用MATLAB生成达到出版质量的图形-export_fig.zip本帖最后由stellari于2013-5-2816:03编辑MATLAB的绘图功能非常强大，但是有两个突出的问题：1、导出的图片质量不高；
2、有时导出图片和figure中实际所见并不一致。
所以导致大家正式发表专业文章时不经常用MATLAB作为首选的绘图软件。
其实，只要解决了上面的两个问题，MATLAB也是可以生成能够达到出版水平的图形的。
简介export_fig（见附件）就是一个能够解决上述问题的工具包。
首先，问题1的主要原因是MATLAB的默认绘图渲染器较为原始，所以画出的线条都有很明显的锯齿。
而用export_fig导出的图片，所有的线条和文字都是经过抗锯齿处理的，所以视觉效果极佳；
至于问题2，export_fig会严格按照figure上显示的内容去导出，是真正意义上的所见即所得。
而且用export_fig导出的图片不会有MATLAB默认导出时那么大的白边，而是保证白边的范围仅能容纳坐标轴和title,xlabel,ylabel，这样使得图片的尺寸减小，排版更方便。
下两图选得虽然不是很有代表性，但是依然可以看出export_fig截出的图中白边大量减少，并且有非常先进的抗锯齿处理（比如，上图的红线在1-2范围内有很明显的锯齿，下图则几乎没有。
坐标轴上的数字也是如此）。
背景中的网格也由虚线变成了“淡实线”，更符合现代制图的审美观。
figure中直接选择save的结果：test1_1.pngfigure中选择save的保存结果export_fig的结果：test2_2.pngexport_fig的保存结果使用方法export_fig的使用方法很简单，解压附件中的文件，然后将得到的所有文件放入某目录中，再将该目录添加至MATLAB的搜索路径中。
导出图片时，输入export文件名即可将当前figure中的图输出至文件中。
export_fig能够自动识别文件名的扩展名，并保存成相应的格式。
注意如果需要导出pdf或eps格式的话，需要下载并安装ghostscript，具体可以参见export_fig的发布页http://www.mathworks.com/matlabc...nge/23629-exportfig题外话其实不要小看MATLAB。
MATLAB其实隐藏了一个非常强大的绘图模式：HG2。
这个模式平时是隐藏的，只能在MATLAB启动时通过附加参数的形式开启，即可以将MATLAB的快捷方式中的指向目标由"...\...\MATLAB\R2013a\bin\MATLAB.exe"改为"...\...\MATLAB\R2013a\bin\MATLAB.exe"-hgVersion2（注意hgVersion和2之间有一个空格）然后使用这个快捷方式打开MATLAB。
在界面上没有任何区别，但是当你画出图之后，你会发现一切都不同了。
（下二图转载自undocumentedmatlab.com，左图为普通模式，右图为HG2模式）HG1_plot.png普通（HG1）模式（无责任转载自undocumentedmatlab.com）HG2_plot.pngHG2模式（无责任转载自undocumentedmatlab.com）版本在2010以上，感兴趣的同学不妨一试（版本更早其实也可以尝试）。
当然目前HG2模式尚不稳定，所以并没有向一般用户公开。
不过这很可能是下一代MATLAB的发展方向，说不定R2014a的默认绘图模式就是HG2！总结目前公认最好的图片导出方案还是export_fig。
这个工具包在MATLABCentral上一直下载量排行第一。
这个工具包可以完全替代MATLAB自己的图片导出功能，强烈推荐大家使用。
我本人现在正在写的一篇文章就全部使用export_fig，而没有使用其他任何的绘图软件。
HG2模式应该是MATLAB的未来发展方向，大家可以先尝个鲜。
很有可能在不久的将来就能够在MATLAB中直接生成这种高质量的图像了。

