matlab

mpower是矩阵的指数运算如果A是一个矩阵，则A^p是指A的p次幂，而A.^p是A的每个元素的p次方，其他"和."、+和.+、-和.-、*和.*都是这样，一个是针对矩阵本身一个是元素

把plot(handles.axes4,XXqxjda,Xtl3,"*")中的handles.axes2，handles.axes4去掉ok

如果我没猜错的话，你可能是想要对一个数组或矩阵(matlab里都称为矩阵)中的每一个元素进行若干次幂运算，例如a=[12345],你想得到a^2=[1491625]。可是matlab中的运算默认都是矩阵操作，当你进行a^2时它以为你要作a*a，即矩阵乘法，可是两个矩阵能作矩阵乘法的前提是前一个矩阵的列数等于后一个矩阵的行数，那么这个一行五列的矩阵显然无法作这样的运算。因此错误提示的意思就是你想作同一个矩阵的矩阵乘法那得是方阵才行，因为这时满足矩阵乘法的要求了。这里square是方阵的意思。你想作的那种各个元素次幂需要这样才行：a.^2=[1491625]。

string = ["Enter value"int2str(ii)":"];少了两个空格，应该是：string = ["Enter value" int2str(ii) ":"];希望采纳，设置为满意答案，谢谢。

取T=0.3为例：s=tf("s");G=ss(1/s)-ss(tf(1,[1 0],"iodelay",T));[mag,phase,w]=bode(G,{1e-5 4*2*pi/T});subplot 211; plot(w,mag(:))subplot 212; plot(w,phase(:))也可以借助于符号运算：syms sG=(1-exp(-T*s))/s;syms w positiveGjw=subs(G,s,j*w);W=(0:.01:4)*2*pi/T;G1=subs(Gjw,w,W);subplot 211; plot(W,abs(G1))subplot 212; plot(W,angle(G1))

应该就是这个了吧，呵呵 函数：qtsetblk 功能：将图像I的四叉树分解中的每个dim×dim维子块的值全部替换为vals中的dim×dim维的方块。 语法格式： J= qtsetblk (I,S,dim,vals)说明：I是四叉树分解的图像；S是由qtdecomp函数返回的稀疏矩阵，包含了四叉树结构；dim是所进行替代子块的维数；vals是一个dim×dim×k维的数组，k是四叉树分解中dim×dim维方块的个数。 数据类型要求：I可以为uint8型、uint16型或double型的；S是sparse型的。 数组vals中方块的顺序必须与I中方块的列顺序相对应。例如，如果vals是4×4×2的，则vals(:,:,1)包含的值就用来替换I中的第一个4×4方块，vals(:,:,2)中的值就用来替换I中的第二个4×4方块。 【例10-4】qtsetblk示例。 newvals= cat(3,zeros(2),ones(2),2*ones(2),3*ones(2),4*ones(2)) J = qtsetblk(I,S,2,newvals)输出结果： newvals(:,:,1) = 0 0 0 0 newvals(:,:,2) = 1 1 1 1 newvals(:,:,3) = 2 2 2 2 newvals(:,:,4) = 3 3 3 3 newvals(:,:,5) = 4 4 4 4 J = 0 0 1 1 2 3 6 6 0 0 2 1 4 5 6 8 1 1 2 2 10 15 4 4 1 1 2 2 20 25 4 420 22 20 22 1 2 3 420 22 22 20 5 6 7 820 22 3 3 9 10 11 1222 22 3 3 13 14 15 16

你的问题问得有点宽泛，不同的预测方法要采用不同的命令，对结果的好坏也可以用不同的检验方法，具体问题具体分析。

函数极点

用于求解微分方程的命令有ode23, ode45, ode113, ode15s, ode23s, ode23t, ode23tb等，若求具体的用法参考MATLAB的帮助文档，里面有详细的事例教程！

matlab的工具箱安装其实很简单, 说白了就是设置一个路径让Matlab能找到工具箱里面的东西方法是:下载工具箱解压缩到一个目录(任意的,随便你放哪里)在File -> Set Path 里面把第2步的那个目录加到系统路径里面, 第二个按键 Add with Subfolders (见下图)回到matlab命令行: 输入DemoPSOBehavior 不出错就成功了!

matlab的工具箱安装其实很简单,说白了就是设置一个路径让Matlab能找到工具箱里面的东西方法是:下载工具箱解压缩到一个目录(任意的,随便你放哪里)在File->SetPath里面把第2步的那个目录加到系统路径里面,第二个按键AddwithSubfolders(见下图)回到matlab命令行:输入DemoPSOBehavior不出错就成功了!

如何使用matlab仿真在屏幕上产生纯色rbg图案可以利用以下两句解决问题：J = rgb2gray(I);J = im2uint8(J);Matlab函数rgb2gray，函数功能：将真彩色图像转换为灰度图像。在matlab命令窗口中键入doc rgb2gray或help rgb2gray可以获得更多关于该函数的帮助信息。

看看这儿：http://hi.baidu.com/mccrocodile有问题Hi我

连续小波是尺度可连续取值的小波，里面的a一般取整数，而不像二进小波a取2的整数幂。从连续小波到二进小波再到正交离散小波，其实就是a、b都连续，a不连续、b连续，a、b都不连续的过程。操作他们的快速算法也就是卷积(快速傅里叶)，多孔(a trous)，MALLAT。在MATLAB里，也就是CWT，SWT，DWT。SWT称平稳小波变换、二进小波变换、或者非抽取小波变换。从冗余性上：CWT>SWT>DWT，前面两个都冗余，后面的离散小波变换不冗余。从应用上：CWT适合相似性检测、奇异性分析；SWT适合消噪，模极大值分析；DWT适合压缩。

A 的行 i 和列 j 中的元素通过 A(i,j) 表示。例如，A(4,2) 表示第四行和第二列中的数字。在幻方矩阵中，A(4,2) 为 15。因此，要计算 A 第四列中的元素的总和，此外，还可以使用单一下标 A(k) 引用矩阵的元素。单一下标是引用行和列向量的常见方法。因此，在幻方矩阵中，A(8) 是另一种引用存储在 A(4,2) 中的值 15 的方法。

1、打开编译器,在命令行输入edit打开。2、输入Function代表此文件是函数文件。3、如果有返回值在等号的左边输入,多个返回值用中括号。4、等号右面是函数名加括号,括号内是参数。5、使用%注释,注释的第一行是说明函数的功能。6、传入两个点的坐标,之后计算两点的距离,传给返回值y。7、保存文件,保存的时候文件名和函数名保持一致。

find（判断语句） 就是找出 满足你判断语句的数据索引

1、首先需要知道matlab中nan元素是非数字元素，一般是无效的数据，如下图所示。2、然后输入a=[1 2 3 nan 4 5 nan 6]，创建a矩阵，如下图所示。3、然后在命令行窗口输入numel(find(isnan(a)))，进行统计a矩阵nan元素的个数，如下图所示。4、按回车键之后，可以看到a矩阵nan元素的个数为2，如下图所示。5、最后也可以输入numel(a(isnan(a)))来统计a矩阵的nan元素个数，如下图所示。

ind = find(X)ind = find(X, k)ind = find(X, k, "first")ind = find(X, k, "last")[row,col] = find(X, ...)————用了这个[row,col,v] = find(X, ...)Descriptionind = find(X) locates allnonzero elements of array X, and returns the ofthose elements in vector ind. If X isa row vector, then ind is a row vector; otherwise, ind isa column vector. If X contains no nonzero elementsor is an empty array, then ind is an empty array.ind = find(X, k) or ind = find(X, k, "first") returns at mostthe first k indices corresponding to the nonzeroentries of X. k must be a positiveinteger, but it can be of any numeric data type.ind = find(X, k, "last") returnsat most the last k indices corresponding to thenonzero entries of X.[row,col] = find(X, ...) returnsthe row and column indices of the nonzero entries in the matrix X.This syntax is especially useful when working with sparse matrices.If X is an N-dimensional array with N > 2, col containslinear indices for the columns. For example, for a 5-by-7-by-3 array X witha nonzero element at X(4,2,3), find returns4 in row and 16 in col. Thatis, (7 columns in page 1) + (7 columns in page 2) + (2 columns inpage 3) = 16.[row,col,v] = find(X, ...) returnsa column or row vector v of the nonzero entriesin X, as well as row and column indices. If X isa logical expression, then v is a logical array.Output v contains the non-zero elements of thelogical array obtained by evaluating the expression X

如果按照上面的输入，结果和输出是不匹配的。4-3就是“4减3”的意思向量X中存放的数据是[1 0 1 0 0 0 8 6]>>help find I = find(X) returns the linear indices corresponding to the nonzero entries of the array X.意思就是find返回的向量中非零元素的下标。所以，按照这个输入，输出应该是indices= 1 3 7 8

a./b是数组相除>> a=[1;2;3]a = 1 2 3>> b=[1;2;3]b = 1 2 3>> a/bans = 0 0 0.3333 0 0 0.6667 0 0 1.0000>> a./bans = 1 1 1

　　直接用 I=find(A~=0)，I 即为A中非零元素。　　令C=A(I)，C中为A的非零元素。　　find函数用于返回所需要元素的所在位置。 (位置的判定：在矩阵中，第一列开始，自上而下，依次为1、2、3，然后再从第二列，第三列依次往后数。)　　find（A）返回矩阵A中非零元素所在位置；　　>> A = [1 0 4 -3 0 0 0 8 6]　　>> X = find(A)

%找出矩阵非零元素的函数。NL=nonzeros(A);得到由矩阵A的全部非零元素组成的列向量NL，列向量元素的个数小于等于原矩阵A的所有元素个数，所以只能以向量表示。向量排列方式是A按列排序，即先A的第一列，后A的第二列等等。如：A=[1,0;3,4;5,6]A =1 03 45 6NL=nonzeros(A)NL =13546

高手啊!

cols应该是一个标量，例如5，则这个语句的作用是把从1到5之间步长为2的数列赋值给odds。如：cols=5；odds=1:2：cols运行结果为odd为 [1 3 5]

找传递函数模块位移对时间求导,得到速度.200km/h？一般情况下，漂移这东西没人会实际使用的。实际上200km/h的速度玩漂移几乎会注定侧翻外加车毁人亡的……速度过快、轮胎过热时的抓地力不足和你车子的惯性注定这一切发生。constant就行了那就把它设置成小于300000km/s的呗：） 。这是函数编者自己设置的一个限制，应该是从这一函数实际应用方面考虑的。楼上的回答有点想当然了（说的比较直接，抱歉）。这个问题是由浮点数的表示精度引起的。尽管理论上积分结果不会大于1，但会很接近1，由于浮点数的表示精度所限，在t较大时，就会等于1，而只要等于积分器的饱和值，Saturation port就会输出1。2. 积分器的积分区间t0的问题：是指模型仿真参数设置中，开始时间你设的不是0。3. 附加讨论：关于何时Saturation port会输出1：照理说，应该是exp(t)<=eps，这样算出来t大约为36秒，但从仿真结果看，在十几秒的时候就饱和了。我的理解，这可能受到仿真参数中误差限制的影响——默认绝对误差为1e-6，这样求出来-log(1e-6)大约是13.8秒。当然，结果还会受到相对误差的影响，更深入的分析您感兴趣的话可以继续，我只给提供一点思路，抛砖引玉。

%行是物理量，列是等级RefTable=[2 3 4 6;10 15 20 30; 0.02 0.1 0.2 0.3];%data的列数等于table的行数data=[3.5 20 0.5;3 12 0.01;];[n,ranks]=size(RefTable);[m,n]=size(data);for i=1:m %第i个地区的数据处理 table(:,:,i)=zeros(n,ranks); for j=1:n %第j个物理量 x=data(i,j); %第i个地区，j物理量的实验数据 rank=1; if (RefTable(j,2)>RefTable(j,1)) %物理量指标升序排列 while (rank<=ranks && RefTable(j,rank)<x) rank=rank+1; end else %物理量指标降序排列 while (rank<=ranks && RefTable(j,rank)>x) rank=rank+1; end end if rank>ranks table(j,ranks,i)=1; elseif rank==1 table(j,1,i)=1; else table(j,rank-1,i)=(RefTable(j,rank)-x)/(RefTable(j,rank)-RefTable(j,rank-1)); table(j,rank ,i)=(x-RefTable(j,rank-1))/(RefTable(j,rank)-RefTable(j,rank-1)); end endendtableaver=mean(RefTable");weight=zeros(m,n); %权系数for i=1:m %第i个地区的数据处理 totalweight=0; for j=1:n %第j个物理量 if RefTable(j,2)>RefTable(j,2) %升序 weight(i,j)=data(i,j)/aver(j ); else weight(i,j)=aver( j)/data(i,j); end totalweight=totalweight+weight(i,j); end weight(i,:)=weight(i,:)/totalweight;endweightfor i=1:m for j=1:n last(j,:,i)=table(j,:,i)*weight(i,j); endendlast

