中国地质大学
结课报告
课程名称：MATLAB
教师姓名：王贤敏
本科生姓名：彭小飞
本科生学号：20141003552
班号：061143
所在院系：地空学院
日期：2016年6月28日
一、模型背景与意义
随着时代的发展与人们生活水平的提高，数字图片已经成为人们生活中不可或缺的一种数据储存方式，对数字图片的处理也是生活中人们经常进行的活动。本程序利用MATLAB平台，对一些常见格式图片进行底片效果、灰度、HSI直方图均衡等处理与修改，旨在了解与掌握图像处理的实质，增强MATLAB操作能力。
二、建立模型的思路与步骤
在matlab平台上，利用GUI可视化界面完成可交互的程序主界面，通过不同的函数对图像进行处理与修改。
（1）建立GUI可交互界面，可完成文件打开及保存的基本操作。
（2）列出对图像处理方式，写出相应核心函数。
亮丽：g=imadjust(A,[0,0.1,0.2;0.5,0.6,0.7],[]);
HSI直方图均衡:
H=imgsrc(:,:,1);S=imgsrc(:,:,2);I=imgsrc(:,:,3);
h1=histeq(H);
h1=im2double(h1);
s1=histeq(S);
s1=im2double(s1);
i1=histeq(I);
i1=im2double(i1);
w(:,:,1)=h1;
w(:,:,2)=s1;
w(:,:,3)=i1;
模糊处理：G = fspecial('gaussian', [10 10], 2);
Ig = imfilter(B,G,'same');
调亮：J=imadd(I,60);
底片效果：J2=imcomplement(I1);
黑白：I=rgb2gray(imgsrc);
（3）修改代码，完成单个处理函数与整个系统的整合。
三、模型演示的结果
程序主界面 文件功能演示
图片处理效果演示
图片保存功能演示
四、不足之处与进一步改进的讨论
1.仅能对图片进行一些像素方面的操作，十分有限，不能进行大小的缩放及其他处理。
2.因初次使用，对GUI界面的的操作不够熟悉，程序界面的美观程度还需加强。
3.因基本功不够，在编写程序的过程中遭遇了各种困难，好的是最终克服。
五、部分参考文献
1.[EB/OL]https://www.doczj.com/doc/9617513460.html,/article/e5c39bf587698b39d760331d.ht ml.佚名.matlab交互式程序设计示例：[6]GUI界面编程1. 2014-04-14
2.[EB/OL]https://www.doczj.com/doc/9617513460.html,/view/18d6b93367ec102de2bd8994.html.冬韵.matlab图像的灰度变换. 2012-5-15
3.周建兴岂兴明矫津毅.MATLAB从入门到精通[M].人民邮电出版社.2008
附录程序
function varargout = untitled2(varargin)
% UNTITLED2 M-file for untitled2.fig
% UNTITLED2, by itself, creates a new UNTITLED2 or raises the existing
% singleton*.
%
% H = UNTITLED2 returns the handle to a new UNTITLED2 or the handle to
% the existing singleton*.
%
% UNTITLED2('CALLBACK',hObject,eventData,handles,...) calls the local
% function named CALLBACK in UNTITLED2.M with the given input arguments.
%
% UNTITLED2('Property','Value',...) creates a new UNTITLED2 or raises the
% existing singleton*. Starting from the left, property value pairs are
% applied to the GUI before untitled2_OpeningFunction gets called. An
% unrecognized property name or invalid value makes property application
% stop. All inputs are passed to untitled2_OpeningFcn via varargin.
%
% *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one
% instance to run (singleton)".
%
% See also: GUIDE, GUIDATA, GUIHANDLES
% Edit the above text to modify the response to help untitled2
% Last Modified by GUIDE v2.5 26-Jun-2016 22:11:28
% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct('gui_Name', mfilename, ...
'gui_Singleton', gui_Singleton, ...
'gui_OpeningFcn', @untitled2_OpeningFcn, ...
'gui_OutputFcn', @untitled2_OutputFcn, ...
'gui_LayoutFcn', [] , ...
'gui_Callback', []);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end
if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else
gui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT
% --- Executes just before untitled2 is made visible.
function untitled2_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn.
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% varargin command line arguments to untitled2 (see VARARGIN)
% Choose default command line output for untitled2
handles.output = hObject;
% Update handles structure
guidata(hObject, handles);
% UIWAIT makes untitled2 wait for user response (see UIRESUME)
% uiwait(handles.figure1);
% --- Outputs from this function are returned to the command line. function varargout = untitled2_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT);
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% Get default command line output from handles structure
varargout{1} = handles.output;
% --- Executes on button press in pushbutton2.
function pushbutton2_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton2 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
axes(handles.axes2);
A=getappdata(0,'imgsrc');
g=imadjust(A,[0,0.1,0.2;0.5,0.6,0.7],[]);
imshow(g);
setappdata(handles.figure1,'g',g);
set(handles.savefile,'Enable','on');
% --- Executes on button press in pushbutton3.
function pushbutton3_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton3 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) axes(handles.axes3);
imgsrc=getappdata(0,'imgsrc');
H=imgsrc(:,:,1);S=imgsrc(:,:,2);I=imgsrc(:,:,3);
h1=histeq(H);
h1=im2double(h1);
s1=histeq(S);
s1=im2double(s1);
i1=histeq(I);
i1=im2double(i1);
w(:,:,1)=h1;
w(:,:,2)=s1;
w(:,:,3)=i1;
setappdata(0,'w',w);
imshow(w);
setappdata(handles.figure1,'w',w);
set(handles.savefile,'Enable','on');
% --- Executes on button press in pushbutton4.
function pushbutton4_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton4 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA) axes(handles.axes4);
B=getappdata(0,'imgsrc');
G = fspecial('gaussian', [10 10], 2);
Ig = imfilter(B,G,'same');
imshow(Ig);
setappdata(handles.figure1,'Ig',Ig);
set(handles.savefile,'Enable','on');
% --- Executes on button press in pushbutton5.
function pushbutton5_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton5 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) axes(handles.axes5);
I=getappdata(0,'imgsrc');
J=imadd(I,60);
imshow(J);
setappdata(handles.figure1,'J',J);
set(handles.savefile,'Enable','on');
% --- Executes on button press in pushbutton6.
function pushbutton6_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton6 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) axes(handles.axes6);
I1=getappdata(0,'imgsrc');
J2=imcomplement(I1);
imshow(J2);
setappdata(handles.figure1,'J2',J2);
set(handles.savefile,'Enable','on');
% --- Executes on button press in pushbutton7.
