MATLAB 数据库.doc

基MATLAB 数据库linspace(a,b,c)均匀生成介于a到b的c个值，c默认为100如linspace(0,100,5)即0 25 50 75 100linspace(-1.3,1.3)就是生成介于-1.3到1.3的100个值meshgrid是生成网格的函数，一般是生成二维网格矩阵数据，但这里生成的是三维网格矩阵数据。先以二维数据为例，比如要绘制函数z=f(x,y)的图像x方向在1,2,3,4,5五个点上采样，即x=1:5y方向在10 20 30 40四个点上采样，即y=10:10:40那么就一共有5*4=20个采样点。分别为(1,10) (2,10) (3,10) (4,10) (5,10)(1,20) (2,20) (3,20) (4,20) (5,20)(1,30) (2,30) (3,30) (4,30) (5,30)(1,40) (2,40) (3,40) (4,40) (5,40)命令X,Y=meshgrid(x,y)生成的X就是这20个采样点的横坐标，Y既是其纵坐标，即X=1 2 3 4 51 2 3 4 51 2 3 4 51 2 3 4 5Y=10 10 10 10 1020 20 20 20 2030 30 30 30 3040 40 40 40 40然后再对这20个采样点计算z的值，即Z=f(X,Y)，最后用mesh(X,Y,Z)即可绘制图像三维网格数据与此类似，现在xyz三个方向都是取-1.3到1.3的100个数据，总共就是1003即一百万个采样点，x,y,z=meshgrid(linspace(-1.3,1.3);中的x，y和z就分别是这一百万个采样点的三个维度上的坐标。 而s=(x.2 + (9/4)*y.2 + z.2 - 1).3 - x.2.*z.3 - (1/9)*y.2.*z.3;就得到了函数s=f(x,y,z)=(x.2 + (9/4)*y.2 + z.2 - 1).3 - x.2.*z.3 - (1/9)*y.2.*z.3在这一百万个采样点中的值size（）：获取矩阵的行数和列数 （1）s=size(A), 当只有一个输出参数时，返回一个行向量，该行向量的第一个元素时矩阵的行数，第二个元素是矩阵的列数。（2）r,c=size(A), 当有两个输出参数时，size函数将矩阵的行数返回到第一个输出变量r，将矩阵的列数返回到第二个输出变量c。（3）size(A,n)如果在size函数的输入参数中再添加一项n，并用1或2为n赋值，则 size将返回矩阵的行数或列数。其中r=size(A,1)该语句返回的时矩阵A的行数， c=size(A,2) 该语句返回的时矩阵A的列数。Input() 数据输入Disp() 输出项既可以是字符串也可以是矩阵矩阵运算w=gallery(cauchy,1000); %产生一个10001000的柯西矩阵t1=clock; % 获取系统时间w_norm=norm(w) %计算范数t2=clock; %获取系统时间t_norm=etime(t2,t1) %计算范数的耗时t3=clock; %获取系统时间w_normest=normest(w); %估计范数t4=clock; %获取系统时间t_normest=etime(t4,t3) %估计范数的耗时特殊矩阵的创建Zeros(m,n) 生成m*n个全零矩阵Eye(m,n) 生成m*n个单位矩阵One(m,n) 生成m*n个全1矩阵Rand(m,n) 生成m*n个随机矩阵Randn(m,n)生成m*n个标准正态分布随机矩阵linspace(a,b,c)均匀生成介于a到b的c个值，c默认为100magic(n) 产生n阶魔方矩阵矩阵求值det(A) A为一个矩阵矩阵求秩 rank(A) 矩阵求迹trace(A) 即求对角线元素和也等于特征值之和 a必须为方阵矩阵的逆inv(A)矩阵的伪逆pinv(A) 也称广义矩阵矩阵特征值 和特征向量VB,DB=eig(B).多项式poly2sym(1 3 2) 创建多项式ans = x2 + 3*x + 2p=polyder(P,Q) 求多项式P与多项式Q乘积的导函数多项式p,q=polyder(P,Q)求多项式P与多项式Q相除的导函数求多项式的根r=roots(c) C=poly(r): r为多项式的根， c为多项式的系数向量1 求导syms a x %定义符号变量a和xf=sin(a*x) %创建函数fdfx=diff(f,x) %对x求导dfa=diff(f,a) %对a求导2 积分syms x %定义符号变量xf=x*log(1+x) %创建函数fint1=int(f,x) %对x积分int2=int(f,x,0,1) %求0,1区间上的积分3 复数函数 x1=-1+x %直接构造法，实部虚部形式x2=sqrt(2)*exp(i*(3*pi/4) %直接构造法，复指数形式%符号函数法的构造，实部虚部的形式 syms a b real; %声明a,b为实数型x3=a+b*i %实部虚部形式复数的符号表达subs(x3,a,b,-1,1) %带入集体数值%符号函数构造法，复指数形式syms r ct real; %声明 r ct 为实数型x4=r*exp(ct*i); %复数形式的复数表达式subs(x4,r,ct,sqrt(2),3*pi/4) %带入具体值 3.1复数函数绘图t=0:0.01:2*pi;y=t+i*t.