MATLAB是个半开源的软件，在命令窗口输入 type squeeze ,可以看到MATLAB中该函数的实现方法，然后自己写成C语言就可以了。掌握这种方法更重要。

1 1 128的三维矩阵b，而不是一个向量，解决方法是使用squeeze函数。c=squeeze（b）得到的c就是128的列向量

楼主 ，我最近也在研究这个，请问你找到了比较好的答案啊了吗？如果知道了可否分享一下呢 万分感谢了

function [t,omg,FT,IFT] = prefourier(Trg,N,OMGrg,K)% 输入参数： % Trg : 二维矢量，两个元素分别表示时域信号的起止时间；% N : 时域抽样数量；% OMGrg: 二维矢量，两个元素分别表示频谱的起止频率；% K : 频域抽样数量。% 输出参数：% t : 抽样时间；% omg : 抽样频率；% FT : 实现傅里叶变换的矩阵~U~及系数；% IFT : 实现傅里叶逆变换的矩阵~V~及系数。T = Trg(2)-Trg(1);t = linspace(Trg(1),Trg(2)-T/N,N)";OMG = OMGrg(2)-OMGrg(1);omg = linspace(OMGrg(1),OMGrg(2)-OMG/K,K)";FT = T/N*exp(-j*kron(omg,t."));IFT = OMG/2/pi/K*exp(j*kron(t,omg."));end在另一个脚本文件中：clc;clear ;close all;N=1024*8;K=500;OMGrg=[0,100];Trg=[0,1];[t,omg,FT,IFT] = prefourier(Trg,N,OMGrg,K);% f0=10;% f=sin(2*pi*f0*t);f=randn(N,1);F=FT*f;figure;plot(t,f);figure;plot(omg/2/pi,abs(F).^2);高斯白噪声的功率谱理论上为一直线，你给出的功率谱图不对，除非它是在某些特定情况下成立，比如经过了滤波器。功率谱密度为傅里叶变换的平方，在我的程序中，先求出傅里叶变换F，然后求模的平方，得到功率谱。结果的图像看起来是杂乱的，围绕着一根直线在上下振动。

function BouncingBall(H0, d, Vthreshold)% 弹性小球仿真，根据BALLODE改写。% 若调用时无输入参数，提供一组默认参数供测试if ~nargin H0 = 10; % 初始高度 d = 0.8; % 衰减系数 Vthreshold = 0.01; % 门限速度（小于此速度则不再弹起）endtstart = 0;tfinal = 30;y0 = [H0; 0];refine = 10;options = odeset("Events",@events,"OutputSel",1,"Refine",refine);tout = tstart;yout = y0.";teout = [];yeout = [];ieout = [];while true % Solve until the first terminal event. [t,y,te,ye,ie] = ode23(@f,[tstart tfinal],y0,options); % Accumulate output. nt = length(t); tout = [tout; t(2:nt)]; yout = [yout; y(2:nt,:)]; teout = [teout; te]; % Events at tstart are never reported. yeout = [yeout; ye]; ieout = [ieout; ie]; % Set the new initial conditions, with .9 attenuation. y0(1) = 0; y0(2) = -d*y(nt,2); if y0(2) <= Vthreshold, break, end % A good guess of a valid first time step is the length of % the last valid time step, so use it for faster computation. options = odeset(options,"InitialStep",t(nt)-t(nt-refine),... "MaxStep",t(nt)-t(1)); tstart = t(nt);endfprintf("物体由开始下落到处于静止状态，一共反弹了%i次，共耗时%.2f秒。 ", length(ieout), tout(end));% 物体高度随时间变化的曲线图figure(101)plot(tout,yout(:,1),teout,yeout(:,1),"ro")axis tightxlabel("time");ylabel("height");title("Ball trajectory and the events");hold off% 动画演示N = 4000; % 可通过此参数调整动画速度（越小则越快）figure(102);set(gcf,"doublebuffer","on");t = linspace(tout(1),tout(end),N);y = interp1(tout, yout(:,1), t);ball = plot(0, y(1),"o","markersize",10,"markerfacecolor","c");hold onset(gca,"units","pixels");pos = get(gca, "pos");axis([-1 1 -0.5 H0+0.5])axis offplot([-0.5 0.5],-10*(H0+1)/pos(4)*[1 1],"k","linewidth",5)h = title("");for i=2:length(y) set(ball, "ydata", y(i)); n = sum(t(i)>=teout); set(h,"str",["反弹次数：" int2str(n)]) drawnowendhold offfunction dydt = f(t,y)% 物体运动微分方程dydt = [y(2); -9.8];function [value,isterminal,direction] = events(t,y)% ODE事件定义% 确定物体下降过程中高度过零的时间并停止积分value = y(1); % Detect height = 0isterminal = 1; % Stop the integrationdirection = -1; % Negative direction only

tout 和 yout 与示波器的 limit data 没关系，这要在模型的 ConfigurationParameters 对话框中设置。 在对话框的 Data Import/Export 页面，同样有 Limit data points to last，这个才是影响tout 和 yout的原因。

检查工作区和工作路径。检查工作区：该变量是否确实存在，比如有时候变量在if内部，if语句不执行时变量可能根本没被赋值。检查工作路径。自定义函数名是否与函数文件一致、自定义函数文件是否跟主函数放在同一文件夹里，等等。

5.1 瑞士再保险公司的案例 665.2 金融工具箱 675.2.1 主要功能 685.2.2 体系结构 685.2.3 主要函数 695.2.4 GUI工具 705.3 金融衍生品工具箱 715.3.1 主要功能 715.3.2 体系结构 725.3.3 主要函数 735.3.4 GUI工具 735.4 固定收益工具箱 755.4.1 主要功能 755.4.2 体系结构 755.4.3 主要函数 765.5 本章小结 77 6.1 日期和货币数据处理 786.1.1 日期数据格式 786.1.2 日期型数据处理函数 796.1.3 非交易日数据 876.1.4 货币格式转换 886.2 MATLAB图表操作 896.2.1 图表窗口的创建 896.2.2 图表数据的保存和载入 906.2.3 图表窗口的坐标 926.3 线型图的含义和绘制 946.3.1 线型图的含义 946.3.2 线型图函数 956.4 烛型图 966.4.1 烛型图的含义 966.4.2 烛型图函数 976.5 移动平均线 986.5.1 移动平均线的含义 986.5.2 移动平均线的计算 986.6 布林带 996.6.1 布林带的计算 1006.6.2 布林带的函数 1026.7 动态数据获取 1036.7.1 创建定时器 1036.7.2 Callback函数的参数 1066.7.3 定时器使用实例 1076.8 本章小结 110 7.1 债券的基本概念 1117.1.1 现金流的时间价值 1117.1.2 现值和终值的计算 1127.1.3 债券报价方式 1147.1.4 报价和交割价 1157.2 基本固定收益工具和利率 1167.2.1 基本固定收益工具 1167.2.2 利率的计量 1167.3 日期计量的SIA标准 1177.3.1 中长期国债的定价 1187.3.2 市政债券的定价 1207.3.3 大额存单国库券的定价 1217.4 固定收益证券的属性 1217.4.1 固定收益证券数据的属性 1217.4.2 收益率计算 1227.4.3 价格计算 1287.4.4 敏感性分析 1377.5 固定收益证券的数据管理 1407.5.1 Instrument型数据 1407.5.2 Excel数据的读写 1467.5.3 其他格式数据的读写 1497.6 本章小结 151 8.1 利率期限结构计算 1528.1.1 利息债券收益率 1528.1.2 构建收益率曲线 1528.1.3 Bootstrapping算法 1548.1.4 利率期限结构计算函数 1578.1.5 远期利率计算 1588.1.6 期限结构曲线插值 1628.2 基于利率期限结构8.2 定价技术 1638.2.1 利率期限结构的表示 1638.2.2 债券定价技术 1668.2.3 现金流定价技术 1678.2.4 互换定价技术 1698.2.5 产品定价函数及敏感性8.2.5 分析函数 1718.2.6 Instrument型数据的构建 1728.3 利率模型 1758.3.1 利率模型分类 1758.3.2 HL模型 1758.3.3 变方差HL模型 1798.3.4 HL模型意义 1858.4 BDT模型 1868.4.1 BDT模型的构建 1868.4.2 BDT模型的实现 1898.5 HW和BK模型 1908.5.1 三叉树的基本形态 1918.5.2 HW模型的构建 1918.5.3 HW模型的Q参数 1968.5.4 BK模型简介 1978.5.5 HW和BK模型的实现 1988.6 HJM模型 2008.6.1 HJM模型简介 2008.6.2 HJM模型的实现 2008.7 利率模型定价 2028.7.1 利率模型的输入变量 2028.7.2 产品的定价 2048.8 本章小结 208 9.1 无套利和Black-Scholes方程 2099.1.1 单步二叉树模型 2099.1.2 风险中性定价 2109.1.3 套利的数学模型 2119.1.4 Black-Scholes模型假设 2119.1.5 Black-Scholes方程 2129.2 欧式期权的影响因素 2149.2.1 欧式期权定价函数 2149.2.2 欧式期权的希腊字母 2159.3 欧式期权的风险度量 2179.3.1 欧式期权希腊字母函数 2179.3.2 期货期权定价函数 2199.3.3 隐含波动率计算 2209.4 期权价格的数值求解 2219.4.1 多期二叉树模型 2219.4.2 CRR模型 2239.4.3 EQP模型 2249.4.4 ITT模型 2259.5 MATLAB中的CRR模型 2259.5.1 资产价格二叉树 2259.5.2 定价函数 2289.5.3 其他定价函数 2319.5.4 希腊字母计算 2329.6 MATLAB中的EQP模型 2329.6.1 资产价格二叉树 2339.6.2 二叉树的等价式 2359.6.3 定价函数 2379.6.4 其他定价函数 2399.7 有限差分法定价 2399.7.1 有限差分法简介 2399.7.2 自变量的离散化 2409.7.3 隐式差分解法 2419.7.4 方程的边界条件 2429.8 本章小结 244 10.1 投资组合基础概念 24510.1.1 价格序列和收益率10.1.1 序列间的相互转换 24510.1.2 方差、协方差与相关系数 24810.1.3 线性规划问题的提出和10.1.3 标准化 25010.2 资产组合风险-收益计算 25110.2.1 资产组合的收益率和10.2.1 方差 25110.2.2 收益率和标准差的计算 25110.2.3 VaR的计算 25310.3 资产组合有效前沿 25410.3.1 资产有效前沿概念 25410.3.2 简单约束条件下的资产10.3.2 组合有效前沿 25510.3.3 复杂约束条件下的10.3.3 资产组合有效前沿 25810.3.4 随机模拟法确定资产10.3.3 组合有效前沿 26010.4 资产配置 26210.4.1 资产配置问题概述 26210.4.2 资产配置问题求解 26310.5 本章小结 264 11.1 普通香草期权 26511.2 执行条件不同的奇异期权 26511.2.1 百慕大期权 26611.2.2 复合期权 26611.3 Shout Options 26711.3.1 Shout Options简介 26711.3.2 Shout Options估值 26811.3.3 Shout Options定价程序 26911.4 亚式期权 27111.4.1 亚式期权简介和分类 27111.4.2 亚式期权的解 27211.5 亚式期权数值解法 27411.5.1 二叉树的路径函数 27511.5.2 平均价格的确定 27611.5.3 回溯法计算期权价格 27611.5.4 定价实例 27711.5.5 亚式期权定价程序 27911.6 回望期权 28111.6.1 回望期权简介 28111.6.2 定价的二叉树方法 28311.6.3 回望期权定价程序 28711.7 障碍期权 28811.7.1 障碍期权简介 28811.7.2 障碍期权定价实例及程序 29011.8 二值期权 29211.8.1 二值期权简介 29211.8.2 二值期权定价程序 29311.9 基于多资产的期权 29411.9.1 蒙特卡罗模拟 29411.9.2 相关随机变量的路径11.9.2 生成和Cholesky分解 29811.9.3 价差期权 29911.9.4 彩虹期权 30111.10 本章小结 302