function pushbutton7_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton7 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)
axes(handles.axes7);
imgsrc=getappdata(0,'imgsrc');
I=rgb2gray(imgsrc);
imshow(I);
setappdata(handles.figure1,'I',I);
set(handles.savefile,'Enable','on');
% --- Executes on button press in pushbutton8.
function pushbutton8_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton8 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) close
%
-------------------------------------------------------------------- function open_Callback(hObject, eventdata, handles)
% hObject handle to open (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)
%
-------------------------------------------------------------------- function openfile_Callback(hObject, eventdata, handles)
% hObject handle to openfile (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)
[filename,pathname]=uigetfile({'*.bmp;*.jpg;*.png;*.jpeg','image
files(*.bmp;*.jpg;*.png;*.jpeg)';'*.*','all file(*.*)'},'pick an image');
if isequal(filename,0)||isequal(pathname,0)
return;
end
axes(handles.axes1);
fpath=[pathname filename];
imgsrc=imread(fpath);
setappdata(0,'imgsrc',imgsrc);
imshow(imgsrc);
%
--------------------------------------------------------------------
function savefile_Callback(hObject, eventdata, handles)
% hObject handle to savefile (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
%
--------------------------------------------------------------------
function Untitled_1_Callback(hObject, eventdata, handles)
% hObject handle to Untitled_1 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
[filename,pathname]=uiputfile({'*.bmp','BMP files';'*.jpg;','JPG files'},'pick an image');
if isequal(filename,0)||isequal(pathname,0)
return;
else
fpath=fullfile(pathname,filename);
w1=getappdata(handles.figure1,'g');
imwrite(w1,'1.bmp','bmp');
%
-------------------------------------------------------------------- function Untitled_2_Callback(hObject, eventdata, handles)
% hObject handle to Untitled_2 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)
[filename,pathname]=uiputfile({'*.bmp','BMP files';'*.jpg;','JPG files'},'pick an image');
if isequal(filename,0)||isequal(pathname,0)
return;
else
fpath=fullfile(pathname,filename);
end
w2=getappdata(handles.figure1,'w');
imwrite(w2,'2.bmp','bmp');
%
-------------------------------------------------------------------- function Untitled_3_Callback(hObject, eventdata, handles)
% hObject handle to Untitled_3 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)
[filename,pathname]=uiputfile({'*.bmp','BMP files';'*.jpg;','JPG files'},'pick an image');
if isequal(filename,0)||isequal(pathname,0)
return;
fpath=fullfile(pathname,filename);
end
w3=getappdata(handles.figure1,'Ig');
imwrite(w3,'3.bmp','bmp');
%
-------------------------------------------------------------------- function Untitled_4_Callback(hObject, eventdata, handles)
% hObject handle to Untitled_4 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)
[filename,pathname]=uiputfile({'*.bmp','BMP files';'*.jpg;','JPG files'},'pick an image');
if isequal(filename,0)||isequal(pathname,0)
return;
else
fpath=fullfile(pathname,filename);
end
w4=getappdata(handles.figure1,'J');
imwrite(w4,'4.bmp','bmp');
%
