目录1概述 2BP神经网络学习模板3Matlab神经网络工具箱1概述上节知识复习：【数学建模】随机森林预测（Python代码实现）里面的算例本次我们会用到。用神经网络的思想，使用某个方法计算出权重，带入神经网络进行预测，会比回归思想效果更好。这里我推荐使用BP神经网络。为什么选择BP神经网络呢？因为它的非线性映射能力很强！比起直接使用回归有着很大的好处，因此我们也把线性回归这种算法叫做低级算法（我说的）。还是书面的总结下BP的几个好处：非线性映射能力强自学习和自适应能力强泛化能力更好容错能力也还可以的 2BP神经网络学习模板使用BP神经网络拟合多输入多输出曲线3Matlab神经网络工具箱除了B
描述Ubuntu20.04安装matlab2015b的过程过程有的时候真的不能太纠结，在2022年的下半年装2022b，真的会踩坑。2022年大概10月还是11月份左右，我在Ubuntu20.04系统上想看看一些数据表现，就安装了matlab2022b。安装是成功了，但是只要一打开.m文件就会崩溃。由于要看的matlab代码是个大工程，我只好卸掉了2022b重新安装了2015b，成功了在这一过程中也碰上了些问题，解决的参考链接放在下面：总的安装过程参考了这篇文章：https://blog.csdn.net/qq_27009517/article/details/81140930出现了一个小问题
描述Ubuntu20.04安装matlab2015b的过程过程有的时候真的不能太纠结，在2022年的下半年装2022b，真的会踩坑。2022年大概10月还是11月份左右，我在Ubuntu20.04系统上想看看一些数据表现，就安装了matlab2022b。安装是成功了，但是只要一打开.m文件就会崩溃。由于要看的matlab代码是个大工程，我只好卸掉了2022b重新安装了2015b，成功了在这一过程中也碰上了些问题，解决的参考链接放在下面：总的安装过程参考了这篇文章：https://blog.csdn.net/qq_27009517/article/details/81140930出现了一个小问题
合成孔径雷达发射信号以线性调频信号（LFM）为基础，目前大部分合成孔径雷达都是LFM体制，为了减轻雷达重量也采用线性调频连续波（FMCW）体制；为了获得大带宽亦采用线性调频步进频（FMSF）体制。（1）LFM信号LFM的主要特点在于可以使载波的瞬时频率随调制信号的变化而变化，当其频率线性增加时，称为正调频；当其频率线性减少时，称为负调频。LFM信号的幅度频谱存在部分起伏现象，这是由菲涅尔积分造成的；信号的频谱并不完全限制在-B/2~B/2之内，随着时宽带宽积的增大，信号的幅频特性越接近矩形，顶部起伏也会减小。LFM解决了探测距离和分辨率之间的矛盾，在雷达和制导武器上得到广泛应用。LFM的时域表
合成孔径雷达发射信号以线性调频信号（LFM）为基础，目前大部分合成孔径雷达都是LFM体制，为了减轻雷达重量也采用线性调频连续波（FMCW）体制；为了获得大带宽亦采用线性调频步进频（FMSF）体制。（1）LFM信号LFM的主要特点在于可以使载波的瞬时频率随调制信号的变化而变化，当其频率线性增加时，称为正调频；当其频率线性减少时，称为负调频。LFM信号的幅度频谱存在部分起伏现象，这是由菲涅尔积分造成的；信号的频谱并不完全限制在-B/2~B/2之内，随着时宽带宽积的增大，信号的幅频特性越接近矩形，顶部起伏也会减小。LFM解决了探测距离和分辨率之间的矛盾，在雷达和制导武器上得到广泛应用。LFM的时域表
网上有很多关于matlab相机标定的资料，但找了很久没有相应的参数说明：怎样利用获得参数从世界坐标系变换到图像坐标系，所以这里为了记录一下，也方便新人理解。首先由图像到参数的获取部分在网上有很多资料，也很容易，在这就不再赘述，我利用的标定板的格子大小为0.3mm×0.3mm，其示意图如下：得到的相机参数如下：这里关注的几个参数如划线所示，分别为：世界坐标（0.3mm），平移矩阵，相机内参，图像坐标，旋转矩阵。其中相机内参只有一个，平移矩阵和旋转矩阵针对每幅图像各有一个。由坐标变换原理可得（参考网址：https://zhuanlan.zhihu.com/p/94244568）这里将文章中感光板的
本文章内容只作为个人学习总结使用。目录说明：基本的FFT使用方法： 1、简单的FFT功能介绍： 2、恢复幅度轴，创建频率轴：说明： 本文章主要进行MATLAB中fft函数基本使用方法的讨论，关于fft的概念以及为什么要进行fft等信号处理方面的内容不做叙述。基本的FFT使用方法： 1、简单的FFT功能介绍： 在这一步我们首先需要构建一个正弦函数f=sin（2*pi*f*t）不难看出本例中的正弦函数的频率为1，其中fs是我们的采样频率，当采样频率为100的时候我们的采样周期1/fs为0.01s也就是每隔0.01s取一个点。clear;
本文章内容只作为个人学习总结使用。目录说明：基本的FFT使用方法： 1、简单的FFT功能介绍： 2、恢复幅度轴，创建频率轴：说明： 本文章主要进行MATLAB中fft函数基本使用方法的讨论，关于fft的概念以及为什么要进行fft等信号处理方面的内容不做叙述。基本的FFT使用方法： 1、简单的FFT功能介绍： 在这一步我们首先需要构建一个正弦函数f=sin（2*pi*f*t）不难看出本例中的正弦函数的频率为1，其中fs是我们的采样频率，当采样频率为100的时候我们的采样周期1/fs为0.01s也就是每隔0.01s取一个点。clear;
应粉丝要求，出一个类似于github热图的日历热力图，大概长这样：依旧工具函数放在文末，如有bug请反馈并去gitee下载更新版。使用教程使用方式有以下几种会慢慢讲到：heatmapDT(Year,T,V)heatmapDT(Year,T,V,MonLim)heatmapDT(ax,Year,T,V)heatmapDT(ax,Year,T,V,MonLim)基础使用随便构造一组数据：%构造一组比较连续但是有波动的数据T=datetime(2022,1,1):datetime(2022,12,31);t=linspace(1,length(T),10);tV=rand(size(t));V=in
应粉丝要求，出一个类似于github热图的日历热力图，大概长这样：依旧工具函数放在文末，如有bug请反馈并去gitee下载更新版。使用教程使用方式有以下几种会慢慢讲到：heatmapDT(Year,T,V)heatmapDT(Year,T,V,MonLim)heatmapDT(ax,Year,T,V)heatmapDT(ax,Year,T,V,MonLim)基础使用随便构造一组数据：%构造一组比较连续但是有波动的数据T=datetime(2022,1,1):datetime(2022,12,31);t=linspace(1,length(T),10);tV=rand(size(t));V=in
