MATLAB非线性灰度变换，只要是对数变换，以增强图像的显示效果

变分模式分解（VMD）是最近引入的自适应数据分析方法，在各个领域引起了广泛关注。 然而，VMD 是基于信号模型的窄带特性的假设制定的。 为了分析宽带非线性线性调频信号 (NCS)，我们提出了一种称为变分非线性线性调频模式分解 (VNCMD) 的替代方法。 VNCMD 是从宽带 NCS 可以通过使用解调技术转换为窄带信号这一事实发展而来的。 因此，我们的分解问题被表述为一个最优解调问题，它可以通过乘法器的交替方向方法（ADMM）有效地解决。 我们的方法可以看作是同时提取所有信号模式的时频 (TF) 滤波器组。 提供了一些模拟和真实数据示例，显示了 VNCMD 在分析包含接近或什至交叉模式的 NCS 方面的有效性。 matlab 代码允许重现论文中的一些结果：Chen S, Dong X, Peng Z, et al, Nonlinear Chirp Mode Decomposition: A

非线性邻域滤波(NNFs)在MR-FBP图像重建算法中的应用(基于astra-toolbox开发, 实现双边滤波,非局部均值滤波(NLM)的惩戒项的改进,并进行MAE,MAR分析)

提出了一种求解非线性方程组的数值方法，将求解非线性方程组的解转化为函数优化问题，应用粒子群优化算法求出一个近似解，将此解作为初始猜测值，进一步应用Levenberg-Marquardt（LM）算法求得更高精度的解，提高了时间效率。

针对传感器非线性问题，介绍了几种传感器非线性软硬件校正方法――线性插值法、改变电源电压法等．这些方法可满足绝大多数传感器的线性化需要，具有简单、实用等特点．

本文着重研究高阶非线性多智能体系统的自适应自适应模糊控制。 通信网络是具有固定拓扑的无向图。 每个代理由高阶积分器建模，该积分器具有未知的非线性动力学和未知的干扰。 在backstepping框架下，为每个代理设计了一个鲁棒的自适应模糊控制器，以使所有代理最终达成共识。 而且，从每个代理程序的控制器设计仅需要其自身及其邻居之间的相对状态信息的意义上说，这些控制器是分布式的。 一个四阶仿真实例证明了该算法的有效性。

针对宽带功放以及高效率功放出现的记忆效应,提出一种改进的Hammerstein动态非线性模型。为提高建模精度,通过主路径和附加路径构建改进的Hammerstein动态非线性模型。主路径使用有限冲激响应滤波器分别构建弱记忆效应子系统和强记忆效应子系统,对这2个子系统分别建模,使用查找表构建无记忆非线性模型。对附加路径建模时,仍采用将记忆线性系统和无记忆非线性系统分别建模的思想。仿真结果表明,改进的Hammerstein模型不仅能补偿短时记忆产生的带内失真,而且抑制了由于长时记忆产生的带外频谱再生,建模精度有了较大程度的提高。

近似规划法的算法步骤如下

研究平面轮廓局部支撑域上的协方差矩阵，通过对图像协方差矩阵的特征值和特征向量的分析，以V角点模型为例，证明了协方差矩阵行列式在角点位置有唯一的极值响应。同时，为了有效地融合各个尺度信息，采用多尺度乘积方法来增强角点响应的幅度，抑制非角点或噪声的幅度。基于此，提出以多尺度乘积的协方差矩阵行列式作为角点响应函数的角点检测算法。实验结果表明：通过比较经典的角点检测算法，算法具有很好的定位、抗噪及旋转和尺度不变性。

matlab代码 积分 Readme 这是我在研一下学习非线性方程组数值解时的MATLAB代码记录。 第一次作业是让我们找个100维的非线性方程组，然后后面几次的作业是让我们用不同的迭代方法迭代计算他的数值解，并比较不同解法的优劣。 由于作业的pdf 中有个人信息的名字，所以被我重新处理了一下，本质上还是提交给老师的作业。 有一些作业文件夹里都有自己的Readme文档，可以查看更详细的信息，当然，大多数文件夹中没有。 [TOC] 下面是每次作业的内容： 第二次作业：牛顿法迭代 这一次写的太烂，还附赠了同学的代码 第三次作业：Newton-SOR 迭代法和 SOR-Newton 迭代法 只给出了结果，没有写自己观察的结论，或者说总结和讨论（或者说自己的感想），被老师教育了一顿，不知道在最后一次作业里补上了没有。 第四次作业：一点割线法、两点割线法和改进n步迭代法 第五次作业：延拓牛顿法和循环中点求积牛顿法 这次作业也是个总结，老师要求把之前所有的作业都一起呈现出来。 实验结论在这次作业中总结的最好，但是代码都分布在其他作业的各个文件夹中。