-------------------------------------------------------------------- function Untitled_5_Callback(hObject, eventdata, handles)
% hObject handle to Untitled_5 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)
[filename,pathname]=uiputfile({'*.bmp','BMP files';'*.jpg;','JPG files'},'pick an image');
if isequal(filename,0)||isequal(pathname,0)
return;
else
fpath=fullfile(pathname,filename);
end
w5=getappdata(handles.figure1,'J2');
imwrite(w5,'5.bmp','bmp');
%
-------------------------------------------------------------------- function Untitled_6_Callback(hObject, eventdata, handles)
% hObject handle to Untitled_6 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)
[filename,pathname]=uiputfile({'*.bmp','BMP files';'*.jpg;','JPG files'},'pick an image');
if isequal(filename,0)||isequal(pathname,0)
return;
else
fpath=fullfile(pathname,filename);
end
w6=getappdata(handles.figure1,'I');
imwrite(w6,'6.bmp','bmp');
华东交通大学MATLAB程序设计报告书 课题名称：基于MATLAB的粒子群优化算法的实现 姓名： 学号：20160280800014 专业：控制科学与工程 2016年 11月 20日
基于MATLAB的粒子群优化算法的实现 一、课程选题目的 本次课程设计的课题为《基于MATLAB的粒子群优化算法的实现》，主要为学会运用MATLAB对实际算法编程，加深对粒子群优化算法的理解，并为今后熟练使用MA TLAB进行系统的分析仿真和设计奠定基础。数值计算分析可以帮助更深入地理解理论知识，并为将来使用MA TLAB进行各领域数值分析分析和实际应用打下基础。 此次课程主要是为了进一步熟悉对MATLAB软件的使用，以及学会利用MA TLAB对数值运算这种实际问题进行处理，将理论应用于实际，加深对它的理解。 二、粒子群优化算法原理 优化是科学研究、工程技术和经济管理等领域的重要研究工具。它所研究的问题是讨论在众多的方案中寻找最优方案。例如，工程设计中怎样选择设计参数，使设计方案既满足设计要求又能降低成本；资源分配中，怎样分配有限资源，使分配方案既能满足各方面的基本要求，又能获得好的经济效益。在人类活动的各个领域中，诸如此类，不胜枚举。优化这一技术，正是为这些问题的解决，提供理论基础和求解方法，它是一门应用广泛、实用性很强的科学。近十余年来，粒子群优化算法作为群体智能算法的一个重要分支得到了广泛深入的研究，在路径规划等许多领域都有应用。 2.1 粒子群优化算法的起源 粒子群优化（PSO）算法是由Kennedy和Eberhart于1995年用计算机模拟鸟群觅食这一简单的社会行为时，受到启发，简化之后而提出的。 设想这样一个场景：一群鸟随机的分布在一个区域中，在这个区域里只有一块食物。所有的鸟都不知道食物在哪里。但是他们知道当前的位置离食物还有多远。那么找到食物的最优策略是什么呢。最简单有效的方法就是追寻自己视野中目前离食物最近的鸟。如果把食物当作最优点，而把鸟离食物的距离当作函数的适应度，那么鸟寻觅食物的过程就可以当作一个函数寻优的过程。鱼群和鸟群的社会行为一直引起科学家的兴趣。他们以特殊的方式移动、同步，不会相互碰撞，整体行为看上去非常优美。生物学家CargiReynolds提出了一个非常有影响的鸟群聚集模型。在他的模拟模型boids中，每一个个体遵循：避免与邻域个体相冲撞、匹配邻域个体的速度、试图飞向感知到的鸟群中心这三条规则形成简单的非集中控制算法驱动鸟群的聚集，在一系列模拟实验中突现出了非常接近现实鸟群聚集行为的现象。该结果显示了在空中回旋的鸟组成轮廓清晰的群体，以及遇到障碍物时鸟群的分裂和再度汇合过程。由此受到启发，经过简化提出了粒子群优化算法。 2.2粒子群优化算法的原理 在粒子群优化算法中，每个优化问题的潜在解都是搜索空间中的一只鸟，称之为“粒子”。所有的粒子都有一个由被优化的函数决定的适应值，每个粒子还有一个速度决定他们飞翔的方向和距离。然后粒子们就追随当前的最优粒子在解空间中搜索。优化开始时先初始化为一群随机粒子（随机解）。然后通过迭代找到最优解。在每一次迭代中，粒子通过跟踪两个极值来更新自己。第一个极值就是整个种群目前找到的最优解。这个极值是全局极值。另外也可以不用整个种群而只是用其中一部分作为粒子的邻居，那么在所有邻居中的极值就是局部极值。第二个极值是粒子本身所找到的最优解，称为个体极值。这是因为粒子仅仅通过跟踪全局极值或者局部极值来更新位置，不可能总是获得较好的解。这样在优化过程中，粒子在追随全局极值或局部极值的同时追随个体极值则圆满的解决了这个问题。这就是粒子群优化
实验一 1、熟悉MATLAB的窗口结构（命令窗口、历史命令窗口、工作区窗口、当前目录 窗口） 2、掌握命令窗口中基本命令的使用 3、在命令窗口中，给定圆的半径r，求得圆的周长c和面积s，并查看工作区窗 口的变化 4、将r,c,s变量保存到磁盘文件abc.mat中，并删除内存变量r,c,s，查看工作 区窗口的变化 5、将abc.mat文件中变量装入内存，查看工作区窗口的变化 6、将历史命令窗口中的命令再装入命令窗口中使用 7、改变当前目录，查看当前目录窗口的变化 8、掌握命令窗口中 cd,quit,help,date,dir,ls,what,who,clocl,fix(clock),format,save,loa d,clc,clear等命令的使用 9、注意各种MATLAB版本的差别 实验二 1、在命令窗口中，输入长方形的长和宽，求长方形的周长和面积 2、输入三角形的三条边（要满足构成三角形的条件），求三角形的周长和面积 3、掌握MATLAB中各标准函数的使用（sin,cos,sind,fix,mod,…） 4、用fprintf输出各种类型的数据（如fprintf('a=%d\n',123) a=123 >> fprintf('b=%f\n',123.456) b=123.456000 >> fprintf('c=%c\n','A') c=A……) 实验三 1、在编辑窗口中：输入学生成绩，输出该成绩的等级。等级规定如下：[90， 100]为A等，[80，90)为B等，[70，80)为C等，[60，70)为D等，[0，60)为E等。要求用if和 switch两种方法实现。 2、商场购物，100件以下，不优惠，100~199件95折，200~399件90折，400~799 件85折，800~1499件80折，1500件以上，75折。输入所购货物的单价、件数，求实际付款数目。要求用if和 switch两种方法实现（在编辑窗口中实现）。 实验四 1、求两个正整数的最大公约数和最小公倍数（在编辑窗口中实现，命令窗口中 调用）。 2、求100~300内所有素数（在编辑窗口中实现，命令窗口中调用）。