*sin(t); % 直角坐标表示r=abs(y);bdelta=angle(y); %极坐标表示subplot(2,1,1) %绘制直角坐标图plot(y)title(直角坐标图);subplot(2,1,2) %绘制极坐标polar(delta,r)title(极坐标图)4 三维绘图t=0:0.01:2*pi;y=t+i*t.*sin(t); % 直角坐标表示r=abs(y);bdelta=angle(y); %极坐标表示subplot(2,1,1) %绘制直角坐标图plot(y)title(直角坐标图);subplot(2,1,2) %绘制极坐标polar(delta,r)title(极坐标图)function ex0303()t=0:pi/50:6*pi;xt=exp(-0.1*t).*cos(t);yt=exp(-0.1*t).*sin(t); %拆分窗口为2*2subplot(2,2,1),plot3(xt,yt,t),grid ontitle(（xt,yt,t）三维图a);subplot(2,2,2),plot3(xt,yt,t),grid on, view(0 0 1);title(在（0,0,1）观察a的图a1)subplot(2,2,3),plot3(xt,yt,t), grid ontitle(t,xt,yt)的三维图b);subplot(2,2,4),plot3(t,xt,yt),grid on,view(0 -4 0)title(在(0,-4,0)观察b的图b1);4.1 图形处理x=randn(500,1); y=randn(500,3); %定义想x,y为正态分布随机数subplot(3,1,2); hist(x); %绘制x为变量的分布图subplot(3,1,3); hist(x,100); %绘制概率分布图subplot(3,1,1); hist(y,25); %绘制分布图t= x*pi/180; %设置x为正态分布随机数，设置函数关系rose(t); set(findobj(Type,line),LineWidth,1.5) %绘制玫瑰图 4.1.1 柱状图x=randn(1000,1)*100; x=5 2 1;4 2 7;3 6 9;5 1 7;6 2 5; %定义x取值subplot(1,2,2); bar(x); %绘制柱状图subplot(1,2,1); barh(x,stack); %绘制水平的柱状图z=15,35,10;20,10,30 %设置坐标轴范围subplot(2,2,1); h1=bar3(z,detached);set(h1,FaceColor,w); title(分离式柱状图)subplot(2,2,2); h2=bar3(z,grouped);set(h2,FaceColor,w); title(分组式柱状图);subplot(2,2,3);h3=bar3(z,stacked);set(h3,FaceColor,w); title(叠加式柱状图);subplot(2,2,4); h4=bar3h(z);set(h4,FaceColor,W); title(水平放置的三维柱状图);4.1.2面积图part1=4 6 7 9 2 3; part2=2 1 3 7 9 8; %定义part1、part2取值area(part1 part2) %绘制part1、part2面积图gtext(total=part1+part2) %添加图形标注4.1.3饼图1）x=rand(1,5); y=0.2 0.3,0.1; %定义x取值为正态分布随机数，定义y取值subplot(1,2,1); pie(x); %绘制以x为变量的饼图subplot(1,2,2); pie(y); %绘制以y为变量的饼图4.1.4火柴杆图 stemt=0:0.2:10; y=exp(-0.5*t).*sin(7*t); %定义t的范围及刻度，y与t的函数subplot(2,1,1); stem(t,y); hold on; %绘制火柴杆图形plot(t,y); plot(t,y,r);xlabel(X); ylabel(Y);subplot(2,1,2); stem(t,y,-.dg,fill);xlabel(X);ylabel(Y);2）t=0:pi/10:6*pi; x=exp(-t/10).*cos(t); y=2*exp(-t/10).