matlab开发-基于智能天线的移动电话网络。这是比较智能天线和MANET全向天线的工作。

此 MATLAB 练习设计并实现了一个基音周期检测器，该检测器基于检测和跟踪浊音区域期间 LPC 误差信号自相关中的峰值。 音高检测过程称为 SIFT（简单逆滤波跟踪）方法。 SIFT 基音周期检测器使用二次自相关峰值来检测和校正由于基音周期加倍和相关现象等效应引起的基音周期检测误差。 文件“4.6 LPC Sift Pitch Detector.pdf”提供了本练习的用户指南。

虽然 FEX 中已经存在一些其他函数来计算曲线的交点，但这段简短的代码是以速度为最高优先级编写的。 全程不使用循环，充分利用 MATLAB 的矢量化功能 我欢迎任何评论、建议、错误报告等。 -------------------------------------------------- ----------------------------- INTERX 曲线的交点P = INTERX(L1,L2) 返回两条曲线 L1 的交点和 L2。 曲线 L1、L2 可以是闭合的或打开的，并且被描述为通过两行矩阵，其中每一行包含其 x 和 y 坐标。 曲线组的交点（例如等高线、相乘连接区域等）也可以通过将它们分开来计算例如，一列 NaN L = [x11 x12 x13 ... NaN x21 x22 x23 ...; y11 y12 y13 ... NaN y21 y22 y23 ..

松鼠笼式感应电动机 使用给定的参数，该程序设计了一个Delta相连的三相鼠笼式感应电动机，并找出定子铁心尺寸，定子槽数和绕组匝数，并得出速度转矩特性。 参数是可调的。 例如，当前值是：HP = 30频率= 50电压= 440 RPM = 960 SEL = 25000 SML = 0.46 PF = 0.87满载效率= 87％定子电阻= 0.641定子电抗= 1.106转子电阻= 0.332转子电抗= 0.464磁化支路电抗= 26.3计算0至1之间的许多转差的转矩-速度特性。为了避免除零问题，将第一个转差值设置为0.001，而不是精确地设置为0。 此模型的灵感来自Siddharth Kaul https://matlabexamples.wordpress.com/2012/11/28/design-of-squirrel-cage-induction-motor/

澳大利亚简化的 14 台发电机基准松散地基于澳大利亚南部和东部的电力系统。 该基准由阿德莱德大学 (Mike Gibbard & David Vowles) 开发，用于研究型研究和教育目的。 该基准的 SimPowerSystems 实现的作者是来自 IREQ Hydro-Québec 研究所的 Ali Moeini 和 Innocent Kamwa。 该模型有 59 条总线、14 台发电机（基于通用参数为涡轮机和调速器系统建模合适的模型）和 29 个负载。 此模型中还包含多个电力系统稳定器 (PSS) 模块和多频段电力系统稳定器 (MBPSS) 模块，以及连接在 B_205 总线上的静态无功补偿器 (SVC) 模块。 __ 参考A. Moeini、I. Kamwa、P. Brunelle、G. Sybille，“在 SimpowerSystems 中实施的开放数据 IEEE 测试系统用于

该程序将输入的简单连接的开放网格映射到单位圆盘上，同时尽可能保留三角形元素的角度。 网格的边界将映射到单位圆上。 通过运行演示文件来演示一个示例。 句法uv = Diskmap_CEM(F,V) 说明F：双阵列，nf x 3，网格面V：双阵列，nv x 3，网格顶点uv：双阵列，nv x 2，网格的保形参数化具体算法请参考[1]。 [1] M.-H. 岳，W.-W。 林，C.-T。 吴，和 S.-T。 Yau，一种有效的共形参数化能量最小化，J. Sci。 Comput., 2017. doi:10.1007/s10915-017-0414-y 该论文的在线版本可以在http://rdcu.be/p5SA找到

该代码实现了用于教程目的的多层反向传播神经网络，并允许在输入、输出和隐藏层中训练和测试任意数量的神经元。 隐藏层的数量也可以变化。 共有三个文件，其中 MLBPN_Train.m 用于在所需输入模式上构建和训练多层网络，MLBPN_Test.m 用于测试训练后的神经网络。 您可以通过修改DefinePattern.m文件来提供自己的训练模式。 如果需要，学习率、总迭代次数和激活函数都可以更改。 该代码使您能够单独修改前向和反向传播阶段，以允许在复杂的训练数据上快速收敛。

三阶方程的解 ax³ + bx² + cx + d = 0

可直接运行 MATLAB信号处理 频谱分析加汉宁窗函数 源代码程序.rar

使用蒙特卡罗模拟为篮子期权定价的函数。 您可以指定是否需要美式期权。 对于美式期权，它遵循 LMS 算法。 您可以选择指定平均日期、平ASP格、平均类型等。 asianbasket.m 和 europeanbasket.m 是定价文件。 bagset.m 是生成用于定价函数的结构的函数。 testfile.m 就是一个例子。 对于 LMS，它从以下页面中汲取灵感： http://leippold.googlepages.com/longstaffSchwartz2a.html