matlab制造一个64*64的仿真数据

简介:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
fid = fopen( 'test_001.img' , 'w' );
r=random( 'Normal' , 100 , 0 , 64 , 64 );
z=random( 'Uniform' , 0 , 5 , 64 , 64 );
 
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
a= 14 ;
b= 16 ;
for  i= 15 : 18
     for  j=a:b
         r(i,j)=random( 'Normal' , 102 , 0 , 1 , 1 );
     end
     a = a- 1 ;
     b = b+ 1 ;
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for  i= 15 : 18
     for  j= 31 : 34
         r(i,j)=random( 'Normal' , 102 , 0 , 1 , 1 );
     end
end
 
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for  i= 14 : 19
     for  j= 47 : 48
          r(i,j)=random( 'Normal' , 102 , 0 , 1 , 1 );
     end
end
 
for  i= 16 : 17
     for  j= 45 : 50
         r(i,j)=random( 'Normal' , 102 , 0 , 1 , 1 );
     end
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
 
a= 13 ;
b= 17 ;
for  i= 30 : 35
     for  j=a:b
        r(i,j)=random( 'Normal' , 102 , 0 , 1 , 1 );
     end
     
     a=a- 1 ;
     b=b+ 1 ;
     
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for  i= 30 : 35
     for  j= 30 : 35
         r(i,j)=random( 'Normal' , 102 , 0 , 1 , 1 );
     end   
end
 
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for  i = 29 : 35
     for  j= 47 : 49
          r(i,j)=random( 'Normal' , 102 , 0 , 1 , 1 );
     end
end
 
for  i= 31 : 33
     for  j= 45 : 51
         r(i,j)=random( 'Normal' , 102 , 0 , 1 , 1 );
     end
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
 
a= 13 ;
b= 18 ;
for  i= 46 : 53
     for  j=a:b
         r(i,j)=random( 'Normal' , 102 , 0 , 1 , 1 );
     end
     a=a- 1 ;
     b=b+ 1 ;
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for  i= 45 : 53
     for  j= 29 : 37
         r(i,j)=random( 'Normal' , 102 , 0 , 1 , 1 );
     end
end
 
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for  i= 44 : 53
     for  j= 46 : 49
         r(i,j)=random( 'Normal' , 102 , 0 , 1 , 1 );
     end
end
 
for  i= 47 : 50
    for  j= 43 : 52
         r(i,j)=random( 'Normal' , 102 , 0 , 1 , 1 );
    end
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
r=r+z;count =fwrite(fid,r);
fclose( 'all' );<br><br><br><br><br>

fid = fopen('test_002.img','w');
s=random('Normal',100,0,64,64);z=random('Uniform',0,5,64,64);
for i=8:12
for j=8:12
s(i,j)=random('Normal',102,0,1,1);
end
end 
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
s=s+z;count=fwrite(fid,s);
fclose('all');

  本文转自二郎三郎博客园博客,原文链接:http://www.cnblogs.com/haore147/p/3796629.html,如需转载请自行联系原作者

相关文章
|
5月前
|
数据可视化
基于MATLAB的OFDM调制发射与接收仿真
基于MATLAB的OFDM调制发射与接收仿真
|
5月前
|
传感器 机器学习/深度学习 算法
【使用 DSP 滤波器加速速度和位移】使用信号处理算法过滤加速度数据并将其转换为速度和位移研究(Matlab代码实现)
【使用 DSP 滤波器加速速度和位移】使用信号处理算法过滤加速度数据并将其转换为速度和位移研究(Matlab代码实现)
363 1
|
4月前
|
5G
基于IEEE 802.11a标准的物理层MATLAB仿真
基于IEEE 802.11a标准的物理层MATLAB仿真
282 0
|
4月前
|
算法
基于MATLAB/Simulink平台搭建同步电机、异步电机和双馈风机仿真模型
基于MATLAB/Simulink平台搭建同步电机、异步电机和双馈风机仿真模型
|
4月前
|
机器学习/深度学习 算法 数据可视化
基于MVO多元宇宙优化的DBSCAN聚类算法matlab仿真
本程序基于MATLAB实现MVO优化的DBSCAN聚类算法,通过多元宇宙优化自动搜索最优参数Eps与MinPts,提升聚类精度。对比传统DBSCAN,MVO-DBSCAN有效克服参数依赖问题,适应复杂数据分布,增强鲁棒性,适用于非均匀密度数据集的高效聚类分析。
|
4月前
|
开发框架 算法 .NET
基于ADMM无穷范数检测算法的MIMO通信系统信号检测MATLAB仿真,对比ML,MMSE,ZF以及LAMA
简介:本文介绍基于ADMM的MIMO信号检测算法,结合无穷范数优化与交替方向乘子法,降低计算复杂度并提升检测性能。涵盖MATLAB 2024b实现效果图、核心代码及详细注释,并对比ML、MMSE、ZF、OCD_MMSE与LAMA等算法。重点分析LAMA基于消息传递的低复杂度优势,适用于大规模MIMO系统,为通信系统检测提供理论支持与实践方案。(238字)
|
5月前
|
传感器 算法 数据挖掘
基于协方差交叉(CI)的多传感器融合算法matlab仿真,对比单传感器和SCC融合
基于协方差交叉(CI)的多传感器融合算法,通过MATLAB仿真对比单传感器、SCC与CI融合在位置/速度估计误差(RMSE)及等概率椭圆上的性能。采用MATLAB2022A实现,结果表明CI融合在未知相关性下仍具鲁棒性,有效降低估计误差。
295 15
|
5月前
|
机器学习/深度学习 算法 安全
【图像处理】使用四树分割和直方图移动的可逆图像数据隐藏(Matlab代码实现)
【图像处理】使用四树分割和直方图移动的可逆图像数据隐藏(Matlab代码实现)
222 2
|
5月前
|
监控
基于MATLAB/Simulink的单机带负荷仿真系统搭建
使用MATLAB/Simulink平台搭建一个单机带负荷的电力系统仿真模型。该系统包括同步发电机、励磁系统、调速系统、变压器、输电线路以及不同类型的负荷模型。
992 5
|
4月前
|
机器学习/深度学习 人工智能 算法
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
229 0

热门文章

最新文章