电气学科大类 Modern Control Systems Analysis and Design Using Matlab and Simulink Title: Automobile Velocity Control Name: 巫宇智 Student ID: U200811997 Class：电气0811
电气0811 巫宇智 Catalogue Preface (3) The Design Introduction (4) Relative Knowledge (5) Design and Analyze (6) Compare and Conclusion (19) After design (20) Appendix (22) Reference (22)
Automobile Velocity Control 1.Preface: With the high pace of human civilization development, the car has been a common tools for people. However, some problems also arise in such tendency. Among many problems, the velocity control seems to a significant challenge. In a automated highway system, using the velocity control system to maintain the speed of the car can effectively reduce the potential danger of driving a car and also will bring much convenience to drivers. This article aims at the discussion about velocity control system and the compensator to ameliorate the preference of the plant, thus meets the complicated demands from people. The discussion is based on the simulation of MATLAB. Key word: PI controller, root locus
2DPSK调制与解调系统的仿真 设计原理 (1) 2DPSK信号原理 1.1 2DPSK信号原理 2DPSK方式即是利用前后相邻码元的相对相位值去表示数字信息的一种方式。现假设用Φ表示本码元初相与前一码元初相之差，并规定：Φ＝0表示0码，Φ＝π表示1码。则数字信息序列与2DPSK信号的码元相位关系可举例表示如2PSK信号是用载波的不同相位直接去表示相应的数字信号而得出的，在接收端只能采用相干解调，它的时域波形图如图2.1所示。 图1.1 2DPSK信号 在这种绝对移相方式中，发送端是采用某一个相位作为基准，所以在系统接收端也必须采用相同的基准相位。如果基准相位发生变化，则在接收端回复的信号将与发送的数字信息完全相反。所以在实际过程中一般不采用绝对移相方式，而采用相对移相方式。定义为本码元初相与前一码元初相之差，假设： →数字信息“0”； →数字信息“1”。 则数字信息序列与2DPSK信号的码元相位关系可举例表示如下： 数字信息： 1 0 1 1 0 1 1 1 0 1 DPSK信号相位：0
或 ： 1.2 2DPSK 信号的调制原理 一般来说，2DPSK 信号有两种调试方法，即模拟调制法和键控法。2DPSK 信号的的模拟调制法框图如图1.2.1所示，其中码变换的过程为将输入的单极性不归零码转换为双极性不归零码。 图1.2.1 模拟调制法 2DPSK 信号的的键控调制法框图如图1.2.2所示，其中码变换的过程为将输入的基带信号差分，即变为它的相对码。选相开关作用为当输入为数字信息“0” 时接相位0，当输入数字信息为“1”时接pi 。 图1.2.2 键控法调制原理图 1.3 2DPSK 信号的解调原理 2DPSK 信号最常用的解调方法有两种，一种是极性比较和码变换法，另一种是差分相干解调法。 码变换 相乘 载波 s(t) e o (t)
MATLAB程序设计(论文) 基于MATLAB实现语音信号的去噪 院（系）名称电子与信息工程学院 专业班级通信工程 学号 学生姓名 任课教师
论文任务
摘要 滤波器设计在数字信号处理中占有极其重要的地位，FIR数字滤波器和IIR 滤波器是滤波器设计的重要组成部分。利用MATLAB信号处理工具箱可以快速有效地设计各种数字滤波器。课题基于MATLAB有噪音语音信号处理的设计与实现，综合运用数字信号处理的理论知识对加噪声语音信号进行时域、频域分析和滤波。通过理论推导得出相应结论，再利用MATLAB 作为编程工具进行计算机实现。在设计实现的过程中，使用窗函数法来设计FIR数字滤波器，用巴特沃斯、切比雪夫和双线性变法设计IIR数字滤波器，并利用MATLAB 作为辅助工具完成设计中的计算与图形的绘制。通过对对所设计滤波器的仿真和频率特性分析，可知利用MATLAB信号处理工具箱可以有效快捷地设计FIR和IIR数字滤波器，过程简单方便，结果的各项性能指标均达到指定要求。 关键词数字滤波器 MATLAB 窗函数法巴特沃斯切比雪夫双线性变换
目录 第1章绪论 (1) 1.1数字信号处理的意义 (1) 1.2语音去噪设计要求 (2) 第2章语音去噪方案设计 (3) 2.1语音去噪的应用意义 (3) 2.2 语音去噪设计框图 (3) 2.3设计原理 (4) 第3章程序分析 (5) 3.1 语音去噪采样过程 (5) 3.2 语音去噪方案 (6) 第 4 章总结 (8) 参考文献 (9) 附录 (10)
第1章绪论 1.1数字信号处理的意义 数字信号处理是利用计算机或专用处理设备，以数值计算的方法对信号进行采集、抽样、变换、综合、估值与识别等加工处理，借以达到提取信息和便于应用的目的。它在语音、雷达、图像、系统控制、通信、航空航天、生物医学等众多领域都获得了极其广泛的应用。具有灵活、精确、抗干扰强、设备尺寸小、造价低、速度快等优点。 数字滤波器, 是数字信号处理中及其重要的一部分。随着信息时代和数字技术的发展，受到人们越来越多的重视。数字滤波器可以通过数值运算实现滤波，所以数字滤波器处理精度高、稳定、体积小、重量轻、灵活不存在阻抗匹配问题，可以实现模拟滤波器无法实现的特殊功能。数字滤波器种类很多，根据其实现的网络结构或者其冲激响应函数的时域特性，可分为两种，即有限冲激响应( FIR，Finite Impulse Response)滤波器和无限冲激响应( IIR，Infinite Impulse Response)滤波器。 FIR滤波器结构上主要是非递归结构，没有输出到输入的反馈，系统函数H (z)在处收敛，极点全部在z = 0处（因果系统），因而只能用较高的阶数达到高的选择性。FIR数字滤波器的幅频特性精度较之于IIR数字滤波器低，但是线性相位，就是不同频率分量的信号经过fir滤波器后他们的时间差不变，这是很好的性质。FIR 数字滤波器是有限的单位响应也有利于对数字信号的处理，便于编程，用于计算的时延也小，这对实时的信号处理很重要。FIR滤波器因具有系统稳定，易实现相位控制，允许设计多通带（或多阻带）滤波器等优点收到人们的青睐。 IIR滤波器采用递归型结构，即结构上带有反馈环路。IIR滤波器运算结构通常由延时、乘以系数和相加等基本运算组成，可以组合成直接型、正准型、级联型、并联型四种结构形式，都具有反馈回路。同时，IIR数字滤波器在设计上可以借助成熟的模拟滤波器的成果，如巴特沃斯、契比雪夫和椭圆滤波器等，有现成的设计数据或图表可查，在设计一个IIR数字滤波器时，我们根据指标先写出模拟滤波器的公式，然后通过一定的变换，将模拟滤波器的公式转换成数字滤波器的公式。 滤波器的设计可以通过软件或设计专用的硬件两种方式来实现。随着MATLAB软
