北斗卫星导航信号串行捕获算法MATLAB仿真报告(附MATLAB 程序)
北斗卫星导航信号串行捕获算法MATLAB仿真报告
一、原理
卫星导航信号的串行捕获算法如图1所示。
×
×
∑∫( )2
本地PRN发生器
∫( )2
本地载波发
生器
GPS中频信号
×
判决检
波
器
≥VT？
Yes 转跟
踪
NO 继续搜索
图1 卫星导航信号的串行捕获算法
接收机始终在本地不停地产生对应某特定卫星的本地伪码，并且接收机知道产生的伪码的相位，这个伪码按一定速率抽样后与接收的GPS中频信号相乘，然后再与同样知晓频率的本地产生的载波相乘。GPS中频信号由接收机的射频前端将接收到的高频信号下边频得到。实际产生对应相位相互正交的两个本地载波，分别称为同相载波和正交载波，信号与本地载波相乘后的信号分别成为，产生同相I支路信号和正交的Q 支路信号。
两支路信号分别经过一个码周期时间的积分后，平方相加。分成两路是因为C/A码调制和P码支路正交的支路上，假设是I支路。当然由于信号传输过程中引入了相位差，解调时的I支路不一定是调制时的I支路，Q支路也一样，二者不一定一一对应，因此为了确定是否检测到接收信号，需要同时对两支路信号进行研究。相关后的积分是为了获取所有相关数据长度的值的相加结果，平方则是为了获得信号的功率。最后将两个支路的功率相加，只有当本地伪码和本地载波的频率相位都与中频信号相同时，最后得到的功率才很大，否则结果近似为零。根据这个结论考虑到噪声的干扰，在实际设计时应该设定一个判定门限，当两路信号功率和大于设定的门限时则判定为捕获成功，转入跟踪过程，
否则继续扫描其它的频率或相位。
二、 MATLAB 仿真过程及结果
仿真条件设置：抽样频率16MHz ，中频5MHz ，采样时间1ms ，频率搜索步进1khz ，相位搜索步进1chip ，信号功率-200dBW ，载噪比55dB
（1） 中频信号产生
卫星导航信号采用数字nco 的方式产生，如图2所示。
载波nco 控制字为：carrier_nco_word=round(f_carrier*2^N/fs); 伪码nco 控制字为：code_nco_word=round(f_code*2^N/fs);
32位Adder
12位载波rom
模2046计数器
伪码rom
32位Adder Divide by 2^20
溢出时输出
脉冲
carrier_nco_word
code_nco_word
fsample
×
×
＋
幅度
加性噪声
图 2
其中载波rom 存储的是正弦信号的2^12个采样点，伪码rom 存储长度为2046的卫星伪码。这样伪码采用2psk 的方式调制到射频，加性噪声很小是理想接收中频信号如图3所示。
-10
图3 理想中频信号
（2）噪声功率估计
实际接收机接收到的导航信号淹没在噪声中，本程序对接收到的信号进行了噪声估计并进行了放大。采用滑动平均估计法估计噪声功率，滑动平均估计法原理如图4所示。
图4 噪声功率滑动平均估计法原理
迭代滤波器因子取0.8.功率估计结果是-191.48dBW 。仿真中将接收中频信号放大到了signal_power_dB=-4.94dBW 。 这个功率与后面的判决门限有关系。
（2） 检测门限的确定
常见的检测方法有幅度检波、平方检波和平方律检波。幅度检波器的输出为
在H0假设下，z(k) 服从瑞利分布，其概率密度函数为:
幅度检波器
N
Q ∑
=i
N n n
i
Q N 1
21迭代低通滤波器
标度因子
比较器
+
-
σ
T
V 比较结果
X
I ps
Q )
()()(22k Q k I k Z +=
2
在H(1)假设下，z(k)服从莱斯分布，其概率密度函数为
式中，
为零阶修正的贝塞尔函数。 平方律检波输出为：
在H0假设下，z(k)服从自由度为 2M 的 伽马分布，其概率密度函数为
在H1假设下，z(k)服从自由度为 2M 的 卡方分布，其概率密度函数为
当 M=1时，平方检波累积器就变成平方律检波器 ，可以计算出当归一化门限为Vt 时其虚警概率为：
其中 采用恒虚警率检测，设虚警率为pfa ，本仿真取0.1 ，采用平方律检波，归一化判决门限为Vt=(-2*log2(pfa))^0.5，实际判决门限为VT=Vt*signal_power （3） 判决算法
常见判决算法有单次判决、M/N 判决、（M/N+1）判决和Tong 判决，采用单次判决,虚警率为pfa=0.1 . 归一化检测门限为Vt=2.5776，
判决门限为VT=0.8248； （5）仿真结果
2210222
000
(/)exp[]() 02k
k k k k
k k Z Z D D Z f Z H I Z σσσ+=-?≥)(0?I ∑=+=
M
i i Q i I k Z 1
22)]
()([)(0
)2exp()
()
2(1
)/(2
1
200≥-
?Γ=
-k k
M k M k Z Z Z M H Z f σσ11/2
211222
000
1()(/)()exp()() 022M k k k k M k Z Z Z f Z H I Z λλσλσσ--+=?-?≥02
20
1
(/)exp[]221exp 2T
T
k
fa k k k V V t Z P f Z H dZ dZ V σσ+∞+∞
==-??=-??