参考论文　期权定价理论是现代金融学中最为重要的理论之一，也是衍生金融工具定价中最复杂的。本文给出了欧式期权定价过程的一个简单推导，并利用Matlab对定价公式给出了数值算例及比较静态分析，以使读者能更直观地理解期权定价理论。 　　关键词：Matlab；教学实践 　　基金项目：国家自然科学基金项目（70971037）；教育部人文社科青年项目（12YJCZH128） 　　中图分类号：F83　文献标识码：A　　收录日期：2012年4月17日 　　现代金融学与传统金融学最主要的区别在于其研究由定性分析向定量分析的转变。数理金融学即可认为是现代金融学定量分析分支中最具代表性的一门学科。定量分析必然离不开相应计算软件的应用，Matlab就是一款最为流行的数值计算软件，它将高性能的数值计算和数据图形可视化集成在一起，并提供了大量内置函数，近年来得到了广泛的应用，也为金融定量分析提供了强有力的数学工具。 　　一、Black-Scholes-Merton期权定价模型 　　本节先给出B-S-M期权定价模型的简单推导，下节给出B-S-M期权定价模型的Matlab的实现。设股票在时刻t的价格过程S（t）遵循如下的几何Brown运动： 　　dS（t）=mS（t）dt+sS（t）dW（t）　（1） 　　无风险资产价格R（t）服从如下方程： 　　dR（t）=rR（t）dt　（2） 　　其中，r，m，s＞0为常量，m为股票的期望回报率，s为股票价格波动率，r为无风险资产收益率且有0＜r＜m；dW（t）是标准Brown运动。由式（1）可得： 　　lnS（T）：F［lnS（t）+（m-s2/2）（T-t），s■］　（3） 　　欧式看涨期权是一种合约，它给予合约持有者以预定的价格（敲定价格）在未来某个确定的时间T（到期日）购买一种资产（标的资产）的权力。在风险中性世界里，标的资产为由式（1）所刻画股票，不付红利的欧式看涨期权到期日的期望价值为：■［max（S（T）－X，0）］，其中■表示风险中性条件下的期望值。根据风险中性定价原理，不付红利欧式看涨期权价格c等于将此期望值按无风险利率进行贴现后的现值，即： 　　c=e-r（T－1）■［max｛S（T）－X，0｝］　（4） 　　在风险中性世界里，任何资产将只能获得无风险收益率。因此，lnS（T）的分布只要将m换成r即可： 　　lnS（T）：F［lnS（t）+（r-s2/2）（T-t），s■］　（5） 　　由式（3）-（4）可得欧式看涨期权价格： 　　c=S（t）N（d1）-Xe-r（T－1）N（d2）　（6） 　　这里： 　　d1=■　（7） 　　d2=■=d1-s■　（8） 　　N（x）为均值为0标准差为1的标准正态分布变量的累积概率分布函数。S（t）为t时刻股票的价格，X为敲定价格，r为无风险利率，T为到期时间。欧式看跌期权也是一种合约，它给予期权持有者以敲定价格X，在到期日卖出标的股票的权力。 　　下面推导欧式看涨期权c与欧式看跌期权p的联系。考虑两个组合，组合1包括一个看涨期权加上Xe-r（T－1）资金，组合2包含一个看跌期权加上一股股票。于是，在到期时两个组合的价值必然都是： 　　max｛X，S（T）｝　（9） 　　欧式期权在到期日之前是不允许提前执行的，所以当前两个组合的价值也必相等，于是可得欧式看涨期权与看跌期权之间的平价关系（put-call parity）： 　　c+Xe-r（T－t）=p+S（t）　（10） 　　由式（10）可得，不付红利欧式看跌期权的价格为： 　　p=Xe-r（T－t）N（－d2）－S（t）N（-d1）　（11） 　　二、Black-Scholes-Merton模型的Matlab实现 　　1、欧式期权价格的计算。由式（6）可知，若各参数具体数值都已知，计算不付红利的欧式看涨期权的价格一般可以分为三个步骤：先算出d1，d2，涉及对数函数；其次计算N（d1），N（d2），需要查正态分布表；最后再代入式（6）及式（11）即可得欧式期权价格，涉及指数函数。不过，欧式期权价格的计算可利用Matlab中专有blsprice函数实现，显然更为简单： 　[call，put]=blsprice（Price，Strike，Rate，Time，Volatility）　（12） 　　只需要将各参数值直接输入即可，下面给出一个算例：设股票t时刻的价格S（t）＝20元，敲定价格X＝25，无风险利率r=3%，股票的波动率s=10%，到期期限为T－t=1年，则不付红利的欧式看涨及看跌期权价格计算的Matlab实现过程为： 　　输入命令为：[call，put]= blsprice（20，25，0.03，0.1，1） 　　输出结果为：call=1.0083　put=5.9334　　即购买一份标的股票价格过程满足式（1）的不付红利的欧式看涨和看跌期权价格分别为1.0083元和5.9334元。 　　2、欧式期权价格的比较静态分析。也许纯粹计算欧式期权价格还可以不利用Matlab软件，不过在授课中，教师要讲解期权价格随个参数的变化规律，只看定价公式无法给学生一个直观的感受，此时可利用Matlab数值计算功能及作图功能就能很方便地展示出期权价格的变动规律。下面笔者基于Matlab展示欧式看涨期权价格随各参数变动规律： 　　（1）看涨期权价格股票价格变化规律 　　输入命令：s=（10∶1∶40）；x=25；r=0.03；t=1；v=0.1； 　　c=blsprice（s，x，r，t，v）； 　　plot（s，c，"r-."） 　　title（"图1看涨期权价格股票价格变化规律"）； 　　xlabel（"股票价格"）；ylabel（"期权价值"）；grid on　　（2）看涨期权价格随时间变化规律 　　输入命令：s=20；x=25；r=0.03；t=（0.1∶0.1∶2）；v=0.1；c=blsprice（s，x，r，t，v）； 　　plot（t，c，"r-."） 　　title（"图2看涨期权价格随时间变化规律"）； 　　xlabel（"到期时间"）；ylabel（"期权价值"）；grid on　　（3）看涨期权价格随无风险利率变化规律 　　s=20；x=25；r=（0.01∶0.01∶0.5）；t=1；v=0.1；c=blsprice（s，x，r，t，v）； 　　plot（r，c，"r-."） 　　title（"图3看涨期权价格随无风险利率变化规律"）； 　　xlabel（"无风险利率"）；ylabel（"期权价值"）；grid on　　（4）看涨期权价格随波动率变化规律 　　s=20；x=25；r=0.03；t=1；v=（0.1∶0.1∶1）；c=blsprice（s，x，r，t，v）； 　　plot（v，c，"r-."） 　　title（"图4看涨期权价格随波动率变化规律"）； 　　xlabel（"波动率"）；ylabel（"期权价值"）；grid on（作者单位：南京审计学院数学与统计学院） 主要参考文献：[1]罗琰，杨招军，张维.非完备市场欧式期权无差别定价研究[J].湖南大学学报（自科版），2011.9. [2]罗琰，覃展辉.随机收益流的效用无差别定价[J].重庆工商大学学报（自科版），2011. [3]邓留宝，李柏年，杨桂元.Matlab与金融模型分析[M].合肥工业大学出版社，2007.

