weixin_41724971的博客

matlab画图

matlab语句积累

Matlab 代码总结

将函数名定义为一个函数句柄，这个变量名为f。这样产生的函数句柄变量不指向特定的函数, 而是一个函数。

BPP matlab仿真

1. 3D\2D-PPP泊松点分布在Matlab的环境下，matlab自带一维poisson点生成函数：poissrnd(lambda,m,n)一维的Poisson过程和Poisson分布，从时间的角度似乎更加容易解释：事件发生的次数，两件事情发生的平均间隔时间服从指数分布。对于2维或者三维来说，即：随机抽样出来的样本点在范围内服从均匀分布，样本点之间的距离服从指数分布2维3维的Poisson点分布的仿真便是基于上述概念进行的。在文献中有这样两种方法[1]:“Two distin

1. 判断变量是否为空>isempty() 函数（1）B = isempty(A)；A为空返回1；A非空返回0。（2）isempty(A) ;判断A是否为空，如果为空，结果为1，否则为0.~isempty(A) ;表示将 isempty(A) 的结果取反，也就是说如果msg为空，结果为0，否则为1。2. 判断变量是否存在>exist() 函数（1）if ~exist('P','var')（2）if exist('P','var')...

表示 f 为函数句柄，@是定义句柄的运算符。f=@(x)acos(x) 相当于建立了一个函数文件：

把a的后三个字符变成空的就行。a='this is word'a(end-2:end)=[]

1. title 含 数字变量 显示clearclc x=1:0.01:10;y=sin(x);plot(x,y,'linewidth',3)xlabel('x')ylabel('y')x=1;title(['mingzi',num2str(x)])2. title 含 char变量 显示和上统一直接用；若想增加，则使用src=[' ' char名];src = ['原始信号' file_name];figureplot(t,x);title(src);

目录1. 自己编写协方差程序和cov()对比（1）自己编写协方差算法（2）协方差函数：cov()函数2. cov()函数理解2：1. 自己编写协方差程序和cov()对比（1）自己编写协方差算法clc;clear all; OriginMatrix = [2,3,2; 4,5,3; 6,4,2; 4,5,3];[M,N]=size(OriginMatrix); %行，列 MeanArray = mean( OriginMatrix );Mean

ICA算法的研究可分为基于信息论准则的迭代估计方法和基于统计学的代数方法两大类，从原理上来说，它们都是利用了源信号的独立性和非高斯性。基于信息论的方法研究中，各国学者从最大熵、最小互信息、最大似然和负熵最大化等角度提出了一系列估计算法。如FastICA算法, Infomax算法，最大似然估计算法等。基于统计学的方法主要有二阶累积量、四阶累积量等高阶累积量方法。一：最大似然估计算法1.1 目标函数部分我们假设信号Si有概率密度函数Ps(t),由于我们假定信号源是相互独立的，其实经过白化处理后就变成

1、函数功能：对矩阵求逆。如果A是非奇异方阵，则B/A = B*inv(A)，A\B = inv(A)*B。/表示右除，\表示左除。注意：使用inv时，必须对象为方阵。2、代码示例clc;clear all;A = [1,2,3;4,1,6;7,8,4];B = [3,5,1;9,2,7;5,2,1];B/AB*inv(A)A\Binv(A)*B运行结果：ans = 0.2771 -0.3735 0.6024 -2.0361 ...

标签：标记三角画图说明线型MATLAB特殊符号希腊字母MATLAB画图线型、颜色、标记符、特殊符号、技巧汇总线型线型 说明 - 实线 - - 双划线 : 虚线 :. 点划线 颜色颜色 说明 r 红色 g 绿色 b 蓝色 k 黑色 w 白色 y 黄色 m 洋红 c 青绿 标记符标记符 说明 + 加号 o 空心...

首先在表格属性里“Data”设置行列标题内容如下设置。亲测很久，不能在“Data”里面无法设置，通过代码设置。function uitable1_CreateFcn(hObject, eventdata, handles)% hObject handle to uitable1 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles empty - handles ...

1. 函数名称： mfilename函数功能：返回当前正在运行的函数所在文件的文件名。语法格式：mfilenamep = mfilename('fullpath')c = mfilename('class')2. 函数名称：fileparts函数功能：在FreeMat、Matlab中，该函数用于将一个文件的完整路径中各部分提取出来。...

2021年3月25日 matlab均值和方差整理——mean,var,std函数目录均值-mean()函数的用法​方差​var函数​std函数均值-mean()函数的用法对于矩阵A：（1）mean(A,1)为对矩阵A的列求均值（2）mean(A,2)为对矩阵A的行求均值（3）mean(A)当传入的参数只有矩阵时，默认对列求均值（4）对整个矩阵求均值可用mean(mean(A))方差 样本方差 ...

