分步傅里叶方法求解非线性薛定谔方程的matlab代码，可以很精准的仿真光脉冲在光纤信道中的传输

CMOS射频集成电路设计；
CMOS射频集成电路设计（复旦）；
射频电路与天线；
电子线路板制作.pdf；
非线性微波和射频电路(第2版).pdf；
射频和无线技术入门(第二版).pdf；
射频矢量网络分析仪(清华).pdf；
实用射频技术.pdf

天津大学非线性常微分方程第三次作业附带程序代码，具体作业见博客（代码为maple）

当今世界科技日新月异，在神州探月，蛟龙探海妇孺皆知的今天，当一个个曾经遥不可及的梦想在我们身边悄悄演变成现实，人工智能亦早已应运而生，为人类创造了巨大的经济和社会效益。
其中，图像处理技术是该系统的一个重要组成部分，对机器视觉等具有十分重要的意义。
因此，本文以数字图像为载体，研究基于形态学的图像分割技术，并进行物体个数计算应用和车道线检测的应用。
对图像中物体个数的计算以及车道线检测应用，不仅需要对采集到的图像进行预处理，而且要针对特定的目的进行具体的应用程序开发。
为了提高程序的运行效率，使检测结果更具实时性和鲁棒性，本课题在Windows操作系统上借助VisualStudio以及MATLAB进行数字图像处理的处理和相关的理论知识研究，大大提高了工作效率。
首先介绍了相关的实验平台，然后研究数字图像处理的核心方法，包括图像的获取、颜色空间变换、线性和非线性变换以及边缘检测等，同时进行算法实验说明；
最后研究了基于形态学变换的分割技术，并应用到实际的物体个数计算以及车道线检测上。

一、引言自适应噪声抵消技术是一种能够很好的消除背景噪声影响的信号处理技术，应用自适应噪声抵消技术，可在未知外界干扰源特征，传递途径不断变化，背景噪声和被测对象声波相似的情况下，能够有效地消除外界声源的干扰获得高信噪比的对象信号。
从理论上讲，自适应干扰抵消器是基于自适应滤波原理的一种扩展，简单的说，把自适应滤波器的期望信号输入端改为信号加噪声干扰的原始输入端，而它的输入端改为噪声干扰端，由横向滤波器的参数调节输出以将原始输入中的噪声干扰抵消掉，这时误差输出就是有用信号了。
在数字信号采集、处理中，线性滤波是最常用的消除噪声的方法。
线性滤波容易分析，使用均方差最小准则的线性滤波器能找到闭合解，若噪声干扰类型为高斯噪声时，可达到最佳的线性滤波效果。
计算机论文www.lunwendingzhi.com；
机械毕业论文www.lunwenwanjia.com在实际的数字信号采集中，叠加于信号的噪声干扰往往不是单一的高斯噪声，而线性滤波器所要求的中等程度噪声偏移，使线性滤波器对非高斯噪声的滤波性能下降，为克服线性滤波器的缺点，往往采用非线性滤波器，所以本文采用神经网络对信号进行滤波处理。
二、基于BP算法和遗传算法相结合的自适应噪声抵消器在本文中，作者主要基于自适应噪声对消的原理对自适应算法进行研究，提出了一种新的算法，即BP算法和遗传算法相结合的自适应算法。
作者对BP网络的结构及算法作了一个系统的综述，分析了BP算法存在的主要缺陷及其产生的原因。
传统的BP网络既然是一个非线性优化问题，这就不可避免地存在局部极小问题，网络的极值通过沿局部改善的方向一小步进行修正，力图达到使误差函数最小化的全局解，但实际上常得到的使局部最优点。
管理毕业论文网www.yifanglunwen.com；
音乐毕业论文www.xyclww.com；
英语毕业论文www.lanrenbanjia.com；
学习过程中，下降慢，学习速度缓，易出现一个长时间的误差平坦区，即出现平台。
通过对遗传算法文献的分析、概括和总结，发现遗传算法与其它的搜索方法相比，遗传算法（GA）的优点在于：不需要目标函数的微分值；
并行搜索，搜索效率高；
搜索遍及整个搜索空间，容易得到全局最优解。
所以用GA优化BP神经网络，可使神经网络具有进化、自适应的能力。
BP-GA混合算法的方法出发点为：经济论文www.youzhiessay.com教育论文www.hudonglunwen.com；
医学论文网www.kuailelunwen.com；
（1）利用BP神经网络映射设计变量和目标函数、约束之间的关系；
（2）用遗传算法作实现优化搜索；
（3）遗传算法中适应度的计算采用神经网络计算来实现。
BP-GA混合算法的设计步骤如下：（1）分析问题，提出目标函数、设计变量和约束条件；
（2）设定适当的训练样本集，计算训练样本集；
（3）训练神经网络；
（4）采用遗传算法进行结构寻优；
（5）利用训练好的神经网络检验遗传算法优化结果。
若满足要求，计算结束；
若误差不满足要求，将检验解加入到训练样本集中，重复执行3～5步直到满足要求。
通过用短时傅立叶信号和余弦信号进行噪声对消性能测试，在单一的BP算法中，网络的训练次数、学习速度、网络层数以及每层神经元的节点数都是影响BP网络的重要参数，通过仿真实验可以发现，适当的训练次数可以使误差达到极小值，但是训练次数过多，训练时间太长，甚至容易陷入死循环，或者学习精度不高。
学习速度不能选择的太大，否则会出现算法不收敛，也不能选择太小，会使训练过程时间太长，一般选择为0.01～0.1之间的值，再根据训练过程中梯度变化和均方误差变化值确定。
基于梯度下降原理的BP算法，在解空间仅进行单点搜索,极易收敛于局部极小，而GA的众多个体同时搜索解空间的许多点，因而可以有效的防止搜索过程收敛于局部极小，只有算法的参数及遗传算子的操作选择得当，算法具有极大的把握收敛于全局最优解。
使用遗传算法需要决定的运行参数中种群大小表示种群中所含个体的数量，种群较小时，可提高遗传算法的运算速度，但却降低了群体的多样性，可能找不出最优解；
种群较大时，又会增加计算量，使遗传算法的运行效率降低。
一般取种群数目为20～100；
交叉率控制着交叉操作的频率，由于交叉操作是遗传算法中产生新个体的主要方法，所以交叉率通常应取较大值，但若过大的话，又可能破坏群体的优良模式，一般取0.4～0.99；
变异率也是影响新个体产生的一个因素，变异率小，产生个体少，变异率太大，又会使遗传算法变成随机搜索，一般取变异率为0.0001～0.1。
由仿真结果得知，GA与BP算法的混合算法不论是在运行速度还是在运算精度上都较单纯的BP算法有提高，去噪效果更加明显，在信噪比的改善程度上，混合算法的信噪