研究生课程论文封面 课程名称 论文题目 0. 前言 光纤光栅是近二十几年来迅速发展的光纤器件，其应用是随着写入技术的不断改进而发展起来的，逐渐在实际中得到应用。 1978年，加拿大通信研究中心的Hill 等发现纤芯参锗的光纤具有光敏性，并利用驻波干涉法制成了世界上第一根光纤光栅。光纤的光敏性主要是指光线的折射率在收到某些波长的激光照射后，会发生永久改变的特性。通常情况需要紫外光照射，折射率会向着增大的方向改变。具有光敏性的光纤主要是纤芯参锗的光纤，受到紫外光照射后，纤芯折射率会增加，而包层折射率不变。 在光纤光栅的发展过程中，参锗光纤的载氢技术具有重要意义。参锗光纤本身具有光敏性，单当要求折射率改变较大时，相应就要提高纤芯的参锗浓度，这会影响光纤本身的特性。1993年，贝尔实验室的Lemaire 等用光纤载氢技术增强了光纤的光敏性，这种发发适用于任何参锗的光纤。通过光纤的载氢能够将在不增加参锗浓度情况下，使光纤的光敏性大大提高。 在平面介质光波导中，布拉格光栅的应用比较早，主要应用于半导体激光器中，而后出现了光纤布拉格光栅，随着光纤光栅写入技术的成熟，光纤光栅在光通信和传感中得到广泛应用，特别是在光通信领域。光纤布拉格光栅和长周期光纤光栅的特性和应用有许多不同之处，也有类似的地方，都可用于通信和传感等领域。 光纤布拉格光栅的周期一般在微米以下，根据耦合模理论，这样的周期表现为使向前传播的纤芯模与向后传播的纤芯模之间发生耦合，结果在输出端表现为很窄的带阻滤波特性。作为一种反射型的光纤无源器件， 光纤布拉格光栅对温度， 应变都有相当程度的敏感特性，其在光纤激光器，波分复用，可调谐光纤滤波器，高速光纤通信系统的色散补偿及光纤传感器等反面有许多重要应用。 对于长周期光纤光栅，其光栅的周期较长，根据光波导的耦合模理论，表现为向前传播的纤芯模和同向传播的包层模的耦合。特定长度和耦合系数的长周期光纤光栅可以将纤芯模耦合到包层中而损耗掉。一般来说，与光纤布拉格光纤相比，长周期光纤光栅的光谱带宽较大，其最典型的应用时参铒光纤放大器增益平坦，带阻滤波器和传感。 1. 耦合模理论 耦合模方程是从麦克斯韦方程经过一系列推导得到的，其基本思想是：利用可求解光波导的解，研究受到微扰的光波导，或者相互有影响的光波导，其理论基础在于规则光波导的具有正交性，即： u23b0u23b0(e ∞ * )u22c5z 0dxdy =2δυμ u2a2fh t υt μ 利用麦克斯韦方程组，经过变换可得： u2202H t u2207t u2a2f(u2207t u2a2fE t )-K 0n E t =-j ωμ0z 0u2a2f u2202z 2 2 u2207t u2a2f(u2207t u2a2fH t )-K 02n 2H t =j ωμ0z 0u2a2f 对于电场和磁场矢量，有： u2202E t u2202z E t (x , y , z )=e t (x , y )e j βz ，H t (x , y , z )=h t (x , y )e j βz 在微扰光波导中，横向电、磁矢量可以看作e t υ和h t μ的线性叠加，即： E t =∑a υe t υ，H t =∑b υh t υ υ υ 则： ∑ υ u239bdb υu23ab -ja υβυu23aaz 0u2a2fh t υ=-j ωε0(n 2-n 02)∑a υe t υ υu239ddz u23ad u23a1u239b11u23abu23a4j u239bda υu23ab -jb υβυu23aaz 0u2a2fe t υ=-b υu2207t u2a2fu23a2 -2u23aau2207t u2a2fh t υu23a5 ∑ ∑2 u23aaυu239ddz ωε0υu23adu23a3u239dn n 0u23adu23a6 其中，βυ为模序数为υ的本征模的传播常数。 利用模的正交关系，可以得到： db υt -ja υβυ=∑K υμa μ μdz da υz -jb υβυ=∑K υμb μ μdz j ωε022* ()n -n a e u22c5e dxdy 耦合系数： K υμ=u23b0u23b00υt υt υ 2∞ t u23a1u239b11u23abu23a4 K υμ=h t μu22c5u2207t u2a2fu23a2 -2u23aau2207t u2a2fh t υu23a5dxdy u23b0u23b02 u23aa2ωε0∞ u23a3u239dn n 0u23adu23a6 z j * 在无耦合情况下有： db υ -ja υβυ=0 dz da υ -jb υβυ=0 dz 设a υ +b υ=2A υe j βz , a υ-b υ=2B υe -j βz ，根据以上两式，可以得出微扰光波 υ υ 导中的电场、磁场分布： υ E t =∑a υe t υ=∑(A υe j βz +B υe -j βz )e t υ υ υ υ H t =∑b υh t υ=∑(A υe j βz -B υe -j βz )h t υ υ υ υυ 其中，e j βυz 和e -j βυz 分别为沿z 轴正向传播的模式和反向传播的模式，也就是说， 受到微扰后的波导中的模可以看做不同模序的前行模叠加、后行模叠加，或者说是相互叠加；A υ和B υ分别为相应分量的展开系数，均是z 的函数，可表示为 A υ(z )和B υ(z )。 于是得到普遍的耦合模方程为： dA μj (β-β)z -j (β+β)z t z t z ()()=j ∑A υK υμ+K υμe +j ∑B υK υμ-K υμe υυdz dB μj (β+β)z -j (β-β)z t z t z ))=-j ∑A υ(K υμ-K υμe -j ∑B υ(K υμ+K υμe υυdz υ μ υ μ υ μ υ μ 其中，βυ和βμ为模式υ和μ的传播常数；K υμ和K υμ分别是模式υ和μ之间的 t z 横向和纵向分量的耦合系数。K υμ和K υμ分别为： t z 1∞∞* K υμ=ωu23b0-∞u23b0-∞u2206ε(x , y , z )e t υu22c5e t μdxdy 4 1∞∞εu2206ε(x , y , z )z K υμ=ωu23b0-∞u23b0-∞z υu22c5e z *μdxdy 4ε+u2206εx , y , z t 其中，ω为光波的角频率；e t υ和e t μ分别为模式υ和μ的电场的横向矢量分量； u2206ε(x , y , z ) 为光波导中由于扰动引起的介电常量的改变量， u2206ε(x , y , z )≈2ε0n u2206n (x , y , z )，n 为未受扰动时的折射率，u2206n (x , y , z )为折 射率改变量。 位于光纤光栅来说，K υμ比K υμ小得多（大约为一个数量级），所以在通常 z t 情况下可以忽略。 2. 光纤布拉格光栅 光纤布拉格光栅使沿z 轴传播的纤芯模和沿-z 方向传播的纤芯模之间产生耦合，属于两个反向模之间的耦合，取沿z 轴传播的模的振幅为A ，沿-z 方向传播的模的振幅为B ，只考虑这两个模之间的耦合，则由上面的方程可得： dA t t =jAK 11+jBK 12e -j 2βz dz dB t t =-jBK 11-jAK 21e j 2βz dz 从耦合系数方程可知，K 12 t t =K 21 * 。前行模和后行模的自耦合系数相等，即， 故可统一记为K 11。 t 对紫外激光写入的均匀正弦布拉格光栅，折射率分布为： u23a7u23a1u239b2πu23abu23a4u23ab n 1(z )=n 1u23a81+σ(z )u23a21+cos z u23aau23a5u23ac u239dΛu23adu23a6u23adu23a3u23a9 其中，Λ为光栅的周期；σ (z )为折射率调制的缓变包络，通常称为切趾或切趾 函数；n 1σ相当于坐标z 处折射率改变量的幅值。通常情况下，折射率改变量可写为： u23a1u23a1u239b2πu23abu23a4u239b2π u2206n 1(z )=n 1σ(z )u23a21+cos z u23aau23a5=(z )u23a21+cos u239dΛu23adu23a6u239dΛu23a3u23a3 t 代入横向耦合系数K υμ中，并改写为： u23a1u239b2π K υμ=κυμ(z )u23a21+cos u239dΛu23a3 t u23abu23a4 z u23aau23a5 u23adu23a6 u23abu23a4z u23aau23a5 u23adu23a6 其中， κυμ(z )= ωε0n 12 2 σ(z )u23b0u23b0e t υ(x , y )u22c5e t *μ(x , y )dxdy =k 0n eff κυμ(z )和n eff 均是z 的慢变函数，当两个下标相同时，κυμ(z )为自耦合系数， 不同时为互耦合系数。但对于光纤布拉格光栅，只有纤芯模之间的耦合，对单模光纤，υ =μ=1。 u239b2πcos u239dΛ 2π-j z u23ab1u239bj 2Λπz Λu23abz u23aa= e +e u23aa u23adu23ad2u239d 利用关系： 将K υμ的表达式中余弦表示为指数形式，并代入耦合模方程，则会出现指数项 t 。在耦合模方程中，只有该项的指数部分为零时，才会使两个模之间 发生较强的耦合，其前面的系数才会对方程的解有大的影响，显然，括号中同时取+时，该指数项不可能为零，因此，只能取-。从而得到如下简化后的耦合模方程： e 2πu239b ±j 2β± Λu239du23abu23aaz u23ad dA =jA κ11+jB κe -j 2δz dz dB =-jB κ11-jA κ*e j 2δz dz 其中，δ =β- π Λ ，κ= κ12 2 = *κ21 2 = 2πk 0n eff π n eff 。 =n eff ，κ11=λ2λ 在上述方程中，起主导作用的是等号右边的第二项，为了简便，可以忽略含有κ11的项。从而得到如下的耦合模方程： dA =jB κe -j 2δz dz dB =-jA κ*e j 2δz dz 求解方程组后可以得到A 和B 。设光栅区在0~ L ，上述方程组可化为两个 2 独立的二阶常微分方程，取边界条件，z=0时，A=A(0);z=L时，B=B(L)。当κ时，可以得到方程的解为： >δ2 u23a7s cosh [s (L -z )]-j δsinh [s (L -z )]u23abj κsinh (sz )A (z )=e -j δz u23a8A (0)-e -j δL B (L )u23ac s cosh sL -j δsinh sL s cosh sL -j δsinh sL u23a9u23ad u23a7u23abj κ*sinh [s (L -z )]s cosh (sz )-j δsinh (sz )B (z )=e u23a8A (0)+e -j δL B (L )u23ac s cosh sL -j δsinh sL u23a9s cosh sL -j δsinh sL u23ad j δz 其中，s 2=κκ*-δ2=κ2-δ2。对一般情况，可取A （0)=1,B(L)=0,则得到光纤布拉格光栅的反射率和透射率为： P B (0)B (0)κκ*sinh 2(sL ) R ==2=2222 P A 0A 0s cosh sL +δsinh sL 2 P A (L )s 2 T == 2=2222 P A 0A 0s cosh sL +δsinh sL 2 A (L ) 在相位匹配条件下，δ=0，对应了最大反射率和最大透射率，即： R max =tanh 2(κL )，T max =cosh -2(κL ) 若设光栅的输入端功率为P 1(0)=1，P 2(0)=0，则谐振时光功率分别为 P B =tanh 2(κL ), P A =cosh -2(κL ), 下图给出了相位匹配条件下，即对谐振波长的光功率转换。 程序编码： kL=linspace(0,5); figure P_B=(tanh(kL)).^2; plot(kL,P_B,"r" ) ；hold on P_A=(cosh(kL)).^-2; plot(kL,P_A,"b" );grid 程序运行如下： FIG1. 光纤布拉格光栅的功率转换 光纤布拉格光栅中耦合模的两个模都是纤芯模，但是反向传播，相位匹配条件为δ =0，即： β-π/Λ=0 利用传播常数和有效折射率的关系β = 2π λ n eff ，可以将上式改写为： λB =2n eff Λ 利用上述光纤布拉格光栅的反射率和透射率公式，可以画出其反射谱和透射谱，程序编码如下： lambda=linspace(1540,1560,5000); k=(1.2*pi./lambda)*10^(-3);s=sqrt(k.^2-delta.^2); delta=3*pi*(lambda-1550)./(1550^2); y1=(sinh(2e6*s).^2)./(cosh(2e6*s).^2-(delta.^2./k.^2)); subplot(2,1,1);plot(z,y1,"r" ); xlabel(" 波长(nm)"),ylabel(" 反射率" ); title("FBG 反射谱" );grid; y2=1./(cosh(2e6*s).^2+(delta.^2./s.^2).*sinh(2e6*s).^2); subplot(2,1,2);plot(z,y2,"b" ); xlabel(" 波长(nm)"),ylabel(" 透射率" ); title("FBG 透射谱" );grid; 程序运行如下： FIG2. 光纤布拉格光栅反射谱和透射谱 3. 相移光纤布拉格光栅 相移光纤布拉格光栅是在均匀的折射率余弦调制光纤中，在某个或某些位置上出现相位偏移，结果会在反射谱中出现一个较窄的缺口，可以有多个相移，相应会出现多个缺口。 对相移光纤布拉格光栅，折射率变化时分段连续的，因此，不能再用一个函数来表示，需要用分段函数来表示。折射率调制可以写成： u23a1u23a1u239b2πu23abu23a4u239b2πu23abu23a4 u2206n 1(z )=n 1σ(z )u23a21+cos z +φi (z )u23aau23a5=u2206n (z )u23a21+cos z +φi (z )u23aau23a5 u239dΛu23adu23a6u239dΛu23adu23a6u23a3u23a3 z i 其中，φi (z )为第i 个相移点的相移量。 相移光纤布拉格光栅的耦合模方程可以通过传输矩阵来表示。传输矩阵是由 耦合模方程得到的，可以用于均匀和非均匀光纤光栅。类似的，利用上述方法，并考虑到： 2πu239b2πu23ab -j z +φu23aa u239b2πu23ab1u239bj u239b u239dΛz +φu23abu23aau23adΛu23adu23abcos z +φi u23aa= e +e u239du23aau239dΛu23ad2u239du23ad i i 可以得到耦合模方程： dA =jB κe j (-2δz +φ) dz i dB =-jA κ*e j (2δz -φ) dz i 经过复杂的计算，可以得到耦合模方程的解，并写成矩阵的形式为： A (z i +1)A (z i ) =F z z B (z i +1)B (z i ) i i +1 其中，F z i z i +1 当κ = s 11s 21 s 12s 22 。 >δ 时，令s 2 =κκ*-δ2=κ2-δ2，得： i +1-z i δu23a7u23ab s 11=u23a8cosh [s (z i +1-z i )]+j sinh [s (z i +1-z i )]u23ace -j δ(z s u23a9u23ad κ s 12=j sinh [s (z i +1-z i )]e -j δ(z +z )e j φ s i +1 i i ) s 21=-j sinh [s (z i +1-z i )]e j δ(z s κ i +1+z i ) e -j φ i δu23a7u23ab s 22=u23a8cosh [s (z i +1-z i )]-j sinh [s (z i +1-z i )]u23ace j δ(z s u23a9u23ad 当κ i +1-z i ) 时，令s 2 =δ2-κκ*=δ2-κ2，可以得到： i +1-z i δu23a7u23ab s 11=u23a8cos [s (z i +1-z i )]+j sin [s (z i +1-z i )]u23ace -j δ(z s u23a9u23ad κ s 12=j sin [s (z i +1-z i )]e -j δ(z +z )e j φ s i +1 i i ) s 21=-j sin [s (z i +1-z i )]e j δ(z s κ i +1+z i ) e -j φ i δu23a7u23ab s 22=u23a8cos [s (z i +1-z i )]-j sin [s (z i +1-z i )]u23ace j δ(z s u23a9u23ad i +1-z i ) 矩阵F z i z i +1称为传输矩阵。如果光线中只有一段均匀光纤布拉格光栅，通常有 B (z i +1)=0，所以： u239bs 12s 21u23abs 21 u23aas 11-A (z i ) B (z i )=-A (z i )，A (z i +1)= u23aas 22u23ads 22u239d 则反射率和透射率分别为： R = B (z i A z i 22 s 21 =s 22 2 ，T = A (z i +1)A z i 2 2 s 12s 21 =s 11- s 22 2 利用上述相移光纤布拉格光栅的反射率和透射率公式，可以画出其反射谱和透射谱，程序编码如下： function PhaseFiber_by_TransmissionMatrix_mine n=500;lamda=1e-9*linspace(1545,1555,n); [R1,R2,R3,R4]=Transmission_FBG; subplot(2,2,1);plot(lamda*1e9,R1,"r" ); title("fai=0");grid axis([1545,1555,0,1]); xlabel(" 波长/nm");ylabel(" 反射率" ); subplot(2,2,2);plot(lamda*1e9,R2,"c" ); title("fai=pi/2");grid axis([1545,1555,0,1]); xlabel(" 波长/nm");ylabel(" 反射率" ); subplot(2,2,3);plot(lamda*1e9,R3,"g" ); title("fai=pi");grid axis([1545,1555,0,1]); xlabel(" 波长/nm");ylabel(" 反射率" ); subplot(2,2,4);plot(lamda*1e9,R4,"b" ); title("fai=3*pi/2");grid axis([1545,1555,0,1]); xlabel(" 波长/nm");ylabel(" 反射率" ); end function [F1]=Transmission_FBG1(lamda,lamda_B,dn,n_eff,i) delta=2*pi*n_eff*(1./lamda-1./lamda_B); j=sqrt(-1); k=pi*dn/lamda_B;L(1)=1e-3; s=sqrt(k^2-delta.^2); s11(i,1)=(cosh(s(i)*L(1))+j*delta(i)./s(i).*sinh(s(i)*L(1))).*exp(-j*delta(i)*L(1)); s12(i,1)=j*k./s(i).*sinh(s(i)*L(1)).*exp(-j*delta(i)*L(1)); s21(i,1)=-j*k./s(i).*sinh(s(i)*L(1)).*exp(j*delta(i)*L(1));

