MATLAB怎么做两个figure?

matlab使用figure(1), figure(2)...可以作出多幅图。示例如下:

1
2
3
4
5
6
theta=linspace( 0 , 2 *pi, 400 );
rou= 4 *sin( 2 *theta);
figure( 1 )
polar(theta,rou);
figure( 2 );
ezplot( 'x^(2/3)+y^(2/3)-2^(2/3)' )


  • 13
    点赞
  • 20
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
MATLAB模式识别实现指标分类评估预测如环境业绩等-Use_For_Predict.m 最近看到很多会员需要使用MATLAB神经网络如下的事情: 1:MATLAB神经网络对水的质量的分类、评估、预测 (属于环境类分类、评估预测) 2:MATLAB神经网络对空气质量的分类、评估、预测 (属于环境类分类、评估预测) 2:MATLAB神经网络对土壤质量的分类、评估、预测 (属于环境类分类、评估预测) 3:MATLAB神经网络对学员的个人表现进行分类、评估、预测 (属于个人业绩鉴定) 4:MATLAB神经网络对医学、生物学上的细胞、疾病等分类、评估等(属于医学、生物学) 5:MATLAB神经网络对交通、物流等效率方面的分类、评估、预测等(属于交通、物流管理) 6:MATLAB神经网络用于故障诊断 7:概括来讲,就是使用神经网络对某些指标(如空气质量、水质量、个人业绩等)进行“有限”的分类、预测、评价等。 在这里,我特别强调“有限”两个字,因为这正是模式识别工具箱可以解决的问题。我看到很多会员使用不同的神经网络(如模糊识别,RBF, SVM等)。根据我多年的使用经验,其实基于多层BP网络的模式识别是最容易实现、效果非常满意、且结果非常具有说服力。很多会员没有掌握模式识别的精髓,或者网络训练好以后不知道如何评估、使用等。现在我用一个完整的例子来给大家展示一下它的优点。 不知道什么是模式识别,什么是BP网络的会员,请先看一下这个视频:MATLAB模式识别工具箱视频教学 用MATLAB模式识别工具箱(函数)来对某些指标(如空气质量、水质量、个人业绩等)进行分类、评估、预测,分为三步: 数据准备训练和评估预测 下面我来一步一步讲解,先谈数据的准备: 确保输入数据(包括训练以及将来要预测的数据)在比较接近的范围里(归一化是其中一种方式)。 这一个步骤不仅仅是在模式识别里,其实在任何一种网络里,这一步都是必须的。比如说你有400组数据,每组数据对应一个中国县城的空气质量。假设每组数据含有6个指标(称之为A,B,C,D,E,F,G), 如果数据A的范围是10^5-10^7, F的范围是0.1-0.5, 如果用这些数据来训练,很容易导致网络的权重也有同样的数量级的差别,结果是你的网络会非常的“敏感”(可以想象一下,如果F对应的权重是10^10,那么即使F稍微变化一下,都有可能导致网络的输出结果不同。而有时候这样的敏感度并不是你想要的,你可以对数据进行归一化处理,把数据都转换到0-1的区间内。 MATLAB模式识别工具箱可以自动对输入数据进行归一化处理,所以你只要明白这个过程,但是并不需要你额外写程序来处理这些数据。对输出数据进行二进制量化 通常情况下,用于测试的输入数据所对应的输出数据不是量化数据,比如说:优、良,或者是一级、二级等等。那么通常我们用二进制来表达,两位数字的二进制可以表示3类(01,10,11),三位数字的二进制可以表示7类(001,010,011,100,101,110,111,通常我们不使用000)。二进制的顺序不重要,比如说优可以对应001,也可以用010来表示。 经过简单处理,输入数据和新添加的二进制输入数据如下图所示: 神经网络——输入数据模式识别.png MATLAB模式识别实现指标分类、评估、预测 原始训练数据下载: training_data.xls MATLAB模式识别实现指标分类、评估、预测 把数据导入到MATLAB程序里close all clear all clc x=xlsread; y=xlsread; inputs = x'; targets = y';复制代码 我们再谈谈网络的训练和评估: 你可以使用MATLAB自带的模式识别工具箱界面来导入数据、调整参数等,然后得到结果。