本程序仿真了现在常用的几种雷达信号，包括线性，和非线性调频的几种，对做雷达的很有帮助。
chirp，而像编码，思想编码，还有一些混合编码

论了非高斯alpha稳定分布噪声环境中的自适应滤波及其近十几年来的研究进展。
以alpha稳定分布的线性理论和参数的最大似然估计理论为基础，发展形成了线性滤波和非线性滤波两大类算法。
相对于高斯环境下的滤波，新滤波算法在脉冲噪声中的韧性得到显著提高。
最后分别给出了两类算法在谐波恢复中的应用实例。

从理论上推导了色散渐减同时非线性渐增原理可以压缩脉冲的结论,并利用对称分步傅里叶方法研究了在不同色散渐减与非线性渐增比值下所得压缩脉冲的压缩比与基座性能,数值结果表明,非线性渐增原理最有利于脉冲压缩,而已有的基于色散渐减原理压缩脉冲的方法是压缩比最低的情况。
通过和色散减渐方法压缩脉冲相比,表明利用非线性渐增方法可以在获得几乎相同的压缩比与更小的基座能量的同时将所需光纤长度缩短为原来的一半。

对复杂、病态、非线性动态系统进行故障预报的重点和难点是建立系统故障状况的数学模型,通常难以建立精确的数学模型,相比之下构建其模糊模型是一个有效途径.本文研究了相关向量机(Relevancevectormachine,RVM)与模糊推理系统(Fuzzyinferencesystem,FIS)之间的内在联系,证明了基于RVM的FIS具有一致逼近性,并提出了一种基于RVM和梯度下降(Gradientdescent,GD)算法的模糊模型辨识方法.基于所给出的模糊模型辨识方法提出了一种新的故障预报算法.仿真结果表明所建立的模糊模型不仅结构更加简单,而且能达到更高的预测精度,所提出的故障预报算法能准确地预报系统故障.

高等光学,matlab源程序，全面，自适应光学、非线性光学、激光光学、固体激光器件

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。