将伪地球固定惯性坐标转换为 ECEF 坐标。 此函数已被矢量化以提高速度。 示例函数调用： >> [r_ECEF v_ECEF a_ECEF] = ECItoECEF(JD,r_ECI,v_ECI,a_ECI); 在哪里： JD 是儒略日期向量 [1 x N]（单位为天） r_ECI 是位置向量 [3 x N]（允许使用任何单位） v_ECI 是速度矢量 [3 x N]（允许使用任何单位） a_ECI 是加速度矢量 [3 x N]（允许使用任何单位）

计算卷积的matlab代码可解释意识指示器（ECI）的源代码 该项目包含与手稿“使用可解释的深度学习将意识从睡眠，麻醉和意识障碍患者中解脱出来”相关的脚本。 编程语言：MATLAB 联系人︰李敏治（） 步骤1：EEG预处理和转换后的数据 将原始EEG信号转换为时空3D矩阵。 第2步：培训CNN 转换后的3D功能在卷积神经网络（CNN）上用于意识的两个组成部分：唤醒和意识。 在每个唤醒和意识状态下，将EEG数据分为两类（低与高）进行训练。 在培训和测试阶段，我们使用了留一法的主题学习法作为迁移学习。 步骤3：测试CNN和计算ECI 输出表明概率是计算ECI的平均值。 最后，计算基于分层相关性传播（LRP）的相关性得分。 等等 散点图，托普图和小提琴图 EEGLAB工具箱可从以下网站免费获得。 CNN和LRP的源代码可从以下网站免费在线获得。 可从下载小提琴情节的源代码。 阴影错误栏的源代码可从下载。

基于 IAU 2006A：CIO based，使用 X,Y 系列计算进动、章动、地球自转和极移矩阵

基于 IAU 2000A：基于 CIO，使用经典角度计算进动、章动、地球自转和极移矩阵

将 WGS 84 (CTS, ECEF) 坐标转换为 ECI (CIS, Epoch J2000.0) 坐标。 此函数已被矢量化以提高速度。 与 STK 星历输出相比，坐标系之间转换的相关误差约为 1.2*10^-11 公里。 要运行此函数，请在 MATLAB 提示符下键入以下命令： >> [r_ECI v_ECI a_ECI] = ECEFtoECI(JD,r_ECEF,v_ECEF,a_ECEF); 在哪里JD 是儒略日期向量 [1 x N] r_ECEF 是 ECEF 坐标 [3 x N] 中的位置向量v_ECEF 是 ECEF 坐标中的速度矢量 [3 x N] a_ECEF 是 ECEF 坐标中的加速度矢量 [3 x N] r_ECI 是 ECI 坐标中的位置向量 [3 x N] v_ECI 是 ECI 坐标中的速度矢量 [3 x N] a_ECI 是 ECI 坐标中的加

将ECI坐标系下的坐标点转换为ECEF坐标系

Convert ECI (CIS, Epoch J2000.0) Coordinates to WGS 84 (CTS, ECEF)

Convert WGS 84 (CTS, ECEF) Coordinates to ECI (CIS, Epoch J2000.0)