??
?
?
2
t T V V σ=
2. Matlab程序 2.1 一次聚类法 X=[11978 12.5 93.5 31908;…;57500 67.6 238.0 15900]; T=clusterdata(X,0.9) 2.2 分步聚类 Step1 寻找变量之间的相似性 用pdist函数计算相似矩阵，有多种方法可以计算距离，进行计算之前最好先将数据用zscore 函数进行标准化。 X2=zscore(X); %标准化数据 Y2=pdist(X2); %计算距离 Step2 定义变量之间的连接 Z2=linkage(Y2); Step3 评价聚类信息 C2=cophenet(Z2,Y2); //0.94698 Step4 创建聚类，并作出谱系图 T=cluster(Z2,6); H=dendrogram(Z2); Matlab提供了两种方法进行聚类分析。 一种是利用 clusterdata函数对样本数据进行一次聚类，其缺点为可供用户选择的面较窄，不能更改距离的计算方法； 另一种是分步聚类：（1）找到数据集合中变量两两之间的相似性和非相似性，用pdist函数计算变量之间的距离；（2）用 linkage函数定义变量之间的连接；（3）用 cophenetic函数评价聚类信息；（4）用cluster函数创建聚类。 1．Matlab中相关函数介绍 1.1 pdist函数 调用格式：Y=pdist(X,’metric’) 说明：用‘metric’指定的方法计算 X 数据矩阵中对象之间的距离。’ X：一个m×n的矩阵，它是由m个对象组成的数据集，每个对象的大小为n。 metric’取值如下： ‘euclidean’：欧氏距离（默认）；‘seuclidean’：标准化欧氏距离； ‘mahalanobis’：马氏距离；‘cityblock’：布洛克距离； ‘minkowski’：明可夫斯基距离；‘cosine’： ‘correlation’：‘hamming’： ‘jaccard’：‘chebychev’：Chebychev距离。 1.2 squareform函数 调用格式：Z=squareform(Y,..) 说明：强制将距离矩阵从上三角形式转化为方阵形式，或从方阵形式转化为上三角形式。 1.3 linkage函数 调用格式：Z=linkage(Y,’method’) 说明：用‘method’参数指定的算法计算系统聚类树。 Y：pdist函数返回的距离向量；
电子科技大学电子工程学院标准实验报告（实验）课程名称MATLAB与数值分析 学生姓名：李培睿 学号：2013020904026 指导教师：程建
一、实验名称 《MATLAB与数值分析》第一次上机实验 二、实验目的 1. 熟练掌握矩阵的生成、加、减、乘、除、转置、行列式、逆、范数等运算 操作。（用.m文件和Matlab函数编写一个对给定矩阵进行运算操作的程序） 2. 熟练掌握算术符号操作和基本运算操作，包括矩阵合并、向量合并、符号 转换、展开符号表达式、符号因式分解、符号表达式的化简、代数方程的符号解析解、特征多项式、函数的反函数、函数计算器、微积分、常微分方程的符号解、符号函数的画图等。（用.m文件编写进行符号因式分解和函数求反的程序） 3. 掌握Matlab函数的编写规范。 4、掌握Matlab常用的绘图处理操作，包括：基本平面图、图形注释命令、 三维曲线和面的填充、三维等高线等。（用.m文件编写在一个图形窗口上绘制正弦和余弦函数的图形，并给出充分的图形注释） 5. 熟练操作MATLAB软件平台，能利用M文件完成MATLAB的程序设计。 三、实验内容 1. 编程实现以下数列的图像，用户能输入不同的初始值以及系数。并以x， y为坐标显示图像 x(n+1) = a*x(n)-b*(y(n)-x(n)^2); y(n+1) = b*x(n)+a*(y(n)-x(n)^2) 2. 编程实现奥运5环图，允许用户输入环的直径。 3. 实现对输入任意长度向量元素的冒泡排序的升序排列。不允许使用sort 函数。 四、实验数据及结果分析 题目一： ①在Editor窗口编写函数代码如下：
实验一MATLAB操作基础 实验目的和要求： 1、熟悉MATLAB的操作环境及基本操作方法。 2、掌握MATLAB的搜索路径及设置方法。 3、熟悉MATLAB帮助信息的查阅方法 实验内容： 1、建立自己的工作目录，再设置自己的工作目录设置到MA TLAB搜索路径下，再试 验用help命令能否查询到自己的工作目录。 2、在MA TLAB的操作环境下验证课本；例1-1至例1-4，总结MATLAB的特点。 例1-1
例1-2 例1-3 例1-4
3、利用帮助功能查询inv、plot、max、round等函数的功能。 4、完成下列操作： （1）在matlab命令窗口输入以下命令： x=0:pi/10:2*pi; y=sin(x); （2）在工作空间窗口选择变量y，再在工作空间窗口选择回绘图菜单命令或在工具栏中单击绘图命令按钮，绘制变量y的图形，并分析图形的含义。
5、访问mathworks公司的主页，查询有关MATLAB的产品信息。 主要教学环节的组织： 教师讲授实验目的、开发环境界面、演示实验过程，然后同学上机练习。 思考题： 1、如何启动与退出MA TLAB集成环境？ 启动： （1）在windows桌面，单击任务栏上的开始按钮，选择‘所有程序’菜单项，然后选择MA TLAB程序组中的MA TLABR2008b程序选项，即可启动 MATLAB系统。 （2）在MA TLAB的安装路径中找到MA TLAB系统启动程序matlab.exe，然后运行它。 （3）在桌面上建立快捷方式后。双击快捷方式图标，启动MA TLAB。 退出： （1）在MA TLAB主窗口file菜单中选择exitMATLAB命令。 （2）在MA TLAB命令窗口中输入exit或quit命令。 （3）单击MATLAB主窗口的关闭按钮。 2、简述MATLAB的主要功能。 MATLAB是一种应用于科学计算领域的数学软件，它主要包括数值计算和符 号计算功能、绘图功能、编程语言功能以及应用工具箱的扩展功能。 3、如果一个MATLAB命令包含的字符很多，需要分成多行输入，该如何处理？
