matlab烟雾生成代码合成烟雾生成
论文的matlab源代码：
A.
Genovese,
R.
Donida
Labati,
V.
Piuri,
and
F.
Scotti,
"Virtual
environment
for
synthetic
smoke
clouds
generation",
in
IEEE
International
Conference
on
Virtual
Environments,
Human-Computer
Interfaces
and
Measurement
Systems
(VECIMS
2011),
Ottawa,
Canada,
September,
2011,
pp.
1-6.
ISSN:
1944-9429.
[DOI:
10.1109/VECIMS.2011.6053841]
https://ieeexplore.ieee.org/document/6053841
R.
Donida
Labati,
A.
Genovese,
V.
Piuri,
and
F.
Scotti,
"Wildfire
smoke
detection
using
2021-11-25 11:30:10
18.31MB
1
使用mybatis-plus代码生成器自动生成实体类,service, mapper, xml, 内含单表的增删改查和丰富的条件构造器
2021-11-25 11:02:06
86KB
1
mybatis plus+springboot反向生成代码,根据数据库表生成基础的类，控制器，dao ,service代码。
2021-11-24 16:16:06
83KB
1
dbc
matlab生成代码使用间接学习架构的GMP
DPD
Matlab库
如何引用
如果在项目中使用该仓库，请引用该仓库。
下面是一个示例bibtex条目。
@misc{TarverILADPD,
author
=
{Tarver,
Chance},
title
=
{GMP
DPD
Using
Indirect
Learning
Architecture
Matlab
Library},
month
=
sep,
year
=
2019,
doi
=
{put
apprpriate
doi
here
from
current
doi
above},
}
介绍
功率放大器（PA）是非线性设备。
这些非线性会导致诸如载波周围的频谱再生长之类的失真。
3GPP和FCC对此相邻载波泄漏和其他非线性伪影施加了限制。
为了解决这个问题，我们可以使用PA非线性的倒数进行预失真。
一种标准的方法是通过间接学习体系结构。
设计预失真器的一个挑战是我们不知道预失真器的输出应该是什么，因此我们可以直接使用最小二乘法来求解预失真器的设计。
间接学习体系结构使我们能够规避这一问题。
如何安装：
选项1：将
2021-11-09 10:45:34
105KB
1
matlab与ccs生成代码TI
Stellaris
LaunchPad的Simulink（嵌入式编码器）目标
概括：
TI
Stellaris
LaunchPad（）是基于ARM
Cortex-M4F的低成本开发板。
Simulink（）是用于多域仿真和基于模型的设计的领先环境。
嵌入式编码器（）允许您生成C代码并将算法部署到目标硬件。
安装：
Windows
/
Linux：安装了Code
Composer
Studio
5.3（或更高版本）（）。
Windows
/
Linux：安装了StellarisWare（）。
您不必下载完整的StellarisWare软件包。
“用于Stellaris
LM4F120
LaunchPad评估板的StellarisWare”就足够了。
在继续之前，请确保您的工具链正在运行（构建并下载一些测试项目，检查连接）！
通过运行以下命令，确保您具有运行正常/受支持的主机编译器（）
mex
-setup
在MATLAB中。
将此软件包解压缩到某处。
确保路径中没有空格/非ASCII字符（以防万一）。
在MATLAB中，“
cd”到包含stellaris
2021-11-04 15:39:31
558KB
1
VisualStudio代码生成器 c#代码生成器 VS代码自动生成器 .NET代码生成器 .net C# VS 自动生成代码实体
2021-11-04 12:02:28
42.06MB
1
matlab
生成代码
调用
性别识别软件使用说明
环境建立
将主目录下的rastamat工具箱和sap-voicebox工具箱添加到MATLAB路径中
将主目录下Gama文件夹添加到MATLAB路径
需要MATLAB2018b或者MATLAB
Runtime9.4
使用方法
环境建立后，双击运行Gender_Recognition.mlapp
或者在MATLAB中打开运行
代码结构
顶层文件：Gender_Recognition.mlapp
调用文件：
GFCC_result.m
基于GMM的GFCC，其中输出参数result为返回结果（0表示识别结果为女，1为男）,输入参数x1为经过预处理和vad的语音信号，fs为采样率，GMM_chinese是GMM模型
GFCC.m
用于提取GFCC特征
lmultigauss.m
用于计算输入特征在模型中的可能性，输出是一个负值，直接与另外一个输出比较大小即可。
PLP_result.m
基于GMM的PLP，其中输出参数result为返回结果（0表示识别结果为女，1为男）,输入参数x1为经过预处理和vad的语音信号，fs为采样率，GMM_ch
2021-11-03 06:24:11
3.86MB
1