基于matlab实现杂波信号慢、快门限恒虚警处理.zip资源-CSDN文库

共2个文件

png：1个

m：1个

版权申诉

182 浏览量 2023-08-05 08:31:02 上传评论收藏 7KB ZIP 举报

1.版本：matlab2014/2019a/2021a，内含运行结果，不会运行可私信 2.领域：智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，更多内容可点击博主头像 3.内容：标题所示，对于介绍可点击主页搜索博客 4.适合人群：本科，硕士等教研学习使用 5.博客介绍：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可si信 %% 开发者：Matlab科研助手 %% 更多咨询关注天天Matlab微信公众号 ### 团队长期从事下列领域算法的研究和改进： ### 1 智能优化算法及应用 **1.1 改进智能优化算法方面（单目标和多目标）** **1.2 生产调度方面** 1.2.1 装配线调度研究 1.2.2 车间调度研究 1.2.3 生产线平衡研究 1.2.4 水库梯度调度研究 **1.3 路径规划方面** 1.3.1 旅行商问题研究（TSP、TSPTW） 1.3.2 各类车辆路径规划问题研究（vrp、VRPTW、CVRP） 1.3.3 机器人路径规划问题研究 1.3.4 无人机三维路径规划问题研究 1.3.5 多式联运问题研究 1.3.6 无人机结合车辆路径配送 **1.4 三维装箱求解** **1.5 物流选址研究** 1.5.1 背包问题 1.5.2 物流选址 1.5.4 货位优化 ##### 1.6 电力系统优化研究 1.6.1 微电网优化 1.6.2 配电网系统优化 1.6.3 配电网重构 1.6.4 有序充电 1.6.5 储能双层优化调度 1.6.6 储能优化配置 ### 2 神经网络回归预测、时序预测、分类清单 **2.1 bp预测和分类** **2.2 lssvm预测和分类** **2.3 svm预测和分类** **2.4 cnn预测和分类** ##### 2.5 ELM预测和分类 ##### 2.6 KELM预测和分类 **2.7 ELMAN预测和分类** ##### 2.8 LSTM预测和分类 **2.9 RBF预测和分类** ##### 2.10 DBN预测和分类 ##### 2.11 FNN预测 ##### 2.12 DELM预测和分类 ##### 2.13 BIlstm预测和分类 ##### 2.14 宽度学习预测和分类 ##### 2.15 模糊小波神经网络预测和分类 ##### 2.16 GRU预测和分类 ### 3 图像处理算法 **3.1 图像识别** 3.1.1 车牌、交通标志识别（新能源、国内外、复杂环境下车牌） 3.1.2 发票、身份证、银行卡识别 3.1.3 人脸类别和表情识别 3.1.4 打靶识别 3.1.5 字符识别（字母、数字、手写体、汉字、验证码） 3.1.6 病灶识别 3.1.7 花朵、药材、水果蔬菜识别 3.1.8 指纹、手势、虹膜识别 3.1.9 路面状态和裂缝识别 3.1.10 行为识别 3.1.11 万用表和表盘识别 3.1.12 人民币识别 3.1.13 答题卡识别 **3.2 图像分割** **3.3 图像检测** 3.3.1 显著性检测 3.3.2 缺陷检测 3.3.3 疲劳检测 3.3.4 病害检测 3.3.5 火灾检测 3.3.6 行人检测 3.3.7 水果分级 **3.4 图像隐藏** **3.5 图像去噪** **3.6 图像融合** **3.7 图像配准** **3.8 图像增强** **3.9 图像压缩** ##### 3.10 图像重建 ### 4 信号处理算法 **4.1 信号识别** **4.2 信号检测** **4.3 信号嵌入和提取** **4.4 信号去噪** ##### 4.5 故障诊断 ##### 4.6 脑电信号 ##### 4.7 心电信号 ##### 4.8 肌电信号 ### 5 元胞自动机仿真 **5.1 模拟交通流** **5.2 模拟人群疏散** **5.3 模拟病毒扩散** **5.4 模拟晶体生长** ### 6 无线传感器网络 ##### 6.1 无线传感器定位（Dv-Hop定位优化、RSSI定位优化） ##### 6.2 无线传感器覆盖优化 ##### 6.3 无线传感器通信及优化（Leach协议优化） ##### 6.4 无人机通信中继优化（组播优化）