本文在阐述聚类分析方法的基础上重点研究FCM 聚类算法。FCM 算法是一种基于划分的聚类算法，它的思想是使得被划分到同一簇的对象之间相似度最大，而不同簇之间的相似度最小。最后基于MATLAB实现了对图像信息的聚类。 第 1 章概述 聚类分析是数据挖掘的一项重要功能，而聚类算法是目前研究的核心，聚类分析就是使用聚类算法来发现有意义的聚类，即“物以类聚” 。虽然聚类也可起到分类的作用，但和大多数分类或预测不同。大多数分类方法都是演绎的，即人们事先确定某种事物分类的准则或各类别的标准，分类的过程就是比较分类的要素与各类别标准，然后将各要素划归于各类别中。确定事物的分类准则或各类别的标准或多或少带有主观色彩。 为获得基于划分聚类分析的全局最优结果，则需要穷举所有可能的对象划分，为此大多数应用采用的常用启发方法包括：k-均值算法，算法中的每一个聚类均用相应聚类中对象的均值来表示；k-medoid 算法，算法中的每一个聚类均用相应聚类中离聚类中心最近的对象来表示。这些启发聚类方法在分析中小规模数据集以发现圆形或球状聚类时工作得很好，但当分析处理大规模数据集或复杂数据类型时效果较差，需要对其进行扩展。 而模糊C均值(Fuzzy C-means, FCM)聚类方法，属于基于目标函数的模糊聚类算法的范畴。模糊C均值聚类方法是基于目标函数的模糊聚类算法理论中最为完善、应用最为广泛的一种算法。模糊c均值算法最早从硬聚类目标函数的优化中导出的。为了借助目标函数法求解聚类问题，人们利用均方逼近理论构造了带约束的非线性规划函数，以此来求解聚类问题，从此类内平方误差和WGSS(Within-Groups Sum of Squared Error)成为聚类目标函数的普遍形式。随着模糊划分概念的提出，Dunn [10] 首先将其推广到加权WGSS 函数，后来由Bezdek 扩展到加权WGSS 的无限族，形成了FCM 聚类算法的通用聚类准则。从此这类模糊聚类蓬勃发展起来，目前已经形成庞大的体系。 第 2 章聚类分析方法 2-1 聚类分析 聚类分析就是根据对象的相似性将其分群，聚类是一种无监督学习方法，它不需要先验的分类知识就能发现数据下的隐藏结构。它的目标是要对一个给定的数据集进行划分，这种划分应满足以下两个特性：①类内相似性：属于同一类的数据应尽可能相似。②类间相异性：属于不同类的数据应尽可能相异。图2.1是一个简单聚类分析的例子。
实验三函数的可视化与Matlab作图 一、按要求绘制如下曲线（面）： 1. 在[0，4pi]上画sin(x),cos(x)在同一图像中，其中cos(x)图像用红色小圆圈，并在函数图上标注“y=sin(x)”，”y=cos(x)”,X轴，Y轴，标题为“正弦余弦函数图像。”答：>> clear >> clf, x=linspace(0,4*pi,200);y1=sin(x);y2=cos(x); plot(x,y1,'k-',x,y2,'ro') >> title('正弦余弦函数图像。') >> legend('y=sin(x)','y=cos(x)') >> ylabel('\it{Y轴}'); >> xlabel('\it{X轴}'); 2.任意绘制彗星曲线图。 答：>> clf; >> x=[1:10]; y=[5 6 3 4 8 1 10 3 5 6]; >> z=0:0.1:100; x=sin(z);y=cos(z).*10; >> %三维彗星图 comet3(x,y,z) >> %二维彗星图
t = -pi:pi/200:pi; comet(t,tan(sin(t))-sin(tan(t)))
3.在多窗口中绘制y=sin(t)*sin(t);y1=sin(3*t+2.5);y2=sin(5*t+5)并加以标注。答：>> clf; t=0:0.1:4*pi; subplot(3,1,1),plot(sin(t).*sin(t)),legend('y=sin(t)*sin(t)') subplot(3,1,2),plot(sin(3*t+2.5)),legend('y1=sin(3*t+2.5)') subplot(3,1,3),plot(sin(5*t+5)),legend('y2=sin(5*t+5)') 4.自拟题目绘制三维线图。 绘制以下方程y1=sin(t),y2=cos(t),x=t在t=[0,2π] 对应的三维曲线。 >> clf; >> t=0:pi/10:2*pi; >> y1=sin(t);y2=cos(t); >> plot3(y1,y2,t);grid on; >> xlabel('Dependent Variable Y1'); >> ylabel('Dependent Variable Y2'); >> zlabel('Dependent Variable X'); >> title('Sin and Cos Curve');
