前言：本科学了四年机械，后面转头去了电子信息读研，以FPGA的脉压入手，在从零开始的路上CSDN对我的帮助很大，现整理所学，与诸君共勉。本文不少代码均是参考CSDN上的前辈们一步一步理解做出来的，如有冒犯之处，烦请谅解。目录一：脉冲压缩原理介绍1.我们简单了解一下脉冲压缩到底是什么？2.我们再来了解一下我们所使用的线性调频信号二.基于matlab的脉冲压缩仿真1.脉冲压缩信号生成2.DDC数字下变频 3.匹配滤波 4.加窗处理 5.杂波抑制和多目标测距三.Vivado实现一：脉冲压缩原理介绍1.我们简单了解一下脉冲压缩到底是什么？首先，一个好的雷达是能够准确探测足够远的两个足够近的目标。在最早
问题描述：求二维矩阵A的最大极值点和次大极值点。返回极值点所在位置。函数学习：BW=imregionalmax(A,conn)用来寻找矩阵的极值点。返回值BW类型为logical，和A同维度，其用来标示极值点的位置，值为1则表示对应位置为极大值点，否则值为0。参数A可为向量、矩阵。参数conn表示矩阵的连通性，当A为二维矩阵时，conn的值为4或者8；当A为三维矩阵时，conn的值为6、18或者26。【conn=8表示判断当前坐标是否为极值点由临近的8个点决定（上、下、左、右、上左、上右、下左、下右）】n=numel(A)返回矩阵A的元素数目。代码实现：TF=imregionalmax(A,8
目录1.简介2.算法原理3.实例分析3.1读取数据3.2 原理推导K均值过程3.3自带kmeans函数求解过程完整代码1.简介 聚类是一个将数据集中在某些方面相似的数据成员进行分类组织的过程，聚类就是一种发现这种内在结构的技术，聚类技术经常被称为无监督学习。 K均值聚类是最著名的划分聚类算法，由于简洁和效率使得他成为所有聚类算法中最广泛使用的。给定一个数据点集合和需要的聚类数目K，K由用户指定，K均值算法根据某个距离函数反复把数据分入K个聚类中。2.算法原理 K-means算法是典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距
目录1.简介2.算法原理3.实例分析3.1读取数据3.2 原理推导K均值过程3.3自带kmeans函数求解过程完整代码1.简介 聚类是一个将数据集中在某些方面相似的数据成员进行分类组织的过程，聚类就是一种发现这种内在结构的技术，聚类技术经常被称为无监督学习。 K均值聚类是最著名的划分聚类算法，由于简洁和效率使得他成为所有聚类算法中最广泛使用的。给定一个数据点集合和需要的聚类数目K，K由用户指定，K均值算法根据某个距离函数反复把数据分入K个聚类中。2.算法原理 K-means算法是典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距
1.GPCC降水数据集的下载GPCC（全球降水气候中心）于1989年应世界气象组织（WorldMeteorologicalOrganization，WMO）的要求成立，由德国国家气象局（DeutscherWetterdienst）运营。提供基于全球约86100个雨量计、站点构建的降水数据集，主要是通过世界气象组织（WMO）和全球电信系统（GlobalTelecommunicationSystem，GTS）提供的台站数据库（SYNOP与CLIMAT）所产生。其任务为基于观测降雨数据对全球地表日和月降水进行分析，是世界上最大的降水数据库。GPCC的所有产品均为基于观测的全球陆地表面网格降水数据集，
模拟退火算法（SimulatedAnnealing，SA）是一种全局优化算法，其基本思想是通过一定的概率接受劣解，以避免陷入局部最优解。它模拟了物质固体退火时的过程，即将物质加热至高温状态，然后缓慢冷却，使其达到稳定状态。在优化问题中，这个过程被用来搜索全局最优解。Matlab是一种功能强大的数学软件，它提供了许多优化算法的实现。在本文中，我们将介绍如何使用Matlab实现模拟退火算法。文章目录1.算法步骤2.代码实现3.示例4.总结5.完整仿真源码下载1.算法步骤模拟退火算法的基本步骤如下：（1）初始化参数。包括初始温度、降温速率、终止温度和初始解等。（2）产生新解。在当前解的邻域内产生一个
本文实现ReLU,LeakyReLU，ExpotentialLinearunit，Sigmoid，tanh激活函数的实现和可视化。clearall;closeall;clc%%sigmoidfunctionx=linspace(-10.0,10.0);y=1./(1.0+exp(-1.0*x));figure(1)plot(x,y,'k','LineWidth',1)xlabel('x')ylabel('y')legend('sigmoidfunction','Location','best')legendboxofftitle('sigmoid')exportgraphics(gcf,'si
这里写目录标题线性代数1矩阵代数运算1.1矩阵加法运算1.2矩阵减法运算1.3矩阵乘法运算1.4矩阵点乘运算1.5矩阵除法运算1.6矩阵点除运算1.7矩阵乘方运算1.8矩阵点乘方运算线性代数1矩阵代数运算1.1矩阵加法运算（1）矩阵的加法运算就是对应元素之间的相加。例如：已知a=[123]、b=[456],求a+b。a=[123];b=[456];c=a+b运行结果：（2）如果矩阵与一常数（标量）相加，则把该常数看成是同阶的矩阵。例如：已知a=[123]，求a+5。a=[123];c=a+5运行结果：练习：（1）a=[361]，b=[203]，求：a+b；答案：（2）a=[361]，求：a+2
这里写目录标题线性代数1矩阵代数运算1.1矩阵加法运算1.2矩阵减法运算1.3矩阵乘法运算1.4矩阵点乘运算1.5矩阵除法运算1.6矩阵点除运算1.7矩阵乘方运算1.8矩阵点乘方运算线性代数1矩阵代数运算1.1矩阵加法运算（1）矩阵的加法运算就是对应元素之间的相加。例如：已知a=[123]、b=[456],求a+b。a=[123];b=[456];c=a+b运行结果：（2）如果矩阵与一常数（标量）相加，则把该常数看成是同阶的矩阵。例如：已知a=[123]，求a+5。a=[123];c=a+5运行结果：练习：（1）a=[361]，b=[203]，求：a+b；答案：（2）a=[361]，求：a+2
原理部分 LSTM在1997年被提出，从发表时间上来看已经是个"老"方法了。和其他的神经网络一样，LSTM可用于分类、回归以及时间序列预测等。原理部分的介绍可参考这篇博客。本文主要涉及利用matlab实现LSTM。代码部分 任务：以青霉素发酵过程仿真数据为例，利用LSTM建模预测质量变量。 青霉素发酵过程仿真过程简介：共有18个过程变量，其中15个可测变量，剩余3个一般作为质量变量。共生成30个批次数据，每批次运行时长为400小时，采样时间为1小时，其中25批次用于训练，5批次用于测试。 本文所用数据下载，基于matlab深度学习工具箱实现青霉素浓度的预测。数据标准化XTrain_mu
