一、背景概述本实验在之前两篇文章的基础上设计的MATLAB与FPGA联合仿真平台设计，主要用于在MATLAB于FPGA之前提供收发数据的通道。该实验的应用背景为极化码的编译码流程，极化码的编译码的仿真流程如下：[ZYNQ]开发之基于AN108模块的ADC采集以太网传输_Laid-backguy的博客-CSDN博客[ZYNQ]开发之DMA的理解及应用_Laid-backguy的博客-CSDN博客本实验将把极化码的编译码器放在FPGA上进行实现，其余仿真步骤都将在MATLAB上进行。其中编码器采用Xilinx官方提供的ip核，可在其官网进行申请，连接如下，由于本实验所用开发板资源有限，因此译码器采

目录一、程序及算法内容介绍：基本内容：亮点与优势： 二、实际运行效果： 三、部分程序：四、完整代码+数据+使用手册下载：一、程序及算法内容介绍：基本内容：本代码基于Matalb平台编译，将WOA(鲸鱼算法)与BP神经网络结合，进行数据回归预测输入训练的数据包含12个特征，1个响应值，即通过12个输入值预测1个输出值（多变量分类预测）归一化训练数据，提升网络泛化性通过WOA算法优化BP神经网络的初始权重、初始偏差等参数，记录下最优的网络参数训练BP网络进行回归预测，将优化前后的网络预测效果进行对比，突出优化的重要性迭代计算过程中，自动显示优化进度条，实时查看程序运行进展情况自动输出多种多样的的误

低通滤波和高通滤波主要类型和公式主要效果图各类型的函数代码最终比较代码主要类型和公式1.低通滤波主要分为理想低通滤波，巴特沃斯低通滤波，高斯低通滤波理想低通滤波：其中：对于大小为M*N的图像，频率点(u,v)与频域中心的距离为D(u,v)，其表达式为：下列的D(u，v)都相同巴特沃斯低通滤波：高斯低通滤波：2.高通滤波理想高通滤波：巴特沃斯高通滤波：高斯高通滤波：主要效果图带傅里叶谱：不带傅里叶谱：各类型的函数代码理想低通滤波：functionout=imidealflpf(I,freq)%imidealflpf函数 构造理想的频域低通滤波器%参数：I 输入的灰度图像%参数：freq

1.核心原理简介1.1三个重要概念(1)正负偏差变量【衡量每个目标的完成情况】设  为第i个目标函数的实际值；设  表示  的目标值正偏差变量 【表示实际值超过目标值的部分】  负偏差变量 【表示实际值未达到目标值的部分】  实例说明：目标函数实际值目标值正偏差变量负偏差变量意义收入50万不少于60万010未到达还有10万收入70万100超出10万 （2） 绝对约束与目标约束绝对约束【必须要满足的条件】目标约束【允许有偏差→利用正负偏差变量】实例说明：【含有“尽可能”、“尽量”等关键词】尽可能使利润不低于56万（3）优先因子【类似“权重”】给每一个目标一个优先因子P，仅仅是确定各目标的求解次序

一、动态窗口法基本概念 1.1 速度采样空间1.2 评价函数二、基于Matlab的机器人局部避障仿真一、动态窗口法基本概念        动态窗口方法(DynamicWindowApproach)是一种可以实现实时避障的局部规划算法，通过将轮式机器人的位置约束转化为速度约束，根据约束进行速度采样，并由一系列的选定速度的动作生成轨迹，结合评价函数选择评分最高的轨迹，实现执行最优速度的问题。        DWA算法的流程图可表述为： 1.1 速度采样空间        初始速度搜索空间：在任意t时刻，机器人速度(v，ω)的二维空间中可以形成无穷多组运动轨迹，即构成一个初始的速度搜索空间。但是受以

一、动态窗口法基本概念 1.1 速度采样空间1.2 评价函数二、基于Matlab的机器人局部避障仿真一、动态窗口法基本概念        动态窗口方法(DynamicWindowApproach)是一种可以实现实时避障的局部规划算法，通过将轮式机器人的位置约束转化为速度约束，根据约束进行速度采样，并由一系列的选定速度的动作生成轨迹，结合评价函数选择评分最高的轨迹，实现执行最优速度的问题。        DWA算法的流程图可表述为： 1.1 速度采样空间        初始速度搜索空间：在任意t时刻，机器人速度(v，ω)的二维空间中可以形成无穷多组运动轨迹，即构成一个初始的速度搜索空间。但是受以