系统仿真导结课作业 一、概述 建模与仿真技术已成功地应用于航空航天、生产制造、交通运输、信息、生物、医学、材料、能源、教育、军事、社会、经济等众多领域;并成功地应用于产品研制的全生命周期,包括需求分析、方案论证、概念设计、初步设计、详细设计、生产制造、试验试飞、运行、维护、训练等各个阶段。仿真科学与技术正是从其广泛的应用中获得了日益强大的生命力，而仿真技术的发展反过来使得其得到愈来愈广泛的应用。 广义而言,仿真是采用建模的方法和物理的方法对真实环境客观事物进行 抽象、映射、描述和复现。基于系统原理、理论、定律、系统数据等应用计算机技术、软件技术和信息技术建立仿真环境(虚拟环境) ,在仿真环境中对客观事物进行研究。客观事物包括真实环境中的实体/系统、自然环境(地形、大气、海洋、空间)、和人的行为(操作、决策、推理)。仿真环境包括模型、数据、软件、物理效应设备、计算机等。 计算机仿真的三要素是系统、模型、计算机，三个基本活动是模型设计、模型执行、模型分析。计算机仿真的三要素和三个基本活动的关系关系如图1 所示。 系统 模型设计模型分析 模型执行 模型计算机 图1 从模型设计到模型分析经历的过程，即对实物进行仿真可概括为以下几个方面： 1) 问题的描述; 2) 建立概念模型; 3) 建立仿真模型; 4) 收集数据; 5) 编写程序; 6) 在计算机进行模型试验; 7) 模型和数据的验证; 8) 仿真结果显示; 9) 仿真结果分析和评估。 仿真是建立模型在计算机上运行,但这属于数学仿真,随着技术的发展,许多应用 领域建立仿真系统时除了模型外还要求将实物和人员包含在仿真回路中。 由此可见，基于仿真设计与传统设计的方法和流程两者有很大区别(图2) ,基于仿真设计可以在计算机上建立虚拟样机,对产品的外形、结构、强度、动力
课程设计任务书 学生姓名：董航专业班级：电信1006班 指导教师：阙大顺，李景松工作单位：信息工程学院 课程设计名称：Matlab应用课程设计 课程设计题目：Matlab运算与应用设计5 初始条件： 1.Matlab6.5以上版本软件； 2.课程设计辅导资料：“Matlab语言基础及使用入门”、“Matlab及在电子信息课程中的应 用”、线性代数及相关书籍等； 3.先修课程：高等数学、线性代数、电路、Matlab应用实践及信号处理类相关课程等。 要求完成的主要任务：（包括课程设计工作量及其技术要求，以及说明书撰写等具体要求） 1.课程设计内容：根据指导老师给定的7套题目，按规定选择其中1套完成； 2.本课程设计统一技术要求：研读辅导资料对应章节，对选定的设计题目进行理论分析， 针对具体设计部分的原理分析、建模、必要的推导和可行性分析，画出程序设计框图，编写程序代码（含注释），上机调试运行程序，记录实验结果（含计算结果和图表），并对实验结果进行分析和总结。具体设计要求包括： ①初步了解Matlab、熟悉Matlab界面、进行简单操作； ②MATLAB的数值计算：创建矩阵矩阵运算、多项式运算、线性方程组、数值统计； ③基本绘图函数：plot, plot3, mesh, surf等，要求掌握以上绘图函数的用法、简单图形 标注、简单颜色设定等； ④使用文本编辑器编辑m文件，函数调用； ⑤能进行简单的信号处理Matlab编程； ⑥按要求参加课程设计实验演示和答辩等。 3.课程设计说明书按学校“课程设计工作规范”中的“统一书写格式”撰写，具体包括： ①目录； ②与设计题目相关的理论分析、归纳和总结； ③与设计内容相关的原理分析、建模、推导、可行性分析； ④程序设计框图、程序代码（含注释）、程序运行结果和图表、实验结果分析和总结； ⑤课程设计的心得体会（至少500字）； ⑥参考文献（不少于5篇）； ⑦其它必要内容等。 时间安排：1.5周（分散进行） 参考文献： [1](美)穆尔,高会生,刘童娜,李聪聪．MA TLAB实用教程(第二版) . 电子工业出版社,2010. [2]王正林,刘明．精通MATLAB(升级版) .电子工业出版社,2011. [3]陈杰. MA TLAB宝典(第3版) . 电子工业出版社,2011. [4]刘保柱,苏彦华,张宏林. MATLAB 7.0从入门到精通(修订版) . 人民邮电出版社,2010. 指导教师签名：年月日 系主任（或责任教师）签名：年月日
开题报告 论文题目：基于matlab的时域有限差分法的电磁仿真研究（10分） 学院：电气工程及其自动化学院学号：1103000105姓名：__杨志刚___ 一、论文选题的目的和意义（300字以内；15分） 时域有限差分法，因具有多种优点被运用到电磁场理论研究的各个方面，而且其使用成效和应用领域还在迅速扩大和提高，在现代电磁场理论研究中具有很大的重要性和很强的可操作性。但是同时这种方法也存在一定的缺陷，主要表现在对无边界问题需要吸收边界条件处理，有色散误差，消耗内存大等方面。本课题在利用时域有限差分法对一些实际的算例进行实验仿真和验证，同时对这种方法在解决实际问题的缺陷进行一定程度的研究和分析。 Matlab作为一种工程仿真工具得到了广泛应用。用于时域有限差分法，可以简化编程，使研究者的研究重心放在FDTD法本身上，而不必在编程上花费过多的时间。 二、国内外关于该论题的研究现状和发展趋势（500字以内；15分） 时域有限差分方法作为一种典型的全波时域分析方法，因其原理直观、编程简便、实用性强在目前的计算电磁学领域内被人们广泛深入地研究，并取得巨大应用成功的方法。时域数值技术的一个突出优点是可以给出关于问题空间的丰富的时域信息，而且经过简单的时频变换，即可得到宽带范围的频域信息，相对频域方法显著地节约了计算量。最近几十年，是电磁场数值计算时域技术蓬勃发展的时期，各具优势和特色的新颖时域算法层出不穷。 但是到目前为止国内关于时域有限差分法中的PML 算法文献较少，其中绝大多数文献集中在综述和应用方面。而在国际的学报和杂志上对于这方面的文献非常多。时域有限差分法经过了三十年多年的高速发展之后，仍然还是计算电磁学制高点的研究热潮，而且其应用的范围和成效还在迅速的扩大和提高。本课题正是利用时域有限差分法的基础理论，利用matlab对一些实际的电磁场问题进行仿真研究。 三、论文的主攻方向、主要内容、研究方法及技术路线（1000字左右；40分） 通过对时域有限差分法理解基础之上，利用matlab仿真软件按照这种方法编程，实现对三种情况下的电磁场情况的仿真研究。
MATLAB仿真 期末大作业 姓名：班级：学号：指导教师：
2012春期末大作业 题目：设单位负反馈控制系统前向通道传递函数由)()(21s G s G 和串联，其中： ) 1(1)()(21++==s A s G s K s G A 表示自己学号最后一位数（可以是零），K 为开环增益。要求： （1）设K=1时，建立控制系统模型，并绘制阶跃响应曲线（用红色虚线，并标注坐标和标题）；求取时域性能指标，包括上升时间、超调量、调节时间、峰值时间； （2）在第（1）问中，如果是在命令窗口绘制阶跃响应曲线，用in1或者from workspace 模块将命令窗口的阶跃响应数据导入Simulink 模型窗口，用示波器显示阶跃响应曲线；如果是在Simulink 模型窗口绘制阶跃响应曲线，用out1或者to workspace 模块将Simulink 模型窗口的阶跃响应数据导入命令窗口并绘制阶跃响应曲线。 （3）用编程法或者rltool 法设计串联超前校正网络，要求系统在单位斜坡输入信号作用时，速度误差系数小于等于0.1rad ，开环系统截止频率s rad c /4.4''≥ω，相角裕度大于等于45度，幅值裕度大于等于10dB 。