资源推荐

资源详情

资源评论

收起资源包目录

基于matlab实现杂波信号慢、快门限恒虚警处理.zip （2个子文件）

基于matlab实现杂波信号慢、快门限恒虚警处理

1.png 6KB

ex9_14.m 2KB

clear all; close all; clc; %%%%%%%%%%%产生瑞利噪声%%%%%%%%%%%%%%%%%%%%%%% sigma=2; t=1e-3; fs=1e6; ts=1/fs; t1=0.05e-3:1/fs:0.2e-3-1/fs; n=length(t1); rand('state',0); u=rand(1,n); rayleigh_noise=sqrt(2*log2(1./u))*sigma; %%%%%%%%%%%%产生目标回波%%%%%%%%%%%%%%%%%%% N=t/ts; N = round(N);%round功能是将科学计数法变为整数形式 s_pc_1=[zeros(1,100),1,zeros(1,N-101)]; noise=rand(1,N); rayleigh_clutter=[zeros(1,50),rayleigh_noise,zeros(1,N-200)]; s_pc=s_pc_1+0.1*rayleigh_clutter+0.1*noise; figure,plot((0:ts:t-ts),s_pc), xlabel('t(单位:s)'),title('叠加了瑞利分布杂波、热噪声的目标回波'); %%%%%%%%%%%%%慢门限恒虚警处理%%%%%%%%%%%%%%%%%%% cfar_result=zeros(1,N); cfar_result(1,1)=s_pc(1,1); for i=2:N cfar_result(i)=s_pc(1,i)/mean(s_pc(1,1:i)); end figure,plot((0:ts:t-ts),cfar_result), xlabel('t(单位:s)'),title('采用慢门限处理结果'); %%%%%%%%%%%%%%%快门限恒虚警处理%%%%%%%%%%%%% cfar_k_result=zeros(1,N); cfar_k_result(1,1)=s_pc(1,1)/(sqrt(2)/pi*mean(s_pc(1,2:17))); %第l点恒虚警处理时噪声均值由其后面的l6点的噪声决定 for i=2:16 %第2点到第16点的恒虚警处理的噪声均但由其前面和后面l6点的噪声共同决定 noise_mean=sqrt(2)/pi*(mean(s_pc(1,1:i-1))+mean(s_pc(1,i+1:i+16)))/2; cfar_k_result(1,i)=s_pc(1,i)/noise_mean; end for i=17:N-17 %正常的数据点的恒虚警处理的噪声均值由其前面和后面各26点的噪声中的决定 noise_mean=sqrt(2)/pi*max(mean(s_pc(1,i-16:i-1)),mean(s_pc(1,i+1:i+16))); cfar_k_result(1,i)=s_pc(1,i)/noise_mean; end for i=N-16:N-1 %例数第l6点到倒数第2点恒虚警处理的噪声均值由其前面16和后面的噪声共同决定 noise_mean=sqrt(2)/pi*(mean(s_pc(1,i-16:i-1))+mean(s_pc(1,i+1:N)))/2; cfar_k_result(1,i)=s_pc(1,i)/noise_mean; end %最后-点的桓虚警处理的噪声均值由其前面l6点的噪声决定 cfar_k_result(1,N)=s_pc(1,N)/(sqrt(2)/pi*mean(s_pc(1,N-16:N-1))); figure,plot(0:ts:t-ts,cfar_k_result),xlabel('t(单位:s)'),title('采用快门限恒虚警处理处理结果');

评论收藏

内容反馈

版权申诉