我通常第一次这样使用,得到一个基础架构以后,然后生成m代码,再在代码上修改。这里我演示给大家,如果通过程序来实现。下面是用来模式识别的代码(工具箱产生的函数): % 创建一个模式识别网络(两层BP网络),同时给出中间层神经元的个数,这里使用20 hiddenLayerSize = 20; net = patternnet; % 对数据进行预处理,这里使用了归一化函数(一般不用修改) % For a list of all processing functions type: help nnprocess net.inputs{1}.processFcns = {'removeconstantrows','mapminmax'}; net.o
1.1、设计内容 用Matlab编程仿真2FSK调制和相干解调系统 1.2、设计要求 (1)信源为八位二进制随机信号,比特率为50bit/s,载波频率f1=200Hz,f2=100Hz; (2)画出信源,2FSK已调信号,解调器乘以相干载波后的信号,经过低通滤波器后的信号和抽样判决后的信号波形; (3)撰写专业课程设计报告。 2、设计原理分析 2.1、2FSK介绍 数字频率调制又称频移键控(FSK),二进制频移键控记作2FSK。数字频移键控是用载波的频率来传送数字消息,即用所传送的数字消息控制载波的频率。2FSK信号便是符号“1”对应于载频f1,而符号“0”对应于载频f2(与f1不同的另一载频)的已调波形,而且f1与f2之间的改变是瞬间完成的。 其表达式为: 典型波形如下图所示。由图可见,2FSK信号可以看作两个不同载频的ASK信号的叠加。因此2FSK信号的时域表达式又可以写成: 2.2、 2FSK调制原理 2FSK调制就是使用两个不同的频率的载波信号来传输一个二进制信息序列。可以用二进制“1”来对应于载频f1,而“0”用来对应于另一相载频w2的已调波形,而这个可以用受矩形脉冲序列控制的开关电路对两个不同的独立的频率源f1、f2进行选择通。本次课程设计采用的是前面一种方法。如下原理图: 图1 调制原理框图 2.3、 2FSK解调原理 2FSK的解调方式有两种:相干解调方式和非相干解调方式,本次课程设计采用的是相干解调法,利用载波与已调信号进行相乘后滤波输出得到,在2FSK中要两个载波,所以解调也要两个载波,分别与已调信号相乘后利用低通,最后相加即可得到我们的滤波输出,再用抽样信号进行抽样判决器即可,其原理如下: 图2 相干解调原理框图 3、仿真参数设置说明 3.1、仿真参数设置 信源:八位二进制随机信号 载波频率:fc=900 信号频率:f1=100;f2=200 比特率:Rb= Rb=fm*log2_M=50 bit/s 3.2、仿真程序设计说明 详细设计步骤: 1.信号产生:二进制随机序列和两列频率不等的载波 1)利用matlab 库函数产生8个二进制随机数,也就是我们的基波调制信号a。 2)产生两列基带信号st1和st2,并画出其波形。 2.信号调制:产生2FSK信号和加入高斯噪声后的2FSK信号 1)用基带信号st1、st2和载波信号s1和s2,产生2fsk信号,具体法是用以st1与 s1相乘,st2 与s2相乘,再将两列信号相加。 2) 2fsk信号相加得到加入噪声后的sn信号。 3.解调 (1)对于两列让sn通过两个低通滤波器,并画出经过带通滤波器后的波形。 (2)输入抽样脉冲,将两列波st1和st2通过抽样判决器,画出其波形st,并与之前调制后的波形sn对比,并由Figure3得出比特率为50 bit/s。 4、仿真结果和分析 4.1、仿真结果 4.1.1.产生的基带信号 4.1.2.产生的载波信号 4.1.3.2FSK调制过程

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值