仿真结果及分析： （1）、（2）、将Simulink模型窗口的阶跃响应数据导入命令窗口并绘制阶跃响应曲线 通过在Matlab中输入命令： >> plot(tout,yout,'r*-') >> title('阶跃响应曲线') 即可得出系统阶跃响应曲线，如下： 求取该控制系统的常用性能指标：超调量、上升时间、调节时间、峰值时间的程序如下： G=zpk([],[0,-1],5)。 S=feedback(G,1)。
《计算机仿真及应用》课程设计报告书 学号：08057102，08057127 班级：自动化081 姓名陈婷，万嘉
目录 一、设计思想 二、设计步骤 三、调试过程 四、结果分析 五、心得体会 六、参考文献
选题一、 考虑如下图所示的电机拖动控制系统模型，该系统有双输入，给定输入)(t R 和负载输入)(t M 。 1、 编制MATLAB 程序推导出该系统的传递函数矩阵。 2、 若常系数增益为：C 1＝Ka ＝Km ＝1，Kr ＝3，C2＝0.8，Kb ＝1.5，时间常数T 1＝5， T 2＝0.5，绘制该系统的根轨迹、求出闭环零极点，分析系统的稳定性。若)(t R 和)(t M 分别为单位阶跃输入，绘制出该系统的阶跃响应图。（要求C 1，Ka ，Km ，Kr ，C2，Kb ， T 1，T 2所有参数都是可调的） 一．设计思想 题目分析： 系统为双输入单输出系统，采用分开计算，再叠加。 要求参数均为可调，而matlb 中不能计算未赋值的函数，那么我们可以把参数设置为可输入变量，运行期间根据要求赋值。 设计思路： 使用append 命令连接系统框图。 选择‘参数=input('inputanumber:')’实现参数可调。 采用的方案： 将结构框图每条支路稍作简化，建立各条支路连接关系构造函数，运行得出相应的传递函数。 在得出传递函数的基础上，使用相应的指令求出系统闭环零极点、画出其根轨迹。 通过判断极点是否在左半平面来编程判断其系统是否稳定。 二．设计步骤 （1）将各模块的通路排序编号
（2）使用append命令实现各模块未连接的系统矩阵 （3）指定连接关系 （4）使用connect命令构造整个系统的模型 三．调试过程 出现问题分析及解决办法： 在调试过程出现很多平时不注意且不易寻找的问题，例如输入的逗号和分号在系统运行时不支持中文格式，这时需要将其全部换成英文格式，此类的程序错误需要细心。 在实现参数可调时初始是将其设为常量，再将其赋值进行系统运行，这样参数可调性差，后用‘参数=input('inputanumber:')’实现。 最后是在建立通路连接关系时需要细心。 四．结果分析 源代码： Syms C1 C2 Ka Kr Km Kb T1 T2 C1=input('inputanumber:') C2=input('inputanumber:') Ka=input('inputanumber:') Kr=input('inputanumber:') Km=input('inputanumber:') Kb=input('inputanumber:') T1=input('inputanumber:') T2=input('inputanumber:') G1=tf(C1,[0 1]); G2=tf(Ka*Kr,[0 1]); G3=tf(Km,[T1 1]); G4=tf(1,[T2 1]); G5=tf(1,[1 0]); G6=tf(-C2,1); G7=tf(-Kb,1); G8=tf(-1,1); Sys=append(G1,G2,G3,G4,G5,G6,G7,G8) Q=[1 0 0;2 1 6;3 2 7;4 3 8;5 4 0;6 5 0;7 4 0;8 0 0;]; INPUTS1=1; OUTPUTS=5; Ga=connect(Sys,Q,INPUTS1,OUTPUTS) INPUTS2=8; OUTPUTS=5; Gb=connect(Sys,Q,INPUTS2,OUTPUTS) rlocus(Ga)
Matlab语言与应用课程作业MATLAB Simulink在电路暂态分析中的应用学生姓名陈志豪所在专业轮机工程（陆上）所在班级陆上1102 指导教师徐国保（博士） MATLAB Simulink在电路暂态分析中的应用（广东海洋大学轮机工程（陆上）1102 陈志豪）摘要本文通过引入举了实际的例子，简要介绍了Matlab语言在电工学电路暂态分析中的应用；并先使用普通方法分析暂态电路，然后再用Matlab Simulink来仿真暂态电路；通过Matlab Simulink 仿真技术，可以使得暂态分析可视化。关键词：MATLAB；Simulink仿真；电工学；暂态分析1，引言MATLAB是Matrix Laboratory的缩写,事实上MATLAB最初就是纯粹的矩阵计算软件。如今MATLAB既表示一种交互式的数值计算软件,又表示一门高级科学计算语言,是一套功能十分强大的工程计算及数据分析软件,其应用范围涵盖了数学、工业技术、电子科学、医疗卫生、建筑、金融、数字图像处理等各个领域。它把计算、图示 和编程集成到一个易用的交互式环境中,用大家熟悉的数学表达式来描述问题和求解方法,从而使许多用C 或FORTRAN实现起来十分复杂和费时的问题用MATLAB可以轻松地解决。许多工程师和研究人员发现,MATIAB能迅速测试其构思,综合评测系统性能,并能借此快速设计出更多的解决方案,达到更高的技术要求。[1]MATLAB因为提供了非常方便的绘图功能和强大的图形图像处理能力，以及强大的仿真技术,所以收到了广泛的欢迎。2，问题背景《电工学》是一门非电专业的技术基础课，通过本课程的学习，学生掌握电工技术的基本理论、基本定律、基本概念及基本分析方法和理论的实际应用。它的内容广泛，理 论性和系统性也很强。采用传统的教学模式，往往只能在理论上进行论述、推导、验证和证明，并借助 一些公式来阐述问题，很难给学生较直观的印象[2]，教学效果不理想。若把MATLAB应用到学习中，利用其强大的数值计算功能、绘图功能、可视化的仿真功能，可以很好的弥补传统教学的不足，使一些不 容易理解的抽象、复杂的变化过程，通过MATLAB仿真比较直观的的显示出来，便于学生理解和应用。 同时，可以随机修改电路和参数，即时观察输出结果，从而加深学生对电路本质的理解，全面掌握教学 内容[3]。下面通过实例探讨MATLAB SIMULINK在电工学暂态分析中的应用。图1所示电路是一个一阶电路。已知R=20Ω，U=6V，U=10V，C=O.02F。假s0 设在t=O时开关S从闭合在a端换路闭合到b端，求t>O时，电容电压u和电 c 容电流i。c图1，一阶电路的电路图 3，理论推导根据一阶电路暂态分析的三要素法有：（1）确定初始值由换路前的电路求得u(0)=U=10V C0再由换路后的电路求得 (??)??????????????????i(0)===?0.2A C??????(2)确定稳态值有电路图易知：i（∞）=0A Cu(∞)=6V C (3)确定时间常数τ=RC =20×0.02=0.4s (4),求出待求响应????????i= i（∞）+[ i(0)? i （∞）]e =?0.2 e ????.??CCCC????????u= u(∞)+[ u(0) ?uC(∞)] e =6+4e ????.??CCC运用Matlab 编程画出ic和u波形图； C 其代码如下所示：subplot(1,2,1); fplot(‘6+4*exp(-x/0.4)’,[0,6]); subplot(1,2,2); fplot(‘-0.2*exp(-x/0.4)’,[0,6]); 其运行结果图2所示 图2，电容电压u和电容电流ic波形图C4，应用MATLAB进行仿真图1电路对应的仿
