This media is not supported in your browser
VIEW IN TELEGRAM
✔️بنا به درخواست متعدد دوستان:
✔️بچههای هوش مصنوعی ببینن👌👌
🔸هوش مصنوعی تسلا مردی را جلوی اتومبیل در یک قبرستان خالی نشان داد...!
گروه و کانال تخصصی متلب:
@matlab_communication
✔️بچههای هوش مصنوعی ببینن👌👌
🔸هوش مصنوعی تسلا مردی را جلوی اتومبیل در یک قبرستان خالی نشان داد...!
گروه و کانال تخصصی متلب:
@matlab_communication
This media is not supported in your browser
VIEW IN TELEGRAM
🎞پیشرفته ترین سیستم اطفاء حریق با استفاده از فناوریهای بینایی ماشین و
هوش مصنوعی در تشخیص آنی آتش🔥 و خاموش کردن آن
🔸ترکیب دوربین نظارتی و سیستم اطفا حریق ایده اصلی این سیستم است که با جایگزینی پردازش و تحلیل تصویر بجای سنسورهای معمول دود و آتش میتواند به کاهش هزینه(پوشش بیشتر دوربین نسبت به سنسورهای معمول) کمک اساسی کند.
🔸همچنین افزایش سرعت پاسخ(سرعت بالاتر تشخیص آتش با استفاده از پردازش تصویر نسبت به سنسور) منجر شود.
🔸همچنین تشخیص زاویه مناسب جهت پاشش به ارتقا و بهرهوری سیستم اطفا حریق، در مقایسه با پاشش کور در سیستمهای معمول اطفاء حریق کمک میکند.
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
هوش مصنوعی در تشخیص آنی آتش🔥 و خاموش کردن آن
🔸ترکیب دوربین نظارتی و سیستم اطفا حریق ایده اصلی این سیستم است که با جایگزینی پردازش و تحلیل تصویر بجای سنسورهای معمول دود و آتش میتواند به کاهش هزینه(پوشش بیشتر دوربین نسبت به سنسورهای معمول) کمک اساسی کند.
🔸همچنین افزایش سرعت پاسخ(سرعت بالاتر تشخیص آتش با استفاده از پردازش تصویر نسبت به سنسور) منجر شود.
🔸همچنین تشخیص زاویه مناسب جهت پاشش به ارتقا و بهرهوری سیستم اطفا حریق، در مقایسه با پاشش کور در سیستمهای معمول اطفاء حریق کمک میکند.
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
🔸استخراج دیتا از نمودار رسم شده یا ذخیره شده در متلب
گاهی اوقات فقط به نمودار رسم شده یا ذخیره به فرمت fig.* دسترسی داریم و دیتاهای آن در دسترس نیستند. در این حالت برای دسترسی به دیتاهای اصلی از روی نمودار متلب با پسوند fig.* میتوان از کد موجود درعکس استفاده نمود.
کد نوشته شده بصورت اتوماتیک دیتاهای تمام نمودارهای موجود در یک fig.* را استخراج می کند.
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
گاهی اوقات فقط به نمودار رسم شده یا ذخیره به فرمت fig.* دسترسی داریم و دیتاهای آن در دسترس نیستند. در این حالت برای دسترسی به دیتاهای اصلی از روی نمودار متلب با پسوند fig.* میتوان از کد موجود درعکس استفاده نمود.
کد نوشته شده بصورت اتوماتیک دیتاهای تمام نمودارهای موجود در یک fig.* را استخراج می کند.
