%直流电动机机械特性分析%将该函数定义为dc_mo_mec(dc_motor_mech)%--------------------------------------------------------------------------%下面输入电机基本数据：U=220;Ra=0.17;p=2;N=398;a=1;psi=0.0103;Cpsi=0.0013;%下面输入电磁转矩的变化范围：Te=0:.01:5;%-------------------------------------------------------------------------%计算并励电动机机械特性：Ce=p*N/60/a;Cm=p*N/2/pi/a;n=U/Ce/psi-Ra*Te/Ce/Cm/psi^2;subplot(2,1,1)plot(Te,n,'k')holdonxlabel('Te')ylabel('n')%-------------------------------------------------------------------------%计算串励电动机机械特性C1=1/Ce*(Cm/Cpsi)^.5;C2=1/Ce/Cpsi;n=C1*U*(Te+.001).^(-.5)-C2*Ra;subplot(2,1,2)plot(Te,n,'b')holdonaxis([0,5,0,60000])xlabel('Te')ylabel('n')%-------------------------------------------------------------------------

%用遗传算法进行简单函数的优化clearbn=22;%个体串长度inn=50;%初始种群大小gnmax=200;%最大代数pc=0.75;%交叉概率pm=0.05;%变异概率%产生初始种群s=round(rand(inn,bn));%计算适应度,返回适应度f和累积概率p[f,p]=objf(s);gn=1;whilegn＜gnmax+1forj=1:2:inn%选择操作seln=sel(s,p);%交叉操作scro=cro(s,seln,pc);scnew(j,:)=scro(1,:);scnew(j+1,:)=scro(2,:);%变异操作smnew(j,:)=mut(scnew(j,:),pm);smnew(j+1,:)=mut(scnew(j+1,:),pm);ends=smnew;%产生了新的种群%计算新种群的适应度[f,p]=objf(s);%记录当前代最好和平均的适应度[fmax,nmax]=max(f);fmean=mean(f);ymax(gn)=fmax;ymean(gn)=fmean;%记录当前代的最佳个体x=n2to10(s(nmax,:));xx=-1.0+x*3/(power(2,bn)-1);xmax(gn)=xx;gn=gn+1endgn=gn-1;%绘制曲线subplot(2,1,1);plot(1:gn,[ymax;ymean]);title('历代适应度变化','fonts',10);legend('最大适应度','平均适应度');string1=['最终适应度',num2str(ymax(gn))];gtext(string1);subplot(2,1,2);plot(1:gn,xmax,'r-');legend('自变量');string2=['最终自变量',num2str(xmax(gn))];gtext(string2);

不怎么实用，希望各位批评指导，相互学习clearall,closeall,TestDatabasePath=uigetdir('E:\我的大学','Selecttestdatabasepath');%自己设置地址prompt={'Entertestimagename:'};dlg_title='fingerRecognitionSystem';num_lines=1;def={'1'};TestImage=inputdlg(prompt,dlg_title,num_lines,def);TestImage=strcat(TestDatabasePath,'\',char(TestImage),'.bmp');im=imread(TestImage);ticI=imresize(im,[200200]);figure(1),subplot(131),imshow(I),title('原图');set(gcf,'position',[11600600]);level=graythresh(I);J=im2bw(I,level);figure(1),subplot(132),imshow(J),title('二值图');

%线性调频信号的实部和虚部及时域脉压输出clearall;clc;T=16e-6;B=5e6;K=B/T;fs=6*B;Ts=1/fs;N=T/Ts;t=-T/2:T/(N-1):T/2;s=exp(j*pi*K*t.^2);y=conv(s,conj(s));len=length(y);t1=-T/2:T/(len-1):T/2;figure;plot(t,real(s));gridon;axis([-1.2e-51.2e-5-11]);xlabel('时间(s)');ylabel('幅度');title('LFM信号的I路');figure;plot(t,imag(s));gridon;axis([-1.2e-51.2e-5-11]);xlabel('时间(s)');ylabel('幅度');title('LFM信号的Q路');figure;plot(t1,20*log10(abs(y)/max(abs(y))));gridon;axis([-1.2e-51.2e-5-900]);xlabel('时间(s)');ylabel('幅度(dB)');title('时域脉压后的波形(未加权)');subplot(311);plot(t,real(s));gridon;xlabel('time(s)');ylabel('amplitude(dB)');title('realpartofLFM:T=16us,B=4MHz');axis([-T/2T/2-11]);subplot(312);plot(t,imag(s));gridon;xlabel('time(s)');ylabel('amplitude(dB)');title('imagepartofLFM:T=16us,B=4MHz');axis([-T/2T/2-11]);subplot(313);plot(t1,20*log10(abs(y)/max(abs(y))));gridon;axis([-1.2e-51.2e-5-900]);xlabel('时间(s)');ylabel('幅度(dB)');title('时域脉压后的波形(未加权)');

分享一下以前写的子波提取的例子。
打开*.dat文件可以获取到数据%%%testExtrectWaveletclear;mat=loadMat;temp_max=max(mat(:));%subplot(2,1,1);imshow(mat,[]);[row,col]=size(mat);value_max=zeros(1,col);%最大值value_fft_max=zeros(1,col);%频域变换后的最大值

I_rgb=imread('lena.jpg');%subplot(2,2,1),imshow(I_rgb),title('lena-rgb')I_gray=rgb2gray(I_rgb);%subplot(2,2,2),imshow(I_gray),title('lena-gray')I=imresize(I_gray,0.25);%subplot(2,2,3),imshow(I),title('lena-qtr')fid=fopen('./lena.txt','wt');

dbplot：简化数据库以及Sparklyr数据的绘制

从matlab数据图像文件.fig中导出曲线，图像数据：图像文件可以包含多个子图(subplot，subfigure)；
输出为图像文件名称，输出分为两级，第一级为子图，第二级为子图中的曲线数据。

加反响[x,fs]=wavread('themass.wav');N=10000;x1=[x;zeros(N,1)];x2=0.5*[zeros(N,1);x];y=x1+x2;subplot(3,1,1);plot(y);title('含反响信号波形');y1=fft(y);subplot(3,1,2);

加反响[x,fs]=wavread('themass.wav');N=10000;x1=[x;zeros(N,1)];x2=0.5*[zeros(N,1);x];y=x1+x2;subplot(3,1,1);plot(y);title('含反响信号波形');y1=fft(y);subplot(3,1,2);

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。