bch_codec.m: 主程序 sub_decod_bch.m: 译码子程序 sub_encod_bch.m: 编码子程序 sub_gf_add.m: 有限域元素加法子程序 sub_gf_gen.m: 有限域生成子程序 sub_gf_mul.m: 有限域元素乘法子程序 sub_poly_div.m: 二元域多项式除法子程序 和本程序配套的本人博客链接为：https://blog.csdn.net/wlwdecs_dn/article/details/121325352

rs_codec.m: 主程序 sub_decod_rs.m: 译码子程序 sub_gf_add.m: 有限域元素加法子程序 sub_gf_gen.m: 有限域生成子程序 sub_gf_mul.m: 有限域元素乘法子程序 sub_poly_div_bin.m: 二元域多项式除法子程序 sub_poly_div_Mary.m: 有限域多项式除法子程序 sub_poly_mul_Mary.m: 有限域多项式乘法子程序 sub_rs_func.m: 伴随式计算子程序 sub_rs_gx_gen.m: 码生成多项式系数生成子程序 和本程序配套的本人博客链接为：https://blog.csdn.net/wlwdecs_dn/article/details/122156548

conv_codec.m: 存储所有节点(无窗法)与vitdec对比主程序 conv_codec_swd: 滑动窗(Sliding window)法与vitdec对比主程序 poly_tab.m: 蝶形网格图描述生成子程序 sub_bin_dec.m: 二进制转十进制子程序 sub_dec_bin.m: 十进制转二进制子程序 sub_dec_oct.m: 十进制转八进制子程序 sub_oct_dec.m: 八进制转十进制子程序 sub_encod.m: 编码子程序 sub_vitdec_dis.m: 基于最大距离度量的Viterbi译码子程序 sub_vitdec_dis_swd.m: 基于最大距离度量和滑动窗的Viterbi译码子程序 和本程序配套的本人博客链接为：https://blog.csdn.net/wlwdecs_dn/article/details/122687595

MATLAB s函数最详细指南编写教程

【程序老媛出品，必属精品，亲测校正，质量保证】 资源名：matlab编写的dft函数源码.zip 资源类型：程序源代码 源码说明： 用matlab编写的dft函数代码 包含完整源码和注释 非常适合借鉴学习 适合人群：新手及有一定经验的开发人员

在MATLAB中，卷积码的维特比（Viterbi）译码实现通常需要先将生成多项式转换成网格图描述，然后才能利用网格图进行维特比译码。 生成多项式转网格图描述的built-in函数为poly2trellis，在MATLAB中，改函数为通信工具箱中的内置函数，被封装成动态链接库（MexFunction），通过搜索早期的MATLAB版本，找到了MEX源文件。 采用“还原”的形式进行单步跟踪调试，在VS2010中构建了整个项目工程，通过单步跟踪调试，才得以理解整个代码流程。 参考博客更方便理解：https://blog.csdn.net/wlwdecs_dn/article/details/122572149

咳咳咳~~~温馨提示：下载需谨慎。文档中都是Matlab函数的说明，是萌新Matlab新手上路时自己一条一条从网上搜的，其中第一条是“matlab中波浪号~的作用和用法”，哭晕，刚上手matlab，连个~符号都要欺负萌新读书少。纯个人建议，萌新上手matlab，最好也能有个属于自己的帮助文档，以后自己可以直接Ctrl+F文档内部搜索，类似于修真小说里能伴随主人实力成长的高阶神器，虽然网上的帖子都说matlab中有help函数，可我估摸着，即便把它翻译成中文，我也不一定能理解，更何况。。。还是英文。。。。。。突然，悲伤那么大。。。。。。

我经常需要生成数据文件以从 Matlab 导出，以便其他程序使用标题来解释列的内容。 这个简单的例程扩展了 MATLAB csvwrite 函数的功能以添加列标题 有关所有参数的详细说明，请参阅 csvwrite 的帮助，但这是如何使用该函数的简单示例： >> 标题 = {'A','B','C'} 标题 = 'A' 'B' 'C' >> 数据 = [1,2,3;4,5,6] 数据 = 1 2 3 4 5 6 >> csvwrite_with_headers('test.csv',data,headers)

matlab罚函数的代码 lab1 多项式拟合曲线 目标： 掌握最小二乘法求解（无惩罚项的损失函数）、掌握加惩罚项（2范数）的损失函数优化、梯度下降法、共轭梯度法、理解过拟合、克服过拟合的方法(如加惩罚项、增加样本) 要求： 生成数据，加入噪声； 用高阶多项式函数拟合曲线； 用解析解求解两种loss的最优解（无正则项和有正则项） 优化方法求解最优解（梯度下降，共轭梯度）； 用你得到的实验数据，解释过拟合。 用不同数据量，不同超参数，不同的多项式阶数，比较实验效果。 语言不限，可以用matlab，python。求解解析解时可以利用现成的矩阵求逆。梯度下降，共轭梯度要求自己求梯度，迭代优化自己写。不许用现成的平台，例如pytorch，tensorflow的自动微分工具。 提交材料： 1.代码 2.实验报告 lab2 逻辑回归 目的：理解逻辑回归模型，掌握逻辑回归模型的参数估计算法。 要求：实现两种损失函数的参数估计（1，无惩罚项；2.加入对参数的惩罚），可以采用梯度下降、共轭梯度或者牛顿法等。 验证：1.可以手工生成两个分别类别数据（可以用高斯分布），验证你的算法。考察类条件分布不满足朴素

信号分析与处理课程设计