function [R_best,L_best,L_ave,Shortest_Route,Shortest_Length]=ACATSP(C,NC_max,m,Alpha,Beta ,Rho,Q) %%===================================================== ==================== %% ACATSP.m %% Ant Colony Algorithm for Traveling Salesman Problem %% ChengAihua,PLA Information Engineering University,ZhengZhou,China %% Email:aihuacheng@https://www.doczj.com/doc/bf18707744.html, %% All rights reserved %%------------------------------------------------------------------------- %% 主要符号说明 %% C n个城市的坐标，n×4的矩阵 %% NC_max 最大迭代次数 %% m 蚂蚁个数 %% Alpha 表征信息素重要程度的参数 %% Beta 表征启发式因子重要程度的参数 %% Rho 信息素蒸发系数 %% Q 信息素增加强度系数 %% R_best 各代最佳路线 %% L_best 各代最佳路线的长度 %%===================================================== ==================== %%第一步：变量初始化 n=size(C,1);%n表示问题的规模（城市个数） D=zeros(n,n);%D表示完全图的赋权邻接矩阵 for i=1:n for j=1:n if i~=j D(i,j)=max( ((C(i,1)-C(j,1))^2+(C(i,2)-C(j,2))^2)^0.5,min(abs(C(i,3)-C(j,3)),144- abs(C(i,3)-C(j,3))) );%计算城市间距离 else D(i,j)=eps; end D(j,i)=D(i,j); end end Eta=1./D;%Eta为启发因子，这里设为距离的倒数 Tau=ones(n,n);%Tau为信息素矩阵 Tabu=zeros(m,n);%存储并记录路径的生成 NC=1;%迭代计数器 R_best=zeros(NC_max,n);%各代最佳路线
题目：matlab实现Kmeans聚类算法 姓名吴隆煌 学号41158007
背景知识 1.简介： Kmeans算法是一种经典的聚类算法，在模式识别中得到了广泛的应用，基于Kmeans的变种算法也有很多，模糊Kmeans、分层Kmeans 等。 Kmeans和应用于混合高斯模型的受限EM算法是一致的。高斯混合模型广泛用于数据挖掘、模式识别、机器学习、统计分析。Kmeans 的迭代步骤可以看成E步和M步，E：固定参数类别中心向量重新标记样本，M：固定标记样本调整类别中心向量。K均值只考虑（估计）了均值，而没有估计类别的方差，所以聚类的结构比较适合于特征协方差相等的类别。 Kmeans在某种程度也可以看成Meanshitf的特殊版本，Meanshift 是一种概率密度梯度估计方法（优点：无需求解出具体的概率密度，直接求解概率密度梯度。），所以Meanshift可以用于寻找数据的多个模态（类别），利用的是梯度上升法。在06年的一篇CVPR文章上，证明了Meanshift方法是牛顿拉夫逊算法的变种。Kmeans 和EM算法相似是指混合密度的形式已知（参数形式已知）情况下，利用迭代方法，在参数空间中搜索解。而Kmeans和Meanshift相似是指都是一种概率密度梯度估计的方法，不过是Kmean选用的是特殊的核函数（uniform kernel），而与混合概率密度形式是否已知无关，是一种梯度求解方式。 k-means是一种聚类算法，这种算法是依赖于点的邻域来决定哪些
点应该分在一个组中。当一堆点都靠的比较近，那这堆点应该是分到同一组。使用k-means，可以找到每一组的中心点。 当然，聚类算法并不局限于2维的点，也可以对高维的空间（3维，4维，等等）的点进行聚类，任意高维的空间都可以。 上图中的彩色部分是一些二维空间点。上图中已经把这些点分组了，并使用了不同的颜色对各组进行了标记。这就是聚类算法要做的事情。 这个算法的输入是： 1：点的数据（这里并不一定指的是坐标，其实可以说是向量） 2：K，聚类中心的个数（即要把这一堆数据分成几组） 所以，在处理之前，你先要决定将要把这一堆数据分成几组，即聚成几类。但并不是在所有情况下，你都事先就能知道需要把数据聚成几类的。但这也并不意味着使用k-means就不能处理这种情况，下文中会有讲解。 把相应的输入数据，传入k-means算法后，当k-means算法运行完后，该算法的输出是： 1：标签（每一个点都有一个标签，因为最终任何一个点，总会被分到某个类，类的id号就是标签） 2：每个类的中心点。 标签，是表示某个点是被分到哪个类了。例如，在上图中，实际上
实验四、LTI系统的响应 课程名称： MATLAB应用技术专业班级：通信1422 学生学号： 1430119231 学生姓名：周妍智 所属院部：电子信息工程系指导教师：徐树梅 2015 —— 2016 学年第二学期
实验项目名称： LTI 系统的响应 实验学时： 16 学生姓名： 周妍智 实验地点： 微机11 实验日期： 2016.4.17 实验成绩： 批改教师： 徐树梅 批改时间： 一、 实验目的 1. 熟悉连续时间系统的单位冲激响应、阶跃响应的意义及求解方法 2. 熟悉连续（离散）时间系统在任意信号激励下响应的求解方法 3. 熟悉应用MATLAB 实现求解系统响应的方法 二、 实验原理 1.连续时间系统 对于连续的LTI 系统，当系统输入为f (t )，输出为y (t )，则输入与输出之间满足如下的线性常系数微分方程： () ()0 ()()n m i j i j i j a y t b f t ===∑∑，当系统输入为单位冲激信号δ(t )时产生 的零状态响应称为系统的单位冲激响应，用h(t)表示。若输入为单位阶跃信号ε(t )时，系统产生的零状态响应则称为系统的单位阶跃响应，记为g(t)，如下图所示。 