2021年3月25日 matlab画图语句总结1. legend 标注问题（1）下标_{}（2）上标^{}（3）希腊字母 小写字母：\alpha, \beta, \gamma, \delta, \epsilon, \kappa, \lambda, \mu, \nu, \omega, \phi, \pi, \chi, \psi, \rho, \sigma, \tau, \upsilon 大写字母：\Sigma, \Pi, \Lambda, \Omega...

2021年3月24日 方差/标准差 理解一. 概念1、均方差就是标准差，标准差就是均方差2、方差是各数据偏离平均值差值的平方和 的平均数3、均方误差（MSE）是各数据偏离真实值差值的平方和 的平均数4、方差是平均值，均方误差是真实值。总的来说，方差是数据序列与均值的关系，而均方误差是数据序列与真实值之间的关系，所以我们只需注意区分真实值和均值之间的关系就行了。ps：平均数有如下几个类别：算数平均数：几何平均数：数据之间多为等比关系时使用，不用考虑量纲。会遮蔽可...

梳状滤波器学习整理目录梳状滤波器学习整理1. 梳状滤波器定义2. 梳状滤波器仿真（1）matlab函数：（2）仿真实例1. 梳状滤波器定义梳状滤波器是由许多按一定频率间隔相同排列的通带和阻带，只让某些特定频率范围的信号通过，由于其特性曲线象梳子一样，故称为梳状滤波器。梳状滤波器被用于分离色度信号的两个正交分量U色差信号与V色差信号，一般由延时、加法器、减法器、带通滤波器组成。对于静止图像，梳状滤波在帧间进行，即三维梳状滤波或3D梳状滤波器。对活动图像，梳状滤波在帧内进行，即二

EMD算法matlab仿真时间学习感悟1.模拟信号：目录EMD算法matlab仿真时间学习感悟1.模拟信号：2. 实验结果和相关代码（1）原始信号代码（2）EMD分解结果（3）信号重构噪声：高斯白噪声，SNR=10dB2. 实验结果和相关代码（1）原始信号代码Fs = 3000;t = (0:1/Fs:1-1/Fs);x1 = (1+0.2*cos(6*pi*t)).*cos(140*pi*t+2*sin(6*pi*t));x2 ...

FFT编程matlab问题思考1. 函数fft返回值具有对称性，所以只取一般 根据采样定理，fft最高频率为Fs/2。fft返回值以Fs/2（或Nft/2）为对称。因为Y的前一半与后一般是复共轭关系，信息是重复的。所以N点fft，有用的点数共N/2+1个。 第n个点的真实频率值为 Fn = (n-1)*Fs/nft； nft为傅里叶点数，Fs/nft为频率分辨率，n-1是因为傅里叶频率点从0开始。2. 幅值 真实幅值大小与输入点有关，第一个点的幅值为/Nft，其他点2倍（*）/Nf...

MATLAB的FFT理解目录MATLAB的FFT理解1. 目的：FFT的matlab编程问题2. 基于MATLAB的FFT函数需要了解的知识点3. 需要说明的两个问题4. matlab思考点5、MATLAB代码1. 目的：FFT的matlab编程问题N：傅里叶点数Fs：采样频率2. 基于MATLAB的FFT函数需要了解的知识点频谱关于中间位置对称，只需要观察 0:1：N/2（这N/2+1个点）（时域采集N个点，频域只需要观察N/2+1个点） MATLAB中.

关于SNR信噪比的原理学习和代码学习1. SNR目录关于SNR信噪比的原理学习和代码学习1. SNR基本公式2. SNR matlab代码1，把白噪声叠加到信号上去：2，把指定的噪声叠加到信号上去3，检验带噪信号的信噪比基本公式2. SNR matlab代码在信号处理中经常需要把噪声叠加到信号上去，在叠加噪声时往往需要满足一定的信噪比，这样产生二个问题，其一噪声是否按指定的信噪比叠加，其二怎么样检验带噪信号中信噪比满足指定的信噪比。在MATLAB中可

1. 存csvresult =table(a1);writetable(result,savepath)savepath=('E:\feature_2.csv');2.存xls[m1,n1] = size(a1);result = mat2cell(a1, ones(m1,1), ones(n1,1)); % 将data切割成m*n的cell矩阵s = xlswrite(savepath,result) % xlswrite('test.xlsx',test,'Sh...