利用光栅滤波实现图像相加减设计实验光学图像加减实验 摘要： 本实验利用正弦光栅滤波实现图像相加减的设计，用低通滤波器滤光，两列相干光，考虑相位和振幅。物光用一个E和一个F，只要改变光栅相对光轴的位置，就可以方便的改变他们的相位，从而可以获得图像的相加或相减的输出。 在医学，军事，农业，工业具有广泛的作用。引言：图像加减是相干光学处理中的一种基本的光学‐数学运算, 是图像识别的一种主要手段。其中比较感兴趣的是图像相减，因为通过相减可以求出两张相近照片的差异, 从中提取差异信息。例如：通过在不同时期拍摄的两张照片相减, 在医学上可用来发现病灶的变化; 在军事上可以发现地面军事设施的增减; 在农业上可以预测农作物的长势; 在工业上可以检查集成电路掩膜的疵病, 等等。还可用于地球资源探测、气象变化以及城市发展研究等各个领域。实现图像相减的方法很多, 本实验介绍利用正弦光栅作为空间滤波器实现图像相减的方法。一．实验目的：1 .采用正弦光栅作滤波器，对图像进行相加和相减实验，加深对空间滤波概念的理解；2 .通过实验，加深对傅里叶光学相移定理和卷积定理的认知。二．实验原理：设正弦光栅的空间频率为f0 , 将其置于4 f 系统的滤波平面P2 上, 如图1 所示, 光栅的复振幅透过率为:式中，f 为傅里叶变换透镜的焦距； 表示光栅条纹的初位相，它决定了光栅相对于坐标原点的位置。将图像A 和图像B 置于输入平面P1 上，且沿x1 方向相对于坐标原点对称放置，图像中心与光轴的距离均为b。选择光栅的频率为f0，使得 , 以保证在滤波后两图像中A 的+ 1 级像和B 的- 1 级像能恰好在光轴处重合。于是, 输入场分布可写成:在其频谱面P2 上的频谱为：由于及，因此。上式可以写成经过光栅滤波后的频谱为：图1 光学图像加减原理图通过透镜L2 进行傅立叶逆变换，在输出平面P3 上的光场为：讨论：（1）当光栅条纹的初相位时，上式变为：结果表面在输出平面P3 的光轴附近，实现了图像相加。（2）当光栅条纹的初相位时，上式变为：结果表面在输出平面P3 的光轴附近，实现了图像相减。从相加状态转换到相减状态，光栅的横向位移量应等于1/4 周期，即满足：因此，小心缓慢的横向水平移动光栅时，将在输出平面的光轴附近观察到图像A、B 交替的相加相减的效果。三．实验仪器介绍：光学实验导轨 1000mm 1 根半导体激光器(含电源) 635nm/3mW 1 台加减图像+干板夹 1 套一维光栅+干板夹 1 套傅里叶透镜 2 套毛玻璃 1 块扩束镜 1 套准直镜 1 套滑块 6 个一维位移架 1 个二维位移架 1 个四．实验步骤：图2 实验系统框图1、将半导体激光器放在光学实验导轨的一端，打开电源开关，调节二维调整架的两个旋扭，使的从半导体激光器出射的激光光束平行于光学实验导轨。2、在半导体激光器的前面放入扩束镜，调整扩束镜的高度和其上面的二维调节旋扭，使的扩束镜与激光光束同轴等高。3、在扩束镜的前面放入准直镜，调整准直镜的高度，使的准直镜与激光光束同轴等高。再调整准直镜的位置，使的从准直镜出射的光束成近似平行光。4、在准直镜的前面搭建4f 系统。保持两傅里叶透镜与激光光束同轴等高。如实验图所示。5、在4f 系统的输入面上放入待加减图像且待加减图像装在一维位移架上，频谱面上放入加减滤波器（一维光栅）且加减滤波器（一维光栅）装在二维位移架上，输出面上放入观察屏（毛玻璃）。6、通过旋转一维位移架上的旋扭，使的加减滤波器（一维光栅）发生位移，观察毛玻璃上的图像的变化，直到在毛玻璃上出加减图像为止。五、实验结果：实验中得到光学相加图像如下：得到光学相减图像如下：参考资料：[1] 苏显渝等.信息光学(第二版)[M]. 北京：科学出版社，2011.06.[2] 谢敬辉，赵达尊，阎吉祥．物理光学教程[M]．北京：北京理工大学出版社，2005．[3] 王正林，刘明．精通MATBAL7[M]．北京：电子工业出版社，2007．[4] 张平等．MATLAB基础与应用[M]．北京：北京航空航天大学出版社，2005．[5]光学相干处理，光学图像微分与加减实验报告。

在三维空间显示rgb图像 warp(x,y,z,...) displays the image on the surface (x,y,z).

恩你是在用神经网络么？

param是输入参数的集合。例如你给的程序里面，param就包含了很多个参数.param.DSOparam.nzparam.nyparam.nx等等。使用param可以将很多个参数封装在一起，这样函数调用的时候比较简洁，也利于编程和维护。

不需要在工作目录的，只需要通过uigetfile找到路径，直接xlsread("路径")就可以了。

y：黄色，yellowg：绿色，greenc：青色，cyanm：品红色，magenta希望回答能帮助到您！

clear;clcx=linspace(-20,20);y=x.*(x<1)+(2*x-1).*(1<=x&x<10)+(3*x-11).*(x>=10);plot(x,y)

作为发酵工业中游技术核心的发酵过程控制和优化技术，既关系到能否发挥菌种的最大生产能力，又会影响到下游处理的难易程度，在整个发酵过程中是一项承上启下的关键技术。本书作者多年来一直从事发酵过程的在线检测、解析、控制和优化等方面的研究，在借鉴国外的有关最新研究成果和作者自身完成的研究实例的基础上，博采众家之长，写成此书。全书结合具体的发酵过程实例，分别对发酵过程的解析、控制和优化，特别是在线检测、在线状态预测和模式识别，以及在线控制和最优化控制的技术及方法进行了比较系统详细的介绍，并引入了模糊逻辑推理、人工神经网络模型、代谢网络模型等新型的控制、优化、状态预测以及模式识别等方法和技术。本书适合于从事发酵工程、生物工程、生物化工、化学工程等相关专业领域研究的科研人员、教师和工程师使用，也可供大专院校相关专业的高年级本科生和研究生参考。目录第一章绪论1第一节生物过程的特点以及生物过程的操作、控制、优化的基本特征1第二节生物过程控制和优化的目的及研究内容2第三节发酵过程控制概论4第四节发酵过程的状态变量、操作变量和可测量变量6第五节用于发酵过程控制和优化的各类数学模型7第六节发酵过程最优化控制方法概论8一、基于非构造式动力学模型的最优化控制方法8二、基于可实时测定的过程输入输出时间序列数据和黑箱模型的最优化控制方法9参考文献10第二章生物过程参数在线检测技术11第一节ph的在线测量13一、ph传感器的工作原理13二、ph传感器的使用15第二节溶氧浓度的在线测量18一、溶氧浓度测量原理18二、溶氧电极19三、溶氧电极的使用21第三节发酵罐内氧气和二氧化碳分压的测量以及呼吸代谢参数的计算23一、氧分析仪23二、尾气co2分压的检测26三、呼吸代谢参数的计算26第四节发酵罐内氧气体积传质系数kla的测量31一、亚硫酸盐氧化法31二、溶氧电极法32三、物料衡算法33四、动态测定法34五、取样极谱法35六、复膜电极测定kla35第五节发酵罐内细胞浓度的在线测量和比增殖速率的计算36一、菌体浓度的检测方法及原理36二、在线激光浊度计38第六节生物传感器在发酵过程检测中的应用39一、生物传感器的类型和结构原理39二、发酵罐基质（葡萄糖等）浓度的在线测量43三、引流分析与控制（fia）45四、发酵罐器内一级代谢产物（乙醇、有机酸等）浓度的在线测量47参考文献48第三章发酵过程控制系统和控制设计原理及应用49第一节过程的状态方程式49第二节生物过程的典型和基本数学模型51一、生物过程最基本的合成和代谢分解反应51二、生物过程典型的数学模型形式55三、发酵过程的各种得率系数和各种比反应速率的表现形式57四、生物反应器的基本操作方式62五、发酵过程状态方程式在“理想操作点”近旁的线性化64第三节拉普拉斯变换与反拉普拉斯变换67一、拉普拉斯变换的定义68二、拉普拉斯变换的基本特性以及基本函数的拉普拉斯变换68三、反拉普拉斯变换69四、有理函数的反拉普拉斯变换69五、过程的传递函数gp(s)——线性状态方程式的拉普拉斯函数表现形式69六、过程传递函数的框图和转换70七、过程对于输入变量变化的响应特性71第四节过程的稳定性分析74一、过程稳定的判别标准74二、过程在平衡点（特异点）近旁的稳定特性的分类75三、连续搅拌式生物反应器的稳定特性的解析77第五节生物过程的反馈控制和前馈控制79一、生物过程的前馈控制79二、流加操作的生物过程中常见的前馈控制方式80三、生物过程的反馈控制83四、生物过程中反馈控制与前馈控制的并用84第六节pid反馈控制系统的设计和解析86一、闭回路pid反馈控制的性能特征86二、比例动作87三、积分动作88四、微分动作89五、pid反馈控制器的构成特征89六、反馈控制系统的稳定性分析89七、反馈控制系统的设计和参数调整91八、开关反馈控制94第七节反馈控制系统在生物过程控制中的实际应用95一、以溶氧浓度（do）变化为反馈指标的流加培养控制——doue011stat法95二、以ph变化为反馈指标的流加培养控制——phue011stat法98三、以rq为反馈指标的流加培养控制100四、直接以葡萄糖浓度为反馈指标的流加培养控制101五、以代谢副产物浓度为反馈指标的流加培养控制103参考文献105第四章发酵过程的最优化控制106第一节最优化控制的研究内容、表述、特点和方法106第二节最大原理及其在发酵过程最优化控制中的应用107一、最大原理及其算法简介107二、利用最大原理确定流加培养过程的最优基质流加策略和方式111三、最大原理的数值解法及其在生物过程最优化控制中的应用116第三节格林定理及其在发酵过程最优化控制中的应用121一、格林定理121二、利用格林定理求解流加培养（发酵）的最短时间轨道问题122三、格林定理在乳酸菌过滤培养最优化控制中的应用125四、利用格林定理进行乳酸菌过滤培养最优化控制的计算机模拟和实验结果128第四节遗传算法及其在发酵过程最优化控制中的应用131一、遗传算法简介131二、遗传算法的算法概要及其在重组大肠杆菌培养的最优化控制中的应用132三、遗传算法在酸乳多糖最优化生产中的应用138参考文献143第五章发酵过程的建模和状态预测144第一节描述发酵过程的各类数学模型简介144一、非构造式动力学模型145二、代谢网络模型146三、基于在线时间序列数据的自回归平均移动模型146四、人工神经网络模型147五、正交或多项式回归模型148第二节非构造式动力学数学模型的建模方法148一、利用非线性规划法确定非构造式动力学数学模型的模型参数148二、利用遗传算法确定过程模型参数157第三节利用人工神经网络建模和预测发酵过程的状态159一、神经细胞和人工神经网络模型159二、人工神经网络模型的类型161三、人工神经网络的误差反向传播学习算法163四、利用人工神经网络在线识别发酵过程的生理状态和浓度变化模式167五、利用人工神经网络的发酵过程状态变量预测模型169六、利用人工神经网络的非线性回归模型173七、结合使用人工神经网络模型和遗传算法的过程优化175第四节卡尔曼滤波器在发酵过程状态预测中的应用176一、卡尔曼滤波器及其算法176二、利用卡尔曼滤波器在线推定菌体的比增殖速率178参考文献180第六章发酵过程的在线自适应控制182第一节基于在线时间序列输入输出数据的自回归移动平均模型解析184一、自回归移动平均模型详解184二、利用逐次最小二乘回归法计算和确定自回归移动平均模型的模型参数186第二节基于自回归移动平均模型的在线自适应控制189一、“极配置”型的在线自适应控制系统189二、“最优控制”型的在线自适应控制系统190三、酵母菌流加培养过程的比增殖速率在线自适应最优控制193四、乳酸连续过滤发酵过程的在线自适应控制196第三节基于自回归移动平均模型的在线最优化控制201一、面包酵母连续生产的在线最优化控制201二、乳酸连续过滤发酵的在线最优化控制205第四节基于遗传算法的在线最优化控制210一、利用遗传算法实时在线跟踪和更新非构造式动力学模型的参数210二、结合使用最大原理和遗传算法的在线最优化控制212参考文献214第七章人工智能控制216第一节模糊逻辑控制器217一、模糊逻辑控制器的特点和简介217二、模糊语言数值表现法和模糊成员函数218三、模糊规则223四、模糊规则的执行和实施——解模糊规则的方法225五、模糊逻辑控制系统的构成、设计和调整228第二节模糊逻辑控制系统在发酵过程中的实际应用231一、酵母流加培养过程的模糊控制231二、谷氨酸流加发酵过程的模糊控制237三、辅酶q10发酵生产过程的模糊控制241四、模糊推理技术在发酵过程在线状态预测中的应用245第三节基于人工神经网络的控制系统及其在发酵过程中的应用250一、基于人工神经网络的在线自适应控制250二、模糊神经网络控制系统及其在发酵过程中的实际应用253三、模糊神经网络控制器及其在发酵过程中的应用260参考文献268第八章利用代谢网络模型的过程控制和优化270第一节代谢网络模型解析270一、代谢网络模型的简化、计算和求解272二、利用代谢网络模型的状态预测277第二节网络信号传递线图和利用网络信号传递线图的代谢网络模型278一、网络信号传递线图及其简化278二、利用代谢信号传递线图处理代谢网络281三、利用网络信号传递线图的代谢网络分析282第三节代谢网络模型在赖氨酸发酵过程在线状态预测和控制中的应用284一、简化代谢网络模型的建立286二、利用简化代谢网络模型进行在线状态预测的结果288参考文献290第九章计算机在生化反应过程控制中的应用291第一节过程工业的特点和计算机控制291一、过程工业的特点291二、数字计算机在过程控制中应用概述293第二节集散控制系统及接口技术296一、集散控制系统简介296二、集散控制系统的特点298三、过程接口技术299第三节柠檬酸发酵过程计算机控制系统设计302一、系统结构设计303二、组态软件设计304三、系统功能设计305四、系统控制算法及优化305第四节青霉素发酵过程专家控制系统307一、青霉素发酵过程的特点和控制上的困难307二、青霉素发酵过程专家控制系统308三、系统运行情况312