系统的单位冲激响应h (t )包含了系统的固有特性，它是由系统本身的结构及参数所决定的，与系统的输入无关。我们只要知道了系统的冲激响应，即可求得系统在不同激励下产生的响应。因此，求解系统的冲激响应h(t )对我们进行连续系统的分析具有非常重要的意义。 在MATLAB 中有专门用于求解连续系统冲激响应和阶跃响应， 并绘制其时域波形的函数impulse( ) 和step( )。如果系统输入为f (t )，冲激响应为h(t)，系统的零状态响应为y (t )，则有：()()()y t h t f t =*。 若已知系统的输入信号及初始状态，我们便可以用微分方程的经典时域求解方法，求出系统的响应。但是对于高阶系统，手工计算这一问题的过程非常困难和繁琐。 在MATLAB 中，应用lsim( )函数很容易就能对上述微分方程所描述的系统的响应进行仿真，求出系统在任意激励信号作用下的响应。lsim( )函数不仅能够求出连续系统在指定的任意时间范围内系统响应的数值解，而且还能同时绘制出系统响应的时域波形图。 以上各函数的调用格式如下： ⑴ impulse( ) 函数 函数impulse( )将绘制出由向量a 和b 所表示的连续系统在指定时间范围内的单位冲激响应h (t )的时域波形图，并能求出指定时间范围内冲激响应的数值解。
实验一小球做自由落体运动内容：一小球竖直方向做自由落体，并无损做往返运动。程序： theta=0:0.01:2*pi x=cos(theta) y=sin(theta) l=1 v=1 while l<10 for t=1:10 y=y+(-1)^l*v*t plot(x,y,[-1,1],[-56,2],'.') axis equal pause(0.1) end l=l+1 end 结果：
-50 -40 -30 -20 -10 收获：通过运用小球自由落体规律，及（-1）^n 来实现无损往 返运动！ 实验二 旋转五角星 内容：一个五角星在圆内匀速旋转 程序：x=[2 2 2 2 2 2] y=[0 4/5*pi 8/5*pi 2/5*pi 6/5*pi 0] y1=2*sin(y) x1=2*cos(y) theta=0:4/5*pi:4*pi
x2=2*cos(theta) y2=2*sin(theta) plot(x,y,x1,y1,x2,y2) axis equal theta1=theta+pi/10 x2=2*cos(theta1) y2=2*sin(theta1) plot(x2,y2) axis equal theta=0:4/5*pi:4*pi for rot=pi/10:pi/10:2*pi x=2*cos(theta+rot) y=2*sin(theta+rot) plot(x,y) pause(0.1) end 结果：
-2 -1.5-1-0.500.51 1.52 -2-1.5-1-0.500.511.5 2 收获：通过theta1=theta+pi/10，我们可以实现五角星在圆内匀速 旋转！ 实验三 转动的自行车 内容：一辆自行车在圆内匀速转动 程序：x=-4:0.08:4; y=sqrt(16-x.^2); theta1=-pi/2:0.01*pi:3*pi/2; x3=0.5*cos(theta1); y3=0.5*sin(theta1); theta=-pi/2+0.02*pi for k=1:100
最短距离聚类的matlab实现-1 【2013-5-21更新】 说明：正文中命令部分可以直接在Matlab中运行， 作者(Yangfd09)于2013-5-21 19:15:50在MATLAB R2009a(7.8.0.347)中运行通过 %最短距离聚类（含距离计算，含聚类图） %说明：此程序的优点在于每一步都是自己编写的，很少用matlab现成的指令， %所以更适合于初学者，有助于理解各种标准化方法和距离计算方法。 %程序包含了极差标准化（两种方法）、中心化、标准差标准化、总和标准化和极大值标准化等标准化方法， %以及绝对值距离、欧氏距离、明科夫斯基距离和切比雪夫距离等距离计算方法。 %==========================>>导入数据<<============================== %变量名为test（新建一个以test变量，双击进入Variable Editor界面，将数据复制进去即可）%数据要求：m行n列，m为要素个数，n为区域个数（待聚类变量）。 % 具体参见末页测试数据。 testdata=test; %============================>>标准化<<=============================== %变量初始化，m用来寻找每行的最大值，n找最小值，s记录每行数据的和 [M,N]=size(testdata);m=zeros(1,M);n=9999*ones(1,M);s=zeros(1,M);eq=zeros(1,M); %为m、n和s赋值 for i=1:M for j=1:N if testdata(i,j)>=m(i) m(i)=testdata(i,j); end if testdata(i,j)<=n(i) n(i)=testdata(i,j); end s(i)=s(i)+testdata(i,j); end eq(i)=s(i)/N; end %sigma0是离差平方和，sigma是标准差 sigma0=zeros(M); for i=1:M for j=1:N sigma0(i)=sigma0(i)+(testdata(i,j)-eq(i))^2; end end sigma=sqrt(sigma0/N);