选 题 说 明 本人选做第2、4、5、9、11、12、13、14、16、19、24 题。 作业内容题目2：问题描述：在[0 ， 2π]范围内绘制二维曲线图y=cos(5x)*sin(x) （1）问题分析 这是一个二维绘图问题，先写出x的取值范围，再用plot函数画出y的图像。 （2）软件说明及源代码 >> x = 0:pi/100:2.*pi; y=cos(5*x).*sin(2*x); >> plot(x,y) （3）实验结果 题目4：问题描述：创建符号函数并求解，要求写出步骤和运行结果 (1)创建符号函数f=ax2+bx+c
(2)求f=0的解 （1）问题分析 这是符号计算问题，首先要确定符号变量，然后创建符号函数，最后利用subs函数求解特值。 （2）软件说明及源代码 >> syms a b c x f; f=a*x^2+b*x+c; subs(f,0) （3）实验结果 ans = c 题目5：问题描述：求积分 （1）问题分析 这是符号计算的积分求解问题，首先需要确定符号变量，然后利用int函数计算积分。 （2）软件说明及源代码 >> syms x y; y=sqrt(1-2*sin(2*x)); >> int(y,x,0,pi/2) （3）实验结果 ans = ellipticE(-pi/4, 4)*1i - ellipticE(pi/4, 4)*1i - ellipticE(-pi/6, 4)*2i + ellipticE(pi/6, 4)*2i 题目9：问题描述：按水平和竖直方向分别合并下述两个矩阵：
（1）问题分析 这是考查矩阵的基本操作，首先定义矩阵，然后合并矩阵。 （2）软件说明及源代码 >> A=[1,0,0;1,1,0;0,0,1]; B=[2,3,4;5,6,7;8,9,10]; >> a=[A,B],b=[A;B] （3）实验结果 a = 1 0 0 2 3 4 1 1 0 5 6 7 0 0 1 8 9 10 b = 1 0 0 1 1 0 0 0 1 2 3 4 5 6 7 8 9 10 题目11：问题描述：计算z＝yx2+3y2x+2y3的和： （1）问题分析 这是符号计算问题，首先确定符号变量，然后构造函数，最后利用diff函数进行求导。 （2）软件说明及源代码 >> syms x y z; >> z=y*x^2+3*y^2*x+2*y^3; >> diff(z,y,1),diff(diff(z,y,1),x,1) （3）实验结果 ans = x^2 + 6*x*y + 6*y^2
matlab音频降噪课程设计报告
燕山大学 医学软件课程设计说明书 题目：基于MATLAB巴特沃斯滤波器的音频去噪的GUI设计 学院（系）：电气工程学院 年级专业： 13级生物医学工程 2 班 学号： 130103040041 学生姓名：魏鑫 指导教师：许全盛 1
院（系）：电气工程学院基层教学单位：生物医学工程系 学号130103040041 学生 姓名 魏鑫 专业（班 级） 13级生 物医学 工程2 班 设计 题目 基于MATLAB音频去噪的GUI设计设 计 技术参数通带截止频率fp=2700;阻带截止频率fs=3000;采样频率FS=48000; 通带衰减不大于1dB;阻带衰减不小于10dB; 设计要求1.实现用MATLAB导入音频； 2.对音频进行频谱分析； 3.设计滤波器去噪并对含噪信号进行滤 2
波并进行功率谱分析； 4.设计能实现上述功能的GUI； 工作量1.完成音频录入及频谱分析相关程序的编写与调试； 2.设计滤波器去噪； 3.用MATLAB软件做GUI界面的设计； 工作计划11.21-11.24 MATLAB软件中GUIDE 工具箱的使用 11.25-11.29 各处理算法模块的编程实现 11.30-12.1 整体程序联调 12.2 撰写课程设计说明书,答辩 参考资料 1. 陈怀琛吴大正 MATLAB及在电子信息课程中的应用[M] 北京电子工业出版社 2006. 章节2.4； 2. 陈亚勇 MATLAB信号处理详解[M] 北京：人民邮电出版社 2000. 第十 3
章； 3.张康刘雅基于Matlab的巴特沃斯 数字低通滤波器的设计[J] 计算机与现代化 2007年 12期 98-100页 指导 教师签字许全盛 基层教学单 位主任签字 彭勇 目录 一、设计目的意义 (1) 1.1绪论 (1) 1.2设计目的 (1) 1.3意义 (1) 二、设计内容 (2) 2.1 设计原理 (2) 2.2 设计内容 (2) 三、设计过程及结果分析 (3) 3.1 设计步骤 (3) 4
matlab课程论文要求 一、时间安排 （一）2016年X月X日之前必须提交纸质版（时间待定，另行通知，尽早完成，以免影响其他科目的复习考试）。 （二）电子版统一写清楚学号（学号在前）+姓名+专业发送给学委。打包文件夹发送给我，不接受单独发给我的。 二、选题 （一）选题要紧密结合本学科专业的教学科研和MATLAB，符合专业培养目标的要求。 （二）论文一般为一人一题，严格控制与往年的重复率。 三、成绩评定 平时成绩（0.3）＋课程论文（0.7）=最终成绩。 四、论文写作规范要求 （一）封面：封面要使用统一格式。 （二）目录：“目录”两字黑体小二号、居中，“目录”两字间空四格、与正文空一行。各部分名为宋体小四号字，各小部分名间有缩进。 （三）题目：题目要对论文的内容有高度的概括性，简明、易读，字数应在20个字以内，论文题目用黑体三号字。 （四）署名：论文署名的顺序为：专业学号学生姓名指导老师姓名，用宋体小四号字。可用以下表示： 专业：XXXXX 学号：XXXXX 学生姓名：XXXXX 指导老师姓名：XXXX （五）内容摘要：中文内容摘应简要说明所研究的内容、目的、实验方法、主要成果和特色，一般为200－300字，用宋体小四号字，其中“内容摘要”四个字加粗。 （六）关键词：一般为3－6个，用分号隔开，用宋体小四号字，其中“关键词”三个字加粗。 （七）正文：正文要符合一般学术论文的写作规范，统一用宋体小四号字，行距为1.5倍。字数一般要求为不得少于5000字。
内容要理论联系实际，涉及到他人的观点、统计数据或计算公式的要注明出处（引注），涉及计算内容的数据要求准确。标题序号从大到小的顺序为：“1”“1.1”“1.1.1”……。 （八）注释：论文中所引用文献按学术论文规范注明出处，注序要与文中提及的序号一致。注释方法参见参考文献顺序。 （九）参考文献：论文后要标注参考文献和附录，参考文献按照以下格式排列： 1．专著、论文集、学位论文、报告 [序号]主要责任者．文献题名[文献类型标识]．出版地：出版者，出版年．起止页码。 [1]刘国钧，陈绍业，王凤．图书馆目录[M]．北京：高等教育出版社，1957．10-12. [2]辛希孟．信息技术与信息服务国际研讨会论文集：A集[C]．北京：中国社会科学出版社，1994．12-13. [3] 查正军.《基于机器学习方法的视觉信息标注研究》.[D].北京.中国科技大学.2010年.32-35 2．期刊文章 [序号]主要责任者．文献题名[J]．刊名，年卷（期）：起止页码． [1]何龄修．读顾城《南明史》[J]．中国史研究，1998（3）：12-13. [2]金显贸，王昌长，王忠东等．一种用于在线检测局部放电的数字滤波技术 [J]．清华大学学报（自然科学版），1993（4）:12-13. 3．电子文献 [序号]主要责任者．电子文献题名[电子文献及载体类型标识] ．电子文献的出处或可获得地址，发表或更新日期／引用日期（任选）． [1]王明亮.关于中国学术期刊标准化数据库系统工程的进展[EB/OL]. https://www.doczj.com/doc/9617513460.html,/pub/wml.txt/980810-2.html,1998-08-16/1998-10-04. [2]万锦坤.中国大学学报论文文摘（1983-1993）.英文版[DB/CD].北京:中国大百科全书出版社，1996.
