口中键入sssMOR_gettingStarted来查看我们的演示 编程： MATLAB R2015b 经过测试： MATLAB R2014b，R2015b，R2016b（Windows 7和Ubuntu 16.04.1 LTS） 一些功能需要：控制系统工具箱，优化工具箱。 注意：报名参加我们的时事通讯，以保持最新。 版权 该工具箱由的模型简化实验室开发。 致谢 自2010年以来，开发团队感谢所有研究助手和学生，他们为创建和开发sssMOR工具箱做出了贡献。 衷心感谢用于弹性多体系统的模型简化软件的团队，它为自动生成工具箱文档提供了支持。 制定准则 我们希望您喜欢该工具箱，并希望通过扩展其功能做出贡献。 为确保开发不会失控，我们准备了一些准则，请您遵循。 资料夹结构 工具箱的文件夹结构如下 sssMOR （主文件夹） 应用程序 演示 doc src （源代码） 临时演员 MOR （归约算法） @ssRed （简化对象的类定义