options可以不写有默认设置。options是一个结构体要用函数gaoptimset()设置。options=gaoptimset()然后把options填到ga()里面。gaoptimset("属性名1",数值1,"属性名2",数值2......)。常用设置：遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(individual)组成。每个个体实际上是染色体(chromosome)带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。因此，在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作很复杂，我们往往进行简化，如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代（generation）演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应度（fitness）大小选择（selection）个体，并借助于自然遗传学的遗传算子（genetic operators）进行组合交叉（crossover）和变异（mutation），产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码（decoding），可以作为问题近似最优解。

可以用GA来优化BP网络的初始权值，再用SA来训练网络。也可直接将两种算法融合。具体看你想怎么做。附件是一个基于Matlab的SA/GA融合程序，和你的要求不同，但是可以参考。模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。

你去下一个遗传算法的完整程序，再翻翻相关介绍的书。程序都是前后联系的，原理很简单，程序实现需要很多参数和变量，这样单单的说怎么实现很难说清楚。 建议看看王小平的《遗传算法-理论，应用及软件实现》

第1章 基本的PID控制 11.1 PID控制原理 11.2 连续系统的模拟PID仿真 21.2.1 基本的PID控制 21.2.2 线性时变系统的PID控制 81.3 数字PID控制 121.3.1 位置式PID控制算法 121.3.2 连续系统的数字PID控制仿真 131.3.3 离散系统的数字PID控制仿真 191.3.4 增量式PID控制算法及仿真 251.3.5 积分分离PID控制算法及仿真 271.3.6 抗积分饱和PID控制算法及仿真 321.3.7 梯形积分PID控制算法 351.3.8 变速积分PID算法及仿真 351.3.9 带滤波器的PID控制仿真 391.3.10 不完全微分PID控制算法及仿真 451.3.11 微分先行PID控制算法及仿真 491.3.12 带死区的PID控制算法及仿真 521.3.13 基于前馈补偿的PID控制算法及仿真 561.3.14 步进式PID控制算法及仿真 591.3.15 PID控制的方波响应 611.3.16 基于卡尔曼滤波器的PID控制 641.4 S函数介绍 731.4.1 S函数简介 731.4.2 S函数使用步骤 731.4.3 S函数的基本功能及重要参数设定 731.4.4 实例说明 741.5 PID研究新进展 74第2章 PID控制器的整定 762.1 概述 762.2 基于响应曲线法的PID整定 762.2.1 基本原理 762.2.2 仿真实例 772.3 基于Ziegler-Nichols的频域响应PID整定 812.3.1 连续Ziegler-Nichols方法的PID整定 812.3.2 仿真实例 812.3.3 离散Ziegler-Nichols方法的PID整定 842.3.4 仿真实例 842.4 基于频域分析的PD整定 882.4.1 基本原理 882.4.2 仿真实例 882.5 基于相位裕度整定的PI控制 912.5.1 基本原理 912.5.2 仿真实例 942.6 基于极点配置的稳定PD控制 952.6.1 基本原理 952.6.2 仿真实例 962.7 基于临界比例度法的PID整定 982.7.1 基本原理 982.7.2 仿真实例 992.8 一类非线性整定的PID控制 1012.8.1 基本原理 1012.8.2 仿真实例 1032.9 基于优化函数的PID整定 1052.9.1 基本原理 1052.9.2 仿真实例 1052.10 基于NCD优化的PID整定 1072.10.1 基本原理 1072.10.2 仿真实例 1072.11 基于NCD与优化函数结合的PID整定 1112.11.1 基本原理 1112.11.2 仿真实例 1112.12 传递函数的频域测试 1132.12.1 基本原理 1132.12.2 仿真实例 114第3章 时滞系统的PID控制 1173.1 单回路PID控制系统 1173.2 串级PID控制 1173.2.1 串级PID控制原理 1173.2.2 仿真实例 1183.3 纯滞后系统的大林控制算法 1223.3.1 大林控制算法原理 1223.3.2 仿真实例 1223.4 纯滞后系统的Smith控制算法 1243.4.1 连续Smith预估控制 1253.4.2 仿真实例 1263.4.3 数字Smith预估控制 1283.4.4 仿真实例 129第4章 基于微分器的PID控制 1344.1 基于全程快速微分器的PID控制 1344.1.1 全程快速微分器 1344.1.2 仿真实例 1344.2 基于Levant微分器的PID控制 1434.2.1 Levant微分器 1434.2.2 仿真实例 144第5章 基于观测器的PID控制 1565.1 基于慢干扰观测器补偿的PID控制 1565.1.1 系统描述 1565.1.2 观测器设计 1565.1.3 仿真实例 1575.2 基于干扰观测器的PID控制 1625.2.1 干扰观测器基本原理 1625.2.2 干扰观测器的性能分析 1645.2.3 干扰观测器鲁棒稳定性 1665.2.4 低通滤波器 的设计 1675.2.5 仿真实例 1685.3 基于扩张观测器的PID控制 1725.3.1 扩张观测器的设计 1725.3.2 扩张观测器的分析 1735.3.3 仿真实例 1755.4 基于输出延迟观测器的PID控制 1895.4.1 系统描述 1895.4.2 输出延迟观测器的设计 1895.4.3 延迟观测器的分析 1905.4.4 仿真实例 191第6章 自抗扰控制器及其PID控制 2016.1 非线性跟踪微分器 2016.1.1 微分器描述 2016.1.2 仿真实例 2016.2 安排过渡过程及PID控制 2056.2.1 安排过渡过程 2056.2.2 仿真实例 2066.3 基于非线性扩张观测器的PID控制 2126.3.1 系统描述 2126.3.2 非线性扩张观测器 2126.3.3 仿真实例 2136.4 非线性PID控制 2256.4.1 非线性PID控制算法 2256.4.2 仿真实例 2256.5 自抗扰控制 2286.5.1 自抗扰控制结构 2286.5.2 仿真实例 228第7章 PD鲁棒自适应控制 2397.1 挠性航天器稳定PD鲁棒控制 2397.1.1 挠性航天器建模 2397.1.2 PD控制器的设计 2407.1.3 仿真实例 2407.2 基于名义模型的机械手PI鲁棒控制 2457.2.1 问题的提出 2457.2.2 鲁棒控制律的设计 2467.2.3 稳定性分析 2467.2.4 仿真实例 2477.3 基于Anti-windup的PID控制 2557.3.1 Anti-windup基本原理 2557.3.2 基于Anti-windup的PID控制 2557.3.3 仿真实例 2567.4 基于PD增益自适应调节的模型参考自适应控制 2597.4.1 问题描述 2597.4.2 控制律的设计与分析 2607.4.3 仿真实例 261第8章 模糊PD控制和专家PID控制 2708.1 倒立摆稳定的PD控制 2708.1.1 系统描述 2708.1.2 控制律设计 2708.1.3 仿真实例 2718.2 基于自适应模糊补偿的倒立摆PD控制 2748.2.1 问题描述 2748.2.2 自适应模糊控制器设计与分析 2758.2.3 稳定性分析 2768.2.4 仿真实例 2778.3 基于模糊规则表的模糊PD控制 2848.3.1 基本原理 2848.3.2 仿真实例 2858.4 模糊自适应整定PID控制 2888.4.1 模糊自适应整定PID控制原理 2888.4.2 仿真实例 2918.5 专家PID控制 2968.5.1 专家PID控制原理 2968.5.2 仿真实例 297第9章 神经PID控制 3019.1 基于单神经元网络的PID智能控制 3019.1.1 几种典型的学习规则 3019.1.2 单神经元自适应PID控制 3019.1.3 改进的单神经元自适应PID控制 3029.1.4 仿真实例 3039.1.5 基于二次型性能指标学习算法的单神经元自适应PID控制 3059.1.6 仿真实例 3069.2 基于RBF神经网络整定的PID控制 3099.2.1 RBF神经网络模型 3099.2.2 RBF网络PID整定原理 3109.2.3 仿真实例 3119.3 基于自适应神经网络补偿的倒立摆PD控制 3169.3.1 问题描述 3169.3.2 自适应神经网络设计与分析 3169.3.3 仿真实例 319第10章 基于遗传算法整定的PID控制 32510.1 遗传算法的基本原理 32510.2 遗传算法的优化设计 32610.2.1 遗传算法的构成要素 32610.2.2 遗传算法的应用步骤 32610.3 遗传算法求函数极大值 32710.3.1 二进制编码遗传算法求函数极大值 32710.3.2 实数编码遗传算法求函数极大值 33110.4 基于遗传算法的PID整定 33410.4.1 基于遗传算法的PID整定原理 33510.4.2 基于实数编码遗传算法的PID整定 33710.4.3 基于二进制编码遗传算法的PID整定 34110.4.4 基于自适应在线遗传算法整定的PD控制 34710.5 基于摩擦模型补偿的PD控制 35210.5.1 摩擦模型辨识 35210.5.2 仿真实例 353第11章 伺服系统PID控制 35911.1 基于LuGre摩擦模型的PID控制 35911.1.1 伺服系统的摩擦现象 35911.1.2 伺服系统的LuGre摩擦模型 35911.1.3 仿真实例 36011.2 基于Stribeck摩擦模型的PID控制 36211.2.1 Stribeck摩擦模型描述 36211.2.2 一个典型伺服系统描述 36311.2.3 仿真实例 36411.3 伺服系统三环的PID控制 37111.3.1 伺服系统三环的PID控制原理 37111.3.2 仿真实例 37211.4 二质量伺服系统的PID控制 37511.4.1 二质量伺服系统的PID控制原理 37511.4.2 仿真实例 37711.5 伺服系统的模拟PD+数字前馈控制 37911.5.1 伺服系统的模拟PD+数字前馈控制原理 37911.5.2 仿真实例 380第12章 迭代学习PID控制 38212.1 迭代学习控制方法介绍 38212.2 迭代学习控制基本原理 38212.3 基本的迭代学习控制算法 38312.4 基于PID型的迭代学习控制 38312.4.1 系统描述 38312.4.2 控制器设计 38412.4.3 仿真实例 384第13章 其他控制方法的设计与仿真 39013.1 单级倒立摆建模 39013.2 倒立摆PD控制 39113.2.1 系统描述 39113.2.2 仿真实例 39113.3 单级倒立摆的全状态反馈控制 39413.3.1 系统描述 39413.3.2 全状态反馈控制 39513.3.3 仿真实例 39513.4 输入/输出反馈线性化 40313.4.1 系统描述 40313.4.2 控制律设计 40413.4.3 仿真实例 40413.5 倒立摆反演控制 40813.5.1 系统描述 40813.5.2 控制律设计 40813.5.3 仿真实例 40913.6 倒立摆滑模控制 41313.6.1 问题描述 41313.6.2 控制律设计 41313.6.3 仿真实例 41413.7 自适应鲁棒控制 41913.7.1 问题的提出 41913.7.2 自适应控制律的设计 41913.7.3 仿真实例 42013.8 单级倒立摆的H∞控制 42713.8.1 系统描述 42713.8.2 H∞控制器要求 42813.8.3 基于Riccati方程的H∞控制 42913.8.4 基于LMI的H∞控制 42913.8.5 仿真实例 43113.9 基于GUI的倒立摆控制动画演示 43813.9.1 GUI介绍 43813.9.2 演示程序的构成 43913.9.3 主程序的实现 43913.9.4 演示界面的GUI设计 43913.9.5 演示步骤 440第14章 PID实时控制的C++语言 设计及应用 44214.1 控制系统仿真的C++实现 44214.2 基于C++的三轴飞行模拟转台伺服系统PID实时控制 44414.2.1 控制系统构成 44514.2.2 实时控制程序分析 44514.2.3 仿真实例 449附录A 常用符号说明 459参考文献 460