Matlab程序设计任务书 分院（系）信息科学与工程专业 学生姓名学号 设计题目车牌识别系统设计 内容及要求： 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生 分析问题和解决问题的能力，还能培养一定的科研能力。 1.牌照识别系统应包括车辆检测、图像采集、牌照识别等几 部分。 2.当车辆检测部分检测到车辆到达时,触发图像采集单元，采 集当前的视频图像。 3.牌照识别单元对图像进行处理，定位出牌照位置，再将牌 照中的字符分割出来进行识别，然后组成牌照号码输出。 进度安排： 19周：Matlab环境熟悉与基础知识学习 19周：课程设计选题与题目分析 20周：程序设计编程实现 20周：课程设计验收与答辩 指导教师（签字）： 年月日学院院长（签字）： 年月日 目录
一．课程设计目的 (3) 二．设计原理 (3) 三．详细设计步骤 (3) 四. 设计结果及分析 (18) 五. 总结 (19) 六. 设计体会 (20) 七. 参考文献 (21) 一、课程设计目的 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过
设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。 二、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。 三、详细设计步骤: 1. 提出总体设计方案: 牌照号码、颜色识别 为了进行牌照识别，需要以下几个基本的步骤： a.牌照定位，定位图片中的牌照位置；
4.10 上机操作步骤 1在MatLab 的命令窗口输入如下命令序列: clf subplot(1,2,1) hold on grid on n=1:1000; m=1./n.*cos(n*pi/2); plot(n,m,'k.') 观察数列的散点图22,当n 趋于无穷大时,数列趋于 0 subplot(1,2,2) hold on grid on n=500:10000; m=1./n.*cos(n*pi/2); plot(n,m,'k.') fplot('0.001',[500,10000]) fplot('-0.001',[500,10000]) axis([500,10000,-0.005,0.005]) 观察图23,当001.0=ε时,可以取N= 1000 ,当n>N 时有επε<< -2 co s n 1n . 图22 图23 2 在MatLab 的命令窗口输入如下命令序列: clf subplot(1,2,1) hold on grid on fplot('x.*x',[1,3])
观察函数图24, 当2x →时,2x y =的极限是 4 subplot(1,2,2) hold on grid on fplot('x.*x',[1.9,2.1]) fplot('4.001',[ 1.9,2.1]) fplot('3.999',[ 1.9,2.1]) axis([1.9997,2.0005,3.9989,4.0011]) % 调整显示图形的范围是该实验的重点 观察图25,当001.0=ε时, δ取 0.003 δ<-<2 0x 时,001.04<-y ? 图24 图25 3 在MatLab 的命令窗口输入: syms x limit((2.^x-log(2.^x)-1)./(1-cos(x)),x,0) 运行结果为 ans = log(2)^2 理论上用洛必达法则计算该极限: x x x cos 112ln 2lim 0x ---→= 1 4 在MatLab 的命令窗口输入如下命令序列: （1）syms x y=sqrt(x+2)*(3-x)^4/(x+1)^5 diff(y,x) ％求一阶导数 运行结果 ＝y'1/2/(x+2)^(1/2)*(3-x)^4/(x+1)^5-4*(x+2)^(1/2)*(3-x)^3/(x+1)^5-5*(x+2)^(1/2)*(3-x )^4/(x+1)^6 x=1; eval(y) ％求导数在x ＝1处的值 运行结果 1'=x y = 0.8660
利用Matlab 实现Romberg 数值积分算法 一、内容摘要 针对于某些多项式积分，利用Newton —Leibniz 积分公式求解时有困难，可以采用数值积分的方法，求解指定精度的近似解，本文利用Matlab 中的.m 文件编写了复化梯形公式与Romberg 的数值积分算法的程序，求解多项式的数值积分，比较两者的收敛速度。 二、数值积分公式 1.复化梯形公式求解数值积分的基础是将区间一等分时的Newton —Cotes 求积公式: I =(x)[f(a)f(b)]2 b a b a f dx -≈ +? 其几何意义是，利用区间端点的函数值、与端点构成的梯形面积来近似(x)f 在区间[a,b]上的积分值，截断误差为： 3" (b a)()12 f η-- (a,b)η∈ 具有一次的代数精度，很明显，这样的近似求解精度很难满足计算的要求，因而，可以采用将积分区间不停地对分，当区间足够小的时候，利用梯形公式求解每一个小区间的积分近似值，然后将所有的区间加起来，作为被求函数的积分，可以根据计算精度的要求，划分对分的区间个数，得到复化梯形公式： I =1 1 (b a)(b a) (x)dx [f(a)f(b)2(a )]2n b a k k f f n n -=--≈+++∑? 其截断误差为：
2" (b a)h ()12 R f η--= (a,b)η∈ 2.Romberg 数值积分算法 使用复化的梯形公式计算的数值积分，其收敛速度比减慢，为此，采用Romberg 数值积分。其思想主要是，根据I 的近似值2n T 加上I 与2n T 的近似误差，作为新的I 的近视，反复迭代，求出满足计算精度的近似解。 用2n T 近似I 所产生的误差可用下式进行估算： 12221 ()3 n n n I T T T -?=-=- 新的I 的近似值： 122 n n j T T -=?+ j =（0 1 2 ….） Romberg 数值积分算法计算顺序 i=0 (1) 002T i=1 (2) 102T (3) 012T i=2 (4) 202T (5) 112T (6) 022T i=3 (7) 302T (8) 212T (9) 122T (10) 032T i=4 (11) 402T (12) 312T (13) 222T (14) 132T … … … … 其中，第一列是二阶收敛的，第二列是四阶收敛的，第三列是六阶收敛的，第四列是八阶收敛的，即Romberg 序列。