使用自定义基础 B 对一维（时间）信号 y 执行匹配追踪 (MP)。 匹配追踪 (Mallat and Zhang 1993) 是一种贪婪算法，根据字典元素 D (y ~ Dw) 的加权和 (w) 获得信号 y 的稀疏表示。 稀疏意味着大多数元素等于 0 (nnz(w) << length(y))。 这种稀疏表示在许多不同的场景中都很有用：获取时频频谱图、去噪信号、压缩信号等。 对于时间信号，很自然地使用元素 D 的字典，该字典由移动到每个可能时间点的基本元素 B 组成。 在这种情况下，高度过完备字典中卷积或平移不变稀疏代码的权重形式： y~r r = sum_i conv(ws(:,i),B(:,i),'same') 和 nnz(ws(:)) << length(y) 如果 B 等于一堆加窗的正弦曲线，则该表示形成信号的时频分解。 这种分解的一个应用是 EEG/MEG 和 LF

此函数使用标量衍射限制模型为宽场显微镜生成点扩展函数（Stokseth 参考下面的 [1] 和 [3]） ---------------- 输入参数： lambdaEx：激发波长（以 nm 为单位） lambdaEm：发射波长（以 nm 为单位） numAper：物镜的数值Kong径magObj：物镜总放大倍数rindexObj：目标浸没介质的折射率ccdSize：CCD的像素尺寸（在相机平面内） rindex_sp：试样介质的折射率xysize：所需图像的大小（标本视图大小/像素尺寸） nslices：所需的切片数量（深度视图/Z 轴采样） 深度：样品在盖玻片下的深度，以 nm 为单位dxy：CCD 像素大小（以 nm 为单位） dz：光轴 Z 采样或散焦（以 nm 为单位） nor: PSF 上的归一化（默认：无归一化） 0：L-无穷大归一化1：L-1归一化-------------

PLOTMATRIXCORR 函数将矩阵的每一列作为变量并创建变量之间相关性的散点图。 该函数为数据设置一个线性模型并将结果绘制在上对角矩阵。 在主对角线上放置名称变量和下三角矩阵显示线性拟合方程， 决定系数和 Pearson 相关系数。 PLOTMATRIXCORR(X) 散点图绘制 X 的列，其中每一列代表一个变量PLOTMATRIXCORR(X,LABELS) 将 LABELS 输入的标签放入主对角线（P1、P2、P3、...、Pn 为默认值） 例子 r=rand(5); plotmatrixcorr(r) 索尔·阿西涅加·埃斯帕扎zaul.ae@gmail.com 27/08/2015 灵感来自 Clay M. Thompson 的 PLOTMATRIX 10-3-94

SpinCalc 是一个整合的 matlab 函数，它将在包含的 4 种类型之间转换任何旋转数据。 还将在 2 种不同的欧拉角集类型之间进行转换。 可以输入多个方向。 对于N个方向： DCM ===> 3x3xN多维数组EA### ===> Nx3 矩阵欧拉向量 ===> Nx4 矩阵四元数 ===> Nx4 矩阵 输入包括错误检查标志，当欧拉角接近奇点或当适当的值偏离统一时，该标志将发出警告。 因不正确的 DCM 等而发出的致命错误。 *****注意用户***** 我有很多关于转换为欧拉角集的问题。 将数据转换为欧拉角时，您必须确保要平移的方向不接近奇点。 奇异欧拉集是无法按特定旋转顺序唯一转换为 3 个变量的方向。 单数集如下： 类型 1 转数：123 - 132 - 213 - 231 - 321 - 312 如果第二个旋转角度为 -90 或 90 度，则为单数。 类型 2

此代码侧重于最小化有功功率损耗。 首先，我们从所需的电力系统中获取数据，然后我们定义优化算法的参数，例如迭代次数、总体规模以及目标变量的最小值和最大值。 目标变量是： TAP、母线电压和分流器的值。 定义优化算法参数后，执行经典潮流程序，计算优化函数值。 现在迭代过程在算法达到默认迭代次数后开始，它显示了目标变量的初始值与优化算法的新值之间的比较，也显示了最优值的演化过程作为有功功率的损失。 在文件夹中，有一张关于 Jaya 算法如何工作的图像。 注意：代码设计用于任何电力系统，只需添加到文件夹并在代码中调用它。 请记住，优化过程可能需要几秒到几分钟才能收敛，具体取决于目标变量的数量和迭代次数。 要了解有关 Jaya 算法的更多信息： http://www.comingscience.com/ijiec/Vol7/IJIEC_2015_32.pdf 如果您遇到任何问题，可以通过电子邮

MATLAB GUI界面读取十六进制数据。串口号可更改

matlab开发-电压控制双向转换器。电压控制的DC/DC双向变换器，上传多个Simulink版本

那些希望根据数据对表面进行建模的人z(x,y) 从分散或半分散的形式数据在 matlab 中几乎没有选择 - 主要是网格数据。 Griddata 是用于插值的有价值的工具分散的数据。 但是，当有时它会失败重复或当数据有许多共线时点。 Griddata 也无法推断超出数据的凸包，除非“v4” 选项被使用，这很慢。 Gridfit 解决了所有这些问题，尽管它不是插值。 它在一个表面上构建一个完整的晶格，平滑地外推到角落。 您可以控制数量平滑完成，以及插值方法， 使用哪个求解器等。 此版本允许用户使用新的平铺选项解决更大的问题。 现在构建的曲面的大小基本上没有限制，只要您有足够密集的数据和足够的内存来存储最终的网格曲面。 示例用途可在文件 gridfit_demo.m 中找到， 以及与相同网格数据的比较表面。

循环矩阵出现在许多矩阵问题中，其中基础数学模型具有旋转对称性。 在许多问题中，问题表示不是简单的循环矩阵，而是块循环矩阵。 @BlockCirculant 对象允许块循环矩阵的紧凑表示。 它支持常见的矩阵运算，例如 +、-、*、\、逆、伪逆、下标和连接。 通过使用 FFT 执行典型的 O(N^3) 运算，可以为此类矩阵实现较大的加速因子。 矩阵可以是实数或复数。 该软件包包括@BlockCirculant 定义、一个测试程序和显示大型矩阵问题加速因子示例的文档。 此版本包括伪逆运算的文档更正和代码更正

matlab开发-一种二自由度机器人。利用ANFIS函数建立神经网络来求解逆运动学问题。