什么样的组合优化问题？如果是旅行商问题、车辆路径问题、最短路径问题等，网络上有好多现成的代码的。

本书系统介绍MATLAB遗传算法和直接搜索工具箱的功能特点、编程原理及使用方法。全书共分为9章。第一章至第四章介绍遗传算法的基础知识，包括遗传算法的基本原理，编码、选择、交叉、变异，适应度函数，控制参数选择，约束条件处理，模式定理，改进的遗传算法，早熟收敛问题及其防止等。第五章至第七章介绍英国设菲尔德（Sheffield）大学的MATLAB遗传算法工具箱及其使用方法，举例说明如何利用遗传算法工具箱函数编写求解实际优化问题的MATLAB程序。第八章和第九章介绍MathWorks公司最新发布的MATLAB遗传算法与直接搜索工具箱及其使用方法。本书取材新颖，内容丰富，逻辑严谨，语言通俗，理例结合，图文并茂，注重基础，面向应用。书中包含大量的实例，便于自学和应用。

有了优化目标，写出目标函数，直接优化。

建模覆盖的内容很广，可以分为两大块：优化和统计，因此建模方法也可以由这两大块划分。一.优化：智能算法: 遗传算法，粒子群算法，模拟退火算法，蚁群算法...基础优化算法: 目标规划，整数规划...排队论二.统计：分类/聚类算法: k-means...预测: 时间序列算法，灰色预测算法，指数平滑算法，评价: 模糊综合评价，信息熵评价，粗糙集,数据包络分析，层次分析，智能算法：神经网络，svm...回归/拟合：多元线性拟合，最小二乘法数据处理：小波变换

Matlab 中的fimincon函数优化

a=[1 0 -1 -1]; roots(a)或者solve（"x^3-x-1=0")

http://mirage.yo2.cn/archives/34639

反正不是函数，是变量名吧。

mm=100;nn=mm^2;s=0;u=[37.46*1.16 384.8 20.73];%矩阵U第一列代表抗力R,第二列代表fy,第三列代表fcp=[37.46*0.13 360*0.07 14.3*0.19];%矩阵p的三列分别为R,fy,fc的标准差a=log(lognrnd(u(1,1),p(1,1),mm,mm));%对数正态分布随机抽样d=normrnd(u(1,2),p(1,2),mm,mm);%正态分布fy随机抽样c=normrnd(u(1,3),p(1,3),mm,mm);%正态分布fc随机抽样for i=1:nn if d(i)*As*(h0-as)+c(i)*b*x*(h0-x/2)-n*(h/2-as)-a(i)*1e+6<0% 功能函数 s=s+1; end i=i+1;endbb=norminv(1-s/nn)%可靠度指标disp(s)

有。《机械原理matlab辅助分析第二版》出版时，是附带了官方答案的。《机械原理MATLAB辅助分析》介绍了数学软件MATLAB辅助机械原理分析的方法。

加法的意思

你可以设置一个x轴，x=[0:length(y)-1].stairs(x,y). 这样横坐标就是从0开始。

　函数简介：　　在matlab中stairs函数用于绘制阶梯状图，在图像处理中的直方图均衡化技术中有很大的意义。在matlab的命令窗口中输入doc stairs或者help stairs即可获得该函数的帮助信息。　　调用格式：　　stairs(Y)　　stairs(X,Y)　　stairs(...,LineSpec)　　stairs(...,"PropertyName",propertyvalue)　　stairs(axes_handle,...)　　h = stairs(...)　　[xb,yb] = stairs(Y,...)　　各种调用格式的详细用法参见matlab的帮助文档。　　　　程序示例：　　示例一：　　x = linspace(-2*pi,2*pi,40);　　stairs(x,sin(x))　　示例二：　　绘制直方图　　下面这个示例简单的描述了用这个函数绘制直方图　　rand("default");　　n = rand(1,10);　　stairs(n);

他太太太太太太太太太太太太太太太太太太太太太太太太太太太太太太太太太太太太太

就是因为取log，才叫快速傅立叶变换，可以看看我之前写的关于DFT的文章，opencv图象处理方面的。

额，说道提取，函数应该是无法给出的，除非有设置这方面的功能，所以你如果想要fftshift的公式的话，要么去网上查，或者，在matlab中输入open fftshift命令查看fftshift函数源代码，或许可以找到公式。

第1章 无线通信与FPGA开发综述1.1 无线通信的发展概况1.2 无线通信的主要特点1.3 无线通信系统的组成1.4 未来无线通信系统的发展趋势1.5 FPGA在无线通信中的应用优势1.5.1 FPGA特征简介1.5.2 FPGA在无线通信中的应用综述1.5.3 无线通信基站的FPGA实现架构1.6 Xilinx公司的无线通信解决方案1.6.1 Xilinx面向无线通信中的高端芯片——Virtex系列1.6.2 Xilinx的高效开发工具——ISE Design Suite1.6.3 Xilinx公司的蜂窝通信开发资源1.6.4 Xilinx公司的广播系统开发资源1.7 本章小结1.8 本章参考文献第2章 无线通信中的数字处理基础2.1 数的表示2.1.1 定点表示2.1.2 浮点表示2.1.3 定点制数的量化2.1.4 加法、乘积的舍入误差2.2 AD转换的字长效应2.3 常用算术运算模块的FPGA实现2.3.1 加法运算的FPGA实现2.3.2 乘法运算的FPGA实现2.3.3 除法运算的FPGA实现2.3.4 Cordic算法的FPGA实现2.4 本章小结2.5 本章参考文献第3章 无线通信中的DSP处理基础3.1 数控振荡器的FPGA实现3.1.1 DDS算法原理3.1.2 DDS算法的Verilog实现3.1.3 DDS算法IP Core的使用3.2 快速傅里叶变换的FPGA实现3.2.1 DFT和FFT基本思想3.2.2 FFT算法的基本原理及其MATLAB实现3.2.3 FFT的硬件实现结构3.2.4 IFFT原理与实现3.2.5 FFT/IFFT IP Core的使用3.3 FIR滤波器的FPGA实现3.3.1 数字滤波器的分类3.3.2 数字滤波器的数学模型3.3.3 数字滤波器的性能指标3.3.4 FIR滤波器的原理与设计3.3.5 FIR滤波器的FPGA实现3.3.6 FIR滤波器IP Core的使用3.4 多速率滤波器的FPGA实现3.4.1 多速率信号处理的意义3.4.2 多速率信号滤波器的基本操作3.4.3 CIC滤波器的FPGA实现3.4.4 HB滤波器的FPGA实现3.5 自适应滤波器的FPGA实现3.5.1 自适应滤波简介3.5.2 自适应滤波的应用3.5.3 LMS算法的MATLAB实现3.5.4 LMS算法的FPGA实现3.5.5 LMS算法的软件调试3.6 本章小结3.7 本章参考文献第4章 调制解调的实现4.1 调制/解调的基本功能与要求4.1.1 调制解调的基本功能4.1.2 调制/解调的分类4.1.3 基本调制方法原理及性能简要分析4.1.4 数字信号的带宽和功率谱密度4.1.5 影响选择数字调制方式的因素4.2 数字调制/解调器的低中频解决方案4.2.1 传统的调制解调方案……第5章　信道编解码的实现第6章　最佳接收机的实现第7章　分集、均衡和干扰抵消的实现第8章　同步的实现第9章　数字前端技术的实现第10章　WCDMA系统关键技术的实现

严格讲，只有频率为基波整数倍的才称为谐波。而非整数倍的，称为分数次谐波或间谐波。间谐波可以采用fft分析。其基本原理和方法与谐波分析完全相同。假设信号基波频率为f0，对一个信号周期进行fft，最低频率的交流分量的频率为f0，称为基波，其余分量的频率为基波频率的整数倍，称为谐波。对M个信号周期进行fft，最低频率的交流分量的频率为f0/M基波，其余分量的频率为f0/M的整数倍，例如，频率由低到高，第N个交流分量的频率为f0的N/M的，称为间谐波。

我放个《通信原理——基于matlab的计算机仿真》的例子，是对方波进行分析的。以下是主函数：%*********利用DFT计算信号的频谱并与信号的真实频谱的抽样比较*******************%***********************方波的傅里叶变换************************************clear all;close all;T = 1;N_sample = 128;dt = T/N_sample;t = 0:dt:T - dt;st = [ones(1,N_sample/2), -ones(1,N_sample/2)];%一个周期的方波subplot(211);plot(t,st);axis([0 1 -2 2]);xlabel("t");ylabel("s(t)");subplot(212);[f,sf] = DFT_T2F(t,st);plot(f,abs(sf));hold on;axis([-10 10 0 1]);xlabel("f");ylabel("|S(f)|");%根据傅里叶变换计算得到的信号频谱相应的位置的抽样值sff = T^2*1i*pi*f*0.5.*exp(-1i*2*pi*f*T).*sinc(f*T*0.5).*sinc(f*T*0.5);plot(f,abs(sff),"r--")以下是子函数：%使用FFT函数计算信号的傅里叶变换function [f,sf] = DFT_T2F(t,st)%输入：时间，信号向量；时间长度必须大于2%输出：频率，信号频谱dt = t(2) - t(1);T = t(end);df = 1/T;N = length(st);f = -N/2*df:df:N/2*df-df;sf = fft(st);sf = T/N*fftshift(sf);