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
🔸رسم نمودار ROC برای داده های چند کلاسه
%% loading data
load fisheriris
X = meas(:, 1:1); % more features -> higher AUC
Y = species;
%% dividing data to test and train sets
r = randperm(150); trn = r(1:100); tst = r(101:150);
%% train classifier
model = fitcdiscr(X(trn, :),Y(trn));
%% predict labels
% score store likelihood of each sample
% being of each class: nSample by nClass
[Y2, scores] = predict(model, X(tst, :));
%% plot ROCs
hold on
for i=1:length(model.ClassNames)
[xr, yr, ~, auc] = perfcurve(Y(tst),scores(:, i), model.ClassNames(i));
plot(xr, yr, 'linewidth', 1)
legends{i} = sprintf('AUC for %s class: %.3f', model.ClassNames{i}, auc);
end
legend(legends, 'location', 'southeast')
line([0 1], [0 1], 'linestyle', ':', 'color', 'k');
xlabel('FPR'), ylabel('TPR')
noscript('ROC for Iris Classification (1 vs Others)')
axis square
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
%% loading data
load fisheriris
X = meas(:, 1:1); % more features -> higher AUC
Y = species;
%% dividing data to test and train sets
r = randperm(150); trn = r(1:100); tst = r(101:150);
%% train classifier
model = fitcdiscr(X(trn, :),Y(trn));
%% predict labels
% score store likelihood of each sample
% being of each class: nSample by nClass
[Y2, scores] = predict(model, X(tst, :));
%% plot ROCs
hold on
for i=1:length(model.ClassNames)
[xr, yr, ~, auc] = perfcurve(Y(tst),scores(:, i), model.ClassNames(i));
plot(xr, yr, 'linewidth', 1)
legends{i} = sprintf('AUC for %s class: %.3f', model.ClassNames{i}, auc);
end
legend(legends, 'location', 'southeast')
line([0 1], [0 1], 'linestyle', ':', 'color', 'k');
xlabel('FPR'), ylabel('TPR')
noscript('ROC for Iris Classification (1 vs Others)')
axis square
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
Media is too big
VIEW IN TELEGRAM
🎞آموزش نصب کامپایلر MinGW-W64 در متلب
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
💯گروه تخصصی متلب::
👈 آموزش نرم افزار متلب در حوزههای:
مخابرات، سیمولینک، برق، مهندسی پزشکی، کنترل، پردازش صوت و تصویر، عمران، شیمی،رباتیک، هوشمصنوعی، پردازش سیگنال، هوافضا، ریاضی و ...
گروه 6.4K نفره متلب:
https://news.1rj.ru/str/joinchat/EHEbrEA6SZ1bAjLdUj7bwA
کانال تخصصی متلب:
@Matlab_Communication
👈 آموزش نرم افزار متلب در حوزههای:
مخابرات، سیمولینک، برق، مهندسی پزشکی، کنترل، پردازش صوت و تصویر، عمران، شیمی،رباتیک، هوشمصنوعی، پردازش سیگنال، هوافضا، ریاضی و ...
گروه 6.4K نفره متلب:
https://news.1rj.ru/str/joinchat/EHEbrEA6SZ1bAjLdUj7bwA
کانال تخصصی متلب:
@Matlab_Communication
👍2
This media is not supported in your browser
VIEW IN TELEGRAM
🎞Simscape Vehicle Templates
📎مجموعه ای از الگوها برای ایجاد مدلهای خودروی سفارشی با استفاده از Simscape برای استفاده در Simulink در متلب
✅کد مربوطه در پست بعدی(پایین)
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
✅کد مربوطه در پست بعدی(پایین)👇👇👇
📎مجموعه ای از الگوها برای ایجاد مدلهای خودروی سفارشی با استفاده از Simscape برای استفاده در Simulink در متلب
✅کد مربوطه در پست بعدی(پایین)
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
✅کد مربوطه در پست بعدی(پایین)👇👇👇
Simscape_Vehicle_Templates.rar
74.1 MB
📎Simscape Vehicle Templates
📎مجموعه کدهای الگوها برای ایجاد مدلهای خودروی سفارشی با استفاده از Simscape برای استفاده در Simulink در متلب
✔️mathworks.com
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
📎مجموعه کدهای الگوها برای ایجاد مدلهای خودروی سفارشی با استفاده از Simscape برای استفاده در Simulink در متلب
✔️mathworks.com
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
❤1
This media is not supported in your browser
VIEW IN TELEGRAM
🎞Run Python commands from Matlab
🎞اجرای دستورات پایتون در متلب
✔️در این آموزش تصویری، بدون صدا هم متوجه انجام این کار خواهید شد😉
✅mathworks.com
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
🎞اجرای دستورات پایتون در متلب
✔️در این آموزش تصویری، بدون صدا هم متوجه انجام این کار خواهید شد😉
✅mathworks.com
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
حل دستنویس تمارین پایان فصل درس های :
۱- تئوری مخابرات پیشرفته(مخ.دیجیتال.پروکیس)
۲- درس فرآیندهای تصادفی (پاپولییس-گارسیا)
* با با توضیحات فارسی روان
☆ به همراه مفاهیم پایه ای دروس سیگنال سیستم - آمار و احتمالات مهندسی و به همراه حل تمارین مختلف و خلاصه فرمولها جهت یادآوری مطالب - حل اثباتی ها - تکالیف متلب
جهت دریافت این پکیج ها به ادمین کانال تخصصی متلب پیام بدید .