*sin(t); stem3(x,y,t,filled); %绘制三维火柴杆图hold on; plot3(x,y,t);xlabel(X);ylabel(Y);zlabel(Z);三维火柴杆图 4.1.5阶梯图 contourz=peaks; %绘制peaks图形subplot(2,1,1); contour(z); %绘制peaks图形等高线图subplot(2,1,2); contour(z,3.8 1.5); clabel(c,h); %标注figure %新建Figure窗口subplot(2,1,1); c,h=contour(z,4); clabel(c,h) %标注等高线图中的函数值subplot(2,1,2); contourf(z,4)4.1.5圆柱体图 cylindersubplot(1,2,1);X,Y,Z=cylinder;mesh(X,Y,Z); title(单位圆柱体)subplot(1,2,2);t=1:10;r(t)=t.*t; X,Y,Z=cylinder(r,40);mesh(X,Y,Z); title(一般圆柱体)四单元1.1 二元插值函数x,y=meshgrid(-4:4); %产生已知数据栅格点z=peaks(x,y); %产生已知点上的函数值x1,y1=meshgrid(-4:0.25:4); %产生更精细的插值栅格点z1=interp2(x,y,z,x1,y1,nearest);surf(x1,y1,z1) %画基于最邻近法插值的三维表面图z2=interp2(x,y,z,x1,y1,linear);surf(x1,y1,z2) %画基于二维的分段线插值的三维表面图z3=interp2(x,y,z,x1,y1,cubic);surf(x1,y1,z3) %画基于二维三次多项式插值的三维表面图1.2 interp函数对正弦函数插值x=0:2*pi;y=sin(x);z=interpft(y,15);xx=linspace(0,2*pi,15); %生成从0到2之间的15个线性等分点的行向量plot(x,y,-o,xx,z,:o)1.3x=-3:3;y=-1 -1 -1 0 1 1 1; %产生已知点t=-3:.01:3; %产生细密插值点的横坐标p=pchip(x,y,t); %用cubic方法对已知点进行细密插值ppol=spline(x,y) %先用已知点进行分段样条插值s=ppval(ppol,t); %再用插值后的样条函数求插值点的y值plot(x,y,o,t,p,-,t,s,-.) % 圆圈代表已知点构成的曲线， %短横线代表用cubic方法进行细密插值后的曲线， %点画线代表先分段插值在细密插值后的曲线例1 求 f = 2 在0x x=-5:5; y=1./(1+x.2); x0=-5:0.001:5; y0=lagrange(x,y,x0); y1=1./(1+x0.2); plot(x0,y0,r) hold on plot(x0,y1,g) gtext(n=10的图像)用多项式拟合的命令 x=0:0.1:1; y=-0.447 1.978 3.28 6.16 7.08 7.34 7.66 9.56 9.48 9.30 11.2; A=polyfit(x,y,2) z=polyval(A,x); plot(x,y,k+,x,z,r) 13.7.1一元多项式回归%ex1327.m多项式拟合%输入数据x0=17:2:29;x0=x0,x0; y0=20.48,25.13,26.15,30.0,26.1,20.3,19.35. 24.35,28.11,26.3,31.4,26.92,25.7,21.3;%多项式系数拟合，得系数pp,s=polyfit(x0,y0,2);p%y的拟合值及预测值y的置信半径deltay,delta=polyconf(p,x0,s);y%交互式画图polytool(x0,y0,2)%加载自带的汽车数据，识别预测功率和汽车自身重量，作为里程相应load carsmallx1=Weight;x2=Horsepower; %包括NaN数据y=MPG;%计算一下线性模型回归系数X=ones(size(x1) x1 x2 x1.*x2;b=regress(y,X) %剔除NaN数据%对数据和模型进行绘图scatter3(x1,x2,y,filled)hold on x1fit=min(x1):100:max(x1);x2fit=min(x2):10:max(x2);X1FIT,X2FIT=meshgrid(x1fit,x2fit);YFIT=b(1)+b(2)*X1FIT+b(3)*X2FIT+b(4)*X1FIT.*X2FIT;mesh(X1FIT,X2FIT,YFIT)xlabel(重量)ylabel(马力)zlabel(耗油量)view(50,10) %调整图形视角效果本文采用SPCE061A单片机为核心处理器，应用基于隐马尔可夫模型的语音识别方法，进行了车载灯光语音识别系统的软硬件设计开发，实验证明本系统能够实现语音识别和控制功能。对于今后车载语音控制技术在嵌入式平台上的研究开发有重要意义。参考文献1 赵力. 语音信号处理M. 北京：清华大学出版社，2004.196-1982 李晶皎. 嵌入式语音技术及凌阳16位单片机应用M. 北京航空航天大学出版社，2003. 88-1093 王智国. 嵌入式人机交互系统关键技术研究D. 中国科学技术大学, 2014. 25-284 Strecha Guntram, Duc