实验一 Matlab基础知识 一、实验目的： 1.熟悉启动和退出Matlab的方法。 2.熟悉Matlab命令窗口的组成。 3.掌握建立矩阵的方法。 4.掌握Matlab各种表达式的书写规则以及常用函数的使 用。 二、实验内容： 1.求[100，999]之间能被21整除的数的个数。（rem） 2.建立一个字符串向量，删除其中的大写字母。（find） 3.输入矩阵，并找出其中大于或等于5的元素。（find） 4.不采用循环的形式求出和式 63 1 2i i= ∑ 的数值解。(sum) 三、实验步骤： ●求[100，199]之间能被21整除的数的个数。（rem） 1.开始→程序→Matlab 2.输入命令： ?m=100:999; ?p=rem(m,21); ?q=sum(p==0) ans=43 ●建立一个字符串向量，删除其中的大写字母。（find） 1.输入命令：
?k=input('’,’s’)； Eie48458DHUEI4778 ?f=find(k>=’A’&k<=’Z’)； f=9 10 11 12 13 ?k(f)=[ ] K=eie484584778 ●输入矩阵，并找出其中大于或等于5的元素。（find） 1.输入命令： ?h=[4 8 10;3 6 9; 5 7 3]； ?[i,j]=find(h>=5) i=3 j=1 1 2 2 2 3 2 1 3 2 3 ●不采用循环的形式求出和式的数值解。（sum） 1.输入命令： ?w=1:63； ?q=sum(2.^w) q=1.8447e+019
实验二 Matlab 基本程序 一、 实验目的： 1. 熟悉Matlab 的环境与工作空间。 2. 熟悉M 文件与M 函数的编写与应用。 3. 熟悉Matlab 的控制语句。 4. 掌握if,switch,for 等语句的使用。 二、 实验内容： 1. 根据y=1+1/3+1/5+……+1/（2n-1）,编程求：y<5时最大n 值以及对应的y 值。 2. 编程完成，对输入的函数的百分制成绩进行等绩转换，90~100为优，80~89为良，70~79为中，60~69为及格。 3. 编写M 函数文件表示函数 ，并分别求x=12和56时的函数值。 4. 编程求分段函数 2226;03 56;0532 1;x x x x y x x x x x x x +-<≠=-+≤<≠≠-+且且及其它，并求输入x=[-5.0,-3.0,1.0,2.0,2.5,3.0,3.5]时的输出y 。 三、 实验步骤： 根据y=1+1/3+1/5+……+1/（2n-1）,编程求：y<5时最大n 值以及对应的y 值。 1. 打开Matlab ，新建M 文件 2. 输入命令： 51022-+x
先新建一个主程序M文件ACATSP.m 代码如下: function [R_best,L_best,L_ave,Shortest_Route,Shortest_Length]=ACATSP(C,NC_max,m,Alpha,Beta,Rho,Q) %%================================================== ======================= %% 主要符号说明 %% C n个城市的坐标，n×2的矩阵 %% NC_max 蚁群算法MATLAB程序最大迭代次数 %% m 蚂蚁个数 %% Alpha 表征信息素重要程度的参数 %% Beta 表征启发式因子重要程度的参数 %% Rho 信息素蒸发系数 %% Q 表示蚁群算法MATLAB程序信息素增加强度系数 %% R_best 各代最佳路线 %% L_best 各代最佳路线的长度 %%================================================== =======================
%% 蚁群算法MATLAB程序第一步：变量初始化 n=size(C,1);%n表示问题的规模（城市个数） D=zeros(n,n);%D表示完全图的赋权邻接矩阵 for i=1:n for j=1:n if i~=j D(i,j)=((C(i,1)-C(j,1))^2+(C(i,2)-C(j,2))^2)^0.5; else D(i,j)=eps; % i = j 时不计算，应该为0，但后面的启发因子要取倒数，用eps（浮点相对精度）表示 end D(j,i)=D(i,j); %对称矩阵 end end Eta=1./D; %Eta为启发因子，这里设为距离的倒数 Tau=ones(n,n); %Tau为信息素矩阵 Tabu=zeros(m,n); %存储并记录路径的生成
用matlab做聚类分析 Matlab提供了两种方法进行聚类分析。 一种是利用clusterdata函数对样本数据进行一次聚类，其缺点为可供用户选择的面较窄，不能更改距离的计算方法； 另一种是分步聚类：（1）找到数据集合中变量两两之间的相似性和非相似性，用pdist函数计算变量之间的距离；（2）用linkage函数定义变量之间的连接；（3）用cophenetic函数评价聚类信息；（4）用cluster函数创建聚类。1．Matlab中相关函数介绍 1.1pdist函数 调用格式：Y=pdist(X,’metric’) 说明：用‘metric’指定的方法计算X数据矩阵中对象之间的距离。’X：一个m×n的矩阵，它是由m个对象组成的数据集，每个对象的大小为n。 metric’取值如下： ‘euclidean’：欧氏距离（默认）；‘seuclidean’：标准化欧氏距离； ‘mahalanobis’：马氏距离；‘cityblock’：布洛克距离； ‘minkowski’：明可夫斯基距离；‘cosine’： ‘correlation’：‘hamming’： ‘jaccard’：‘chebychev’：Chebychev距离。 1.2squareform函数 调用格式：Z=squareform(Y,..)