用C语言实现了高斯白噪声数据的产生Routinemrandom:Togeneratetherandomnumber(pseudo-whitenoise).inputParameters:n:therandomdatanumberrequested;integer.iseed:theseedforpseudo-randomdatageneration.itmustbeinitializedbymainprogram(suggestedvalueisISEED=12357),andtherandomnumberiscycled,thecyclelength=1,048,576itype:randomdatadistributiontype,seebelow:itype=1:Uniformdistributed,from0.0to1.0itype=2:Uniformdistributed,Mean=0.0,Variance(方差)(Power)p=1.0itype=3:Uniformdistributed,Mean=0.0,Variance(Power)p=p.itype=4:Gaussiandistributed,Mean=0.0,Variance(Power)p=1.0itype=5:Gaussiandistributed,Mean=0.0,Variance(Power)p=p.p:variance(Power)ofrandom,onlyusedwhenitype=3oritype=5.outparameters:u:ndimensionedrealarray,dataisstoredinu(0)tou(n-1).inChapter1

白砂堤津耶编著的《通过例题学习计量经济学（第2版）》是计量经济学入门教材，主要特点是：,（1）基础性。
详细罗列了统计学、高等数学、经济学等各方面的必备公式和概念，不需具备高深的数学功底就可以读懂本书。
,（2）系统性。
内容安排遵循由易到难、由浅入深、由理论到实际的原则，并囊括了广义计量经济学的大部分重要内容。
,（3）应用性。
《通过例题学习计量经济学（第2版）》中包含大量例题和练习题（附详细解答），难度不大却很实际，并且许多实例取材于中国。

主要是针对答题开发以及接口封装，uniapp接口封装框架、以及答题模板（详情看本人文章标题为：uniapp答题考试框架总结）喜欢的话可以给个关注给个赞作者开发不易给个关注给个赞吧我会继续努力分享资源的。
我也只是一个小白大神勿喷

试建立一个2DPSK频带传输模型，产生一段随机的二进制非归零码的基带信号，对其进行2DPSK调制后再送入加性高斯白噪声（AWGN）信道传输，在接收端对其进行2DPSK解调以恢复原信号，观察还原是否成功，改变AWGN信道的信噪比，计算传输前后的误码率，绘制信噪比-误码率曲线，并与理论曲线比较进行说明。
另外，对发送信号和接收信号的功率谱进行估计。

在Eb/N0（5db~30db，间隔5db）下的加性高斯白噪声，并且假设信道（AWGN信道、瑞利信道）引入了30度的相位误差，采用QPSK调制信号作为导频信号，试仿真不同情况下的平均相位估计与采样点间曲线。
改变里面参数，并分析其对相位估计的影响。
详见我的博客：高斯信道下信号相位估计

1．设有随机初相信号X(t)=5cos(t+φ),其中相位φ是在区间（0,2π）上均匀分布的随机变量。
试用Matlab编程产生其三个样本函数。
2．假设平稳白噪声X(t)通过如图所示的线性系统，试求互相关函数，并画出其图形。
3．利用matlab程序设计一正弦型信号加高斯白噪声的复合信号。
(1)分析复合信号的功率谱密度、幅度分布特性；
(2)分析复合信号通过RC积分电路后的功率谱密度和相应的幅度分布特性；
(3)分析复合信号通过理想低通系统后的功率谱密度和相应的幅度分布特性。
4．利用matlab程序分别设计一正弦型信号，高斯白噪声信号。
(1)分别分析正弦信号、高斯噪声信号以及两者复合信号的功率谱密度、幅度分布特性；
(2)分别求（1）中的三种信号的Hilbert变换，并比较功率谱和幅度分布的变化。
(3)分别求（1）中的三种信号对应的复信号，并比较功率谱和幅度分布的变化。
(4)分析、观察（2）中的三种信号与其相应Hilbert变换信号之间的正交性。
5．利用matlab程序设计和实现图3.5.2所示的视频信号积累的检测系统，并对系统中每个模块的输入输出信号进行频域、时域分析，并分析相应信号的统计特性。
6．利用Matlab程序分别设计正弦信号、高斯白噪声信号，分析正弦信号、高斯白噪声信号以及这两者的复合信号分别通过以下四种非线性器件前后的功率谱和幅度分布变化：(1)全波平方律器件(2)半波线性律器件(3)单向理想限幅器件(4)平滑限幅器件

uni-app是一个使用Vue.js开发跨平台应用的前端框架，开发者编写一套代码，可编译到iOS、Android、微信小程序等多个平台。
该资源有自己独到的见解，适合小白使用，有vue或小程序开发经验者更容易上手。

网上似乎找不到,易语言源码根据网上HI白度改编,你值得拥有

小白总结的Transformer

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。