检索算符包括（1）布尔算符（2）截词检索符 （3）限制检索符（4）位置逻辑检索符（5）加权检索它们的用法如下： 一、布尔逻辑算符：布尔检索式是采用逻辑加（“OR”或“+”）、逻辑乘（“AND”或“*”） 和逻辑非（“NOT”或“—”）等算符，指定文献的标引词中必须存在的条件或不能出现的条件。采用“OR”（“+”）算符时，检索式写作A OR B（即A + B），表明数据库中凡有检索词A或者B，或同时有A和B的记录均为命中记录。使用逻辑或可连接同一检索组面的多个同义词、近义词和相关词，扩大检索范围。采用“AND”（“*”）算符时，检索式写作A AND B（即A * B），表明数据库中同时有检索词A和B的记录才为命中记录。逻辑与可增强检索的专指性，缩小检索范围。采用“NOT”（“—”）算符时，检索式写作A NOT B（即A — B），表明数据库中凡有检索词A而不含检索词B的记录才为命中记录。使用逻辑非可以排除不希望出现的概念，增强检索的准确性。 布尔检索式优先执行顺序通常是NOT、AND、OR，在有括号的情况下，先执行括号内的逻辑运算，在多层括号时，先执行最内层括号中的运算。布尔检索比较容易掌握，但使用不当会造成大量漏检和误检，特别是非运算符的运用应特别小心，否则会把有用的文献排除了。二、截词检索算符：在实际检索中，常遇到词干相同、词义相近的检索词，或同一词的单、复数形式，动、名词形式,英美拼法等，所谓截词检索，就是将通配符如“*”、“？”或“$”等等，放在检索词中检索者认为合适的地方截断，用截断的词的一个局部进行检索，并认为凡满足这个词局部中的所有字符（串）的文献，都为命中文献。这样，检索者不必输入完整的检索词。截词方式有多种，按截断的字符数量分，有有限截断和无限截断；按截断的位置分，有后截断、前截断、中间截断。后截断，是将截词符号放在一个字符串的右方，满足截词符左方所有字符的记录都为命中记录。从性质上讲，这是一种前方一致的检索。前截断，是将截词符放在一个字符串的左方，表示其右的有限或无限个字符不影响该字符串的检索，或者说这是一种后方一致检索，对汉语中的复合词组的检索非常方便。前截断和后截断可以结合使用，即中间一致检索。所谓有限截词，是在检索词后截去有限的字母，例如输入computer? ?，表示“？”可以有0-1个字母变化，系统即检出带有computer和computers的文献；输入stud??? ?，表示截三个字母，可检索出带有study, studies, studied和studing等的文献。无限截词是在检索词根后加一个“？”，表示该词后带任意字母的词都需要，如输入comput? 则可检出含有computers, computing, computered等的文献。 三、限制检索算符：在编制检索式时，使用字段限制检索符可以限定检索词在数据库中出现的范围，对命中太多的记录再行筛选。如检索式：AU=Gordon? AND PY=199?，表示查找Gordon所写的、于1990年后发表的所有文献。这种字段检索可由代表文献内容特征的基本索引（Basic Index）字段和代表文献外表特征的辅助索引（Additional Index）字段中的单元词（Word）或多元词（Phrase）构成，前者含有所有与主题内容相关的词，如书目型数据库中的题目、文摘、规范词字段中的叙词等，后者含有记录中除基本索引字段外的那部分信息，如作者、语种、出版年等。四、位置逻辑检索算符又称全文查找逻辑算符，相邻度检索算符，原文检索符。由于布尔检索的“AND”运算要求AND两边的检索词在同一记录中同时存在才能命中文献，这就可能会引起误组配而造成大量误检，而位置逻辑检索是以原始记录中检索词与检索词间特定的位置关系为逻辑运算的对象，检索词用位置算符相连，就可以弥补布尔检索的缺陷。此外，这种检索也不必依赖先组式词表而直接使用自由词进行检索，因而可使检索结果更准确。 位置逻辑检索算符可分为 词位置检索算符 同句检索算符 同字段检索算符 同记录检索算符词位置检索算符：即要求检索词之间的相互位置满足某些条件而使用的检索算符，它们是： （W）与（nW）——(W)算符是“word”或“with”的缩写，表示此算符两边的检索词词序不能颠倒，两个词之间可有一个空格、或一个标点符号、或一个连接号；(nW)则表示两个检索词之间最多嵌入n个词。例如，检索“CD-ROM”，则可用 ？S CD（W）ROM； 而用price(2W)inflation , 则可能检出price levels and inflation。（N）与（nN）——（N）算符是“near”的缩写，表示此算符两边的检索词必须紧密相连，此间不允许插入其他单词或字母，但词序可以颠倒，而（nN）算符则表示在两个检索词之间最多可以插入n个单词，且词序可以颠倒。如，？S econom??(2N)recovery，可以检出：economic recovery, recovery of the economy, recovery from economic troubles。（X）与（nX）——（X）算符要求其两边的检索词完全一致，并以指定的顺序相邻，中间不允许插入任何单词或字母；（nX）算符则表示两边的检索词之间最多可以插入n个单元词，但两边的检索词也必须一致。词位置检索是很有用的检索技术，它可以规定词组中各词的前后次序，防止错误的搭配和输出；它也可以替代词组中的禁用词。DIALOG系统有9个禁用词：AND、FOR、THE、AN、FROM、TO、BY、OF、WITH，如果在编制检索式时碰到禁用词，就要用词位置算符代替它。同句检索算符：要求参加检索运算的两个词必须在同一自然句中出现，其先后顺序不受限制，可用算符（S）（S是Sentence的首字母）。同句检索放宽了词位置检索的要求，使表达同一概念但不满足词位置条件的文献也可以被检索出来，从而提高了查全率。同字段检索算符：对同句检索条件进一步放宽，可以用算符（F）、（L）、进行同字段检索。（F）（“Field”的首字母）表示各检索词必须同时出现在文献记录的某个或某些字段中，词序可变，字段类型可用后缀符限定。如：？select market ? (F) information/DE,TI说明market? 和information两个词必须同时出现在叙词字段或题名字段中。（L）（Link的首字母）要求检索词同在叙词字段（DE）中出现，并具有词表规定的等级关系。因此该算符只适用于有正式词表、且词表中的词具有从属关系的数据库。如iron(L)corrosion表示corrosion （腐蚀）是iron (铁)的下属词。 此外，还有同记录检索符，用位置算符（C）要求它两侧的检索词同在一条数据库记录中出现，如A（C）B，其检索效果与布尔算符的检索式A AND B相同。更详细的解释请参考：

你再加上归一化去除加性分量试试

matlab频谱灯动画设计的原理，根据FFT的原理， N个音频信号样本参与计算将产生N/2个数据(2048/2=1024)，其频率分辨率△f=Fs/N =...

首先用FFT对实验数据进行频谱分析，找到你所需要信号的频率范围和噪声的频率范围，然后将噪声频段全部置零，最后将去噪后的信号进行IFFT，还原信号。

http://wenku.baidu.com/view/c51fab2758fb770bf78a5551.html望采纳

引言---美国ni公司推出的labview语言是一种优秀的面向对象的图形化编程语言，使用图标代替文本代码创建应用程序，拥有大量与其他应用程序通信的vi库。labview作为目前国际上应用最广的数据采集和控制开发环境之一，在测试与测量、数据采集、仪器控制、数字信号分析、通信仿真等领域获得了广泛的应用。本文主要研究基于labview的通信仿真。 labview程序结构---labview程序主要包括两部分：前面板(即人机界面)和方框图程序。前面板用于模拟真实仪器的面板操作，可设置输入数值、观察输出值以及实现图表、文本等显示。框图程序应用图形编程语言编写，相当于传统程序的源代码。其用于传送前面板输入的命令参数到仪器以执行相应的操作。labview的强大功能在于层次化结构，用户可以把创建的vi程序当作子程序调用，以创建更复杂的程序，而且，调用阶数可以是任意的。labview编程方法与传统的程序设计方法不同，它拥有流程图程序设计语言的特点，摆脱了传统程序语言线性结构的束缚。labview的执行顺序依方块图间数据的流向决定，而不像一般通用的编程语言逐行执行。在编写方块图程序时，只需从功能模块中选用不同的函数图标，然后再以线条相互连接，即可实现数据的传输。 仿真过程---信号源产生的是模拟信号，必须首先对它进行数字处理。在仿真过程中，用100hz的正弦信号作为信号源。按照一般语音通信的要求，这里采用8khz速率对100hz的正弦号进行抽样，得到的是间隔为125μs的离散抽样值。信号的幅度为归一化幅度，最小幅度为-1，最大幅度为1，再进行32级(4bit)pcm量化编码。再将每一个样值转化成4bit的二进制的pcm代码流，其速率为32kbps。对pcm编码的数据流进行汉明编码，得到的是56kbps的纠错编码后的数据流。随后进行调制，在发送端对码流进行4psk数字编码调制，采用的载波是400khz的正弦波，然后送上信道进行传输。信道是最常见的高斯加性白噪声信道，信号传输过程中受到高斯噪声的干扰。在接收端对接受到的码流进行数字解调、汉明码解码，最后pcm信号恢复所发送的信号。---这里所使用的仿真环境为labview软件。下文中主要针对4psk的仿真进行叙述。● 抽样、量化和编码---在发送端，源(source)子vi产生一个100hz的正弦信号作为信号源，通过量化(quantify)子vi对它进行抽样和量化。对信号源进行8khz的抽样，抽样产生的离散抽样值归一化为绝对值小于等于1的数据流。量化器把-1～1的范围等分为32个小区间，每一个区间用0～31之间的一个整数表示，每个样值通过它被量化成32个值中的某一个值，再转化成元素为0、1的矢量，即c端输出的源信息流。这时输出的是长度为4的矢量，进入到编码(coding)子vi。在信号传输的过程中，为了提高信号的传输效率，降低误码率，采用了纠错编码技术。这里采用的是(4，7)汉明纠错编码技术。对8ksps的矢量信号中，每个矢量加入3bit的控制位，但所占的时间长度仍为原来4位矢量的时间长度。接着，将7位的矢量信号进行串行化，产生56kbps的0、1数据流输出到a端，如图1所示。● 调制、解调和信道传输---从a端输出的二进制数据流在调制(modulation)子vi中进行4psk数字调制。4psk是受0～3这4个数据调制的，这四个值是用连续两个二进制位表示的。这里进行的调制是基带调制，调制子vi输出的调制过后的基带信号。采用多个控件实现对调制的一些基本参数的设定，如字符速率、每个字符的采样数、波形形成滤波器的类型及参数。输出的基带信号通过上变频(upconverter)vi实现上变频，把基带信号搬移到400khz的频率段。对应实际中的信号，就可以直接发射到信道上了。仿真过程中，采用的是一个简单的加性高斯白噪声信道模型。通过对信噪比(eb/no)控件的设置，实现对信道信噪比参数的选择。接受端收到一个被信道噪声损伤的信号，通过相逆过程实现解调功能。经过下变频(downconverter)vi程序下变频的基带信号进入到解调(demodulation)子vi。在解调中进行相位检测，将4个不同的相位检测出来，映射成0～3的4个不同的量值，然后转换为2bit的二进制比特流从b端输出。所述实现了调制解调和高斯白噪声信道的传输，如图2所示。● 解码和信号恢复---b端输出的二进制比特流进入到解码(decode)子vi，其完成数据流的汉明码译码的功能。解码vi将比特流组成七维的矢量数组，经汉明距离的判断，再把七维矢量纠错转化为四维矢量，即d端输出的接受信息流，完成纠错译码的功能。四维的矢量数组由to dwave子vi化为数字波形进行显示，接下来通过数模转换vi恢复到模拟的信号,如图3所示。● 信号的同步---为了实现信号的同步，避免信道延迟带来的影响，在整个传输过程中引入了保护信号和同步信号。生成的保护和同步信号从e端输出。在信息比特进入调制子vi之前，就在信息比特的前面加上了保护信号和同步信号，e端和a端输出的信号合为一路信号，然后再进行调制。在接受方通过把同步信号映射为字符，再与接受的字符流进行比较，确定同步信号的位置，实现接受和发射的同步。同步信号的产生和输出，如图4所示。● 误码率的计算---为了计算误码率，c端的源信息流和d端的接受信息流通过一个比较(compare)子vi进行比较，计算出误码的个数，从而计算出误码率，如图5所示。● 性能分析---4psk数字相位调制波形可表示为---其向量表达式为---4psk符号错误概率为---由于进行了(7，4)汉明码纠错编码，然后进行4psk调制，并且 比特符号对相应信号相位映射中采用格雷(gray)码，因而编码比特能量可以用信息比特能量表示为---且---程序采用的模拟加性高斯白噪声信道，设定信道的信噪比则为 ，可得---图6为仿真生成和理论生成的误码率的对照图。信道信噪比超过7db以后，要求样本数很大，由于计算机内存的限制，使得仿真的结果与理论的结果有一定偏差。在7db之前，仿真误比特率和理论值很接近，拟合得很好。结论---作为应用最广的数据采集和控制开发环境之一，labview在通信仿真中有着重要的作用。由于labview有很强的仪器控制功能，相对于matlab等其他仿真软件，labview能更有效地把仿真试验移植到实际中。labview只需要用实际的发射和接受机及实际的信道来替换模拟的发射和接受机及模拟的信道，但也要进行一定量的相应改动。这样就能很好地把labview在仿真和仪器控制两方面的功能有机结合起来，更好地发挥labview在虚拟仪器中的作用。参考文献1 田丽华编著.编码理论.西安电子科技大学出版社.20042 john g. proakis. digital communication. fourth edition. mcgraw-hill companies. 20013 曹志刚,钱亚生编著.现代通信原理.清华大学出版社. 2002

二维散点图1、首先打开电脑上的“matlab”软件，主界面如下图所示。2、接着在命令窗口输入命令，二维散点图绘制首先需要x和y的坐标点，如下图所示。3、绘制二维散点图需要使用scatter函数，函数的调用格式如下图所示。4、x和y的个数应该一致，下面在命令行输入“scatter(x,y)”命令。5、点击回车键后，绘制出的二维散点图如下图所示。6、接着可以使用plot函数，把散点图连接成线，具体的命令为plot(x,y)。7、将七个数据点连接起来，绘制出x和y的关系图，如下图所示。三维散点图8、三维散点图的绘制就需要x、y和z的数据点了，采用函数scatter3。9、点击回车键之后，程序运行，绘制出三维散点图如下所示。

scatter3(a,b,c,"o",d,"filled");view(0,90);colorbar;

给你一个实例，希望你帮到你。[x,y,z] = sphere(16);X = [x(:)*.5 x(:)*.75 x(:)];Y = [y(:)*.5 y(:)*.75 y(:)];Z = [z(:)*.5 z(:)*.75 z(:)];S = repmat([1 .75 .5]*10,numel(x),1);C = repmat([1 2 3],numel(x),1);scatter3(X(:),Y(:),Z(:),S(:),C(:),"filled"), view(-60,60)

首先需要建立M文件，编写代码，由于是离散数据，计算保存在一维矩阵中，如下所示：% calculate the first linex1 = 0:1:10;y1 = x1.^2;由于要绘制散点图，所以不能用plot函数，该函数是绘制连续曲线的！要用stem函数代替，如下所示：% 绘制离散点会填色，实心stem(x1,y1,"fill");当然也可以写成这样子：% 绘制离散点空心，不填色stem(x1,y1);

首先，scatter这个函数的用法不对吧，scatter只要求四个输入，你的z是怎么回事？其次，plot这个函数用法也不对，没有‘z－"这个表示最后，你的scatter和plot都是画图，而且都画在一张图上，plot会覆盖scatter的

scatter3(x,y,z,c), 每个点的颜色可以用矩阵c指定