说明：强制将距离矩阵从上三角形式转化为方阵形式，或从方阵形式转化为上三角形式。 1.3linkage函数 调用格式：Z=linkage(Y,’method’) 说明：用‘method’参数指定的算法计算系统聚类树。 Y：pdist函数返回的距离向量； method：可取值如下： ‘single’：最短距离法（默认）；‘complete’：最长距离法； ‘average’：未加权平均距离法；‘weighted’：加权平均法； ‘centroid’：质心距离法；‘median’：加权质心距离法； ‘ward’：内平方距离法（最小方差算法） 返回：Z为一个包含聚类树信息的（m-1）×3的矩阵。 1.4dendrogram函数 调用格式：[H，T，…]=dendrogram(Z,p，…) 说明：生成只有顶部p个节点的冰柱图（谱系图）。 1.5cophenet函数 调用格式：c=cophenetic(Z,Y) 说明：利用pdist函数生成的Y和linkage函数生成的Z计算cophenet相关系数。 1.6cluster函数 调用格式：T=cluster(Z,…) 说明：根据linkage函数的输出Z创建分类。
蚁群算法的matlab源码，同时请指出为何不能优化到已知的最好解 % % % the procedure of ant colony algorithm for VRP % % % % % % % % % % % % %initialize the parameters of ant colony algorithms load data.txt; d=data(:,2:3); g=data(:,4); m=31; % 蚂蚁数 alpha=1; belta=4;% 决定tao和miu重要性的参数 lmda=0; rou=0.9; %衰减系数 q0=0.95; % 概率 tao0=1/(31*841.04);%初始信息素 Q=1;% 蚂蚁循环一周所释放的信息素 defined_phrm=15.0; % initial pheromone level value QV=100; % 车辆容量 vehicle_best=round(sum(g)/QV)+1; %所完成任务所需的最少车数V=40; % 计算两点的距离 for i=1:32; for j=1:32;
dist(i,j)=sqrt((d(i,1)-d(j,1))^2+(d(i,2)-d(j,2))^2); end; end; %给tao miu赋初值 for i=1:32; for j=1:32; if i~=j; %s(i,j)=dist(i,1)+dist(1,j)-dist(i,j); tao(i,j)=defined_phrm; miu(i,j)=1/dist(i,j); end; end; end; for k=1:32; for k=1:32; deltao(i,j)=0; end; end; best_cost=10000; for n_gen=1:50; print_head(n_gen); for i=1:m; %best_solution=[]; print_head2(i);
Matlab实验报告 实验二图像处理 一、实验目的 （1）通过应用MA TLAB语言编程实现对图像的处理，进一步熟悉MATLAB软件的编程及应用； （2）通过实验进一步掌握图像处理的基本技术和方法。 二、实验内容及代码 ㈠.应用MA TLAB语言编写显示一幅灰度图像、二值图像、索引图像及彩色图像的程序，并进行相互之间的转换 首先，在matlab页面中的current directory下打开存放图像的文件夹。 1.显示各种图像 ⑴显示彩色图像： ①代码：>> mousetif=imread('tif.TIF'); >> image(mousetif) 显示截图： ②代码：>> mousetif=imread('tif.TIF'); >> imshow(mousetif) 显示截图：
③代码：mousetif=imread('tif.TIF'); subimage(mousetif) 显示截图： 显示截图：
⑵显示二值图像 ①代码：>> I=imread('单色bmp.bmp'); >> imagesc(I,[0 2]) 显示截图： ②代码：>> I=imread('单色bmp.bmp');
>> imshow(I,2) 显示截图： ③代码：>> I=imread('单色bmp.bmp'); >> subimage(I) 显示截图：
⑶显示灰度图像 ①代码：>> I1=imread('256bmp.bmp'); >> imagesc(I1,[0,256]) 显示截图： 代码：>> I1=imread('256bmp.bmp'); >> colormap(gray); >> subplot(1,2,1); >> imagesc(I1,[0,256]); >> title('灰度级为[0 256]的mouse.bmp图'); >> subplot(1,2,2); >> imagesc(I1,[0,64]); >> colormap(gray); >> title('灰度级为[0 64]的mouse.bmp图'); 显示截图：
实验七Matlab 程序设计 实验目的： 1、掌握建立和执行M 文件的方法； 2、掌握实现选择结构的方法； 3、掌握实现循环结构的方法。 实验内容： 1. 编写用 5 次多项式拟合函数y=sin(x), x [0, 2 ]的脚本M 文件，要求绘图观察拟合的效果。 function shiyan1 x=0:0.5:2*pi y=sin(x) p=polyfit(x,y,5) x1=0:0.2:2*pi y1=polyval(p,x1) plot(x,y, 'b' ,x1,y1, '*r' x =
Columns 1 through 9 0 0.5000 1.0000 1.5000 2.0000 2.5000 3.0000 3.5000 4.0000 Columns 10 through 13 4.5000 5.0000 5.5000 6.0000 y = Columns 1 through 9 0 0.4794 0.8415 0.9975 0.9093 0.5985 0.1411 -0.3508 -0.7568 Columns 10 through 13 -0.9775 -0.9589 -0.7055 -0.2794 p = -0.0056 0.0881 -0.3967 0.2671 0.8902 0.0029 x1 = Columns 1 through 10 0 0.2000 0.4000 0.6000 0.8000 1.0000 1.2000 1.4000 1.6000 1.8000 Columns 11 through 20
2. 2.2000 2.4000 2.6000 2.8000 3.0000 3.2000 3.4000 3.6000 1.8001 Columns 21 through 30 4.0 4.2000 4.4000 4.6000 4.8000 5.0000 5.2000 5.4000 5.6000 5.8000 Columns 31 through 32 6.0 6.2000 y1 = Columns 1 through 10 0.29 0.1886 0.3786 0.5585 0.7172 0.8461 0.9391 0.9926 1.0048 0.9761 Columns 11 through 20 0.9083 0.8048 0.6701 0.5098 0.3301 0.1381 -0.0590 -0.2538 -0.4389 -0.6073 Columns 21 through 30 -0.7524 -0.8685 -0.9505 -0.9949 -0.9991 -0.9626 -0.8863 -0.7732 -0.6288 -0.4606 Columns 31 through 32
广州大学学生实验报告 开课学院及实验室：机械与电气工程学院计算机楼 301室2014 年10 月30 日
2、MATLAB指令窗的基本操作 MATLAB指令窗给用户提供了最直接的交互界面，可用于输入和执行指令、显示指令运行结果、调试MATLAB程序等常用的MATLAB仿真计算功能。本实验掌握以下在指令窗执行的基本操作，达到熟悉使用指令窗的目的： （1）最简单的计算器使用方法：在MATLAB指令窗中，可按计算器的方式进行一般的数学计算，MATLAB的运算符的含义大致与常见的运算规则一致； （2）在指令窗中输入和生成矩阵：与一般的计算器不同，在MATLAB中可直接输入和生成矩阵。实际上，矩阵是MATLAB工作的基本元素。 （3）数值表述方法：在MATLAB中的大部分数值的表述方式与平常是相同的，需要注意的是在表示比较大的数时，MATLAB默认采用科学计数法显示； （4）变量命名规则：对于MATLAB变量命名规则，需要注意以下几点： a、变量名、函数名对字母大小写敏感 b、变量名的第一个字母必须是英文字母，后续可以是字母、数字、下划线 c、变量的有效时限：在变量定义赋值之后，会作为内存变量保存并显示在Workspace Browser中。因此，凡是显示在Workspace Browser中的变量 都是“有效”的，其后可以被调用，否则不能被调用。 d、对于像 等常用的数学常量，MATLAB定义了预定义变量与其对应，在使用时需多加留意。 e、复数和复数矩阵的表示方法。 （5）其他操作的操作要旨和操作技巧的运用。 3、计算结果的图形表示 计算结果可视化是MATLAB的主要组成部分，借助图形表现数据是十分常用的“数据表达手段”，尤其当数据量相当庞大时，因为图形可以表现数据内在联系和宏观特征。关于MATLAB绘图的基本方法在后续章节中详细讲述，本实验主要通过示例了解MATLAB绘图的基本功能。 4、Current Directory、路径设置器和文件管理 理解当前目录Current Directory和搜索路径的作用是正确使用MATLAB的关键环节。当前目录指的是当前MA TLAB工作的目录，MATLAB运行指令需要打开或者保存的文件，都首先在目录中查找或保存。搜索路径则是MATLAB工作时，需查找相应的文件、函数或变量所在的相关文件夹所在的路径。 在理解当前目录Current Directory和搜索路径的作用的基础上，也要掌握当前目录Current Directory和搜索路径的设置方法，这是正确使用MA TLAB 的必要步骤。 为了理解MATLAB当前目录Current Directory和搜索路径的作用，可以大致了解一下当用户从指令窗送入一个名为cow的指令后，MATLAB的“运作次序”： （1）MATLAB在内存中检查，看cow是不是变量；如果不是，进行下一步； （2）检查cow是不是内建函数；如果不是进行下一步； （3）在当前目录下，检查是否有名为cow的M文件存在；如果不是，进行下一步； （4）在MA TLAB搜索路径的其他目录下，检查是否有名为cow的M文件存在。
function [y,val]=QACStic load att48 att48; MAXIT=300; % 最大循环次数 NC=48; % 城市个数 tao=ones(48,48);% 初始时刻各边上的信息最为1 rho=0.2; % 挥发系数 alpha=1; beta=2; Q=100; mant=20; % 蚂蚁数量 iter=0; % 记录迭代次数 for i=1:NC % 计算各城市间的距离 for j=1:NC distance(i,j)=sqrt((att48(i,2)-att48(j,2))^2+(att48(i,3)-att48(j,3))^2); end end bestroute=zeros(1,48); % 用来记录最优路径 routelength=inf; % 用来记录当前找到的最优路径长度 % for i=1:mant % 确定各蚂蚁初始的位置 % end for ite=1:MAXIT for ka=1:mant %考查第K只蚂蚁 deltatao=zeros(48,48); % 第K只蚂蚁移动前各边上的信息增量为零 [routek,lengthk]=travel(distance,tao,alpha,beta); if lengthk
相关主题
文本预览