@m_vat
@alimoradi_on
@Matlab_Communication
۱- تئوری مخابرات پیشرفته(مخ.دیجیتال.پروکیس)
۲- درس فرآیندهای تصادفی (پاپولییس-گارسیا)
* با با توضیحات فارسی روان
☆ به همراه مفاهیم پایه ای دروس سیگنال سیستم - آمار و احتمالات مهندسی و به همراه حل تمارین مختلف و خلاصه فرمولها جهت یادآوری مطالب - حل اثباتی ها - تکالیف متلب
جهت دریافت این پکیج ها به ادمین کانال تخصصی متلب پیام بدید .
@m_vat
@alimoradi_on
@Matlab_Communication
🔸رسم شکلهای خاص در متلب، شکل(۱):
figure("Color","#88BB22")
t=0:.02:2;
x=16*sinpi(t).^3;
f=@cospi;
y=14*f(t)-5*f(2*t)-2*f(3*t)-f(4*t);
hold on
axis equal off
for i=0:.002:1
%tip for remixes: change Color
C=([(1-i)^2,i^2,i/2]); % Color
for j = 1:2
C = flip(C);
for k = 1:3
C=circshift(C,1);
plot([x;x;y;-y]'*i+k*40,[y;-y;x;x]'*i+j*40,Col = C)
end
end
end
✅mathworks.com
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
figure("Color","#88BB22")
t=0:.02:2;
x=16*sinpi(t).^3;
f=@cospi;
y=14*f(t)-5*f(2*t)-2*f(3*t)-f(4*t);
hold on
axis equal off
for i=0:.002:1
%tip for remixes: change Color
C=([(1-i)^2,i^2,i/2]); % Color
for j = 1:2
C = flip(C);
for k = 1:3
C=circshift(C,1);
plot([x;x;y;-y]'*i+k*40,[y;-y;x;x]'*i+j*40,Col = C)
end
end
end
✅mathworks.com
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
❤1
🔸رسم شکلهای خاص در متلب، شکل(۲):
t=0:.001:2;
x=16*sinpi(t).^3;
f=@cospi;
y=14*f(t)-5*f(2*t)-2*f(3*t)-f(4*t);
hold on
axis equal off
for i=0:0.001:1
%tip for remixes: change Color
C=[(1-i)^2,i^2,0]; % Color
plot([x;x;y;-y]'*i,[y;-y;x;x]'*i,Col = C)
end
✅mathworks.com
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
t=0:.001:2;
x=16*sinpi(t).^3;
f=@cospi;
y=14*f(t)-5*f(2*t)-2*f(3*t)-f(4*t);
hold on
axis equal off
for i=0:0.001:1
%tip for remixes: change Color
C=[(1-i)^2,i^2,0]; % Color
plot([x;x;y;-y]'*i,[y;-y;x;x]'*i,Col = C)
end
✅mathworks.com
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
❤1
🔸رسم شکلهای خاص در متلب، شکل(۳):
nq=15;%number of quadrants
np=20;%number of point per axis
hp=1:np;
hp=[hp;zeros(size(hp))];
rv=@(x) [cos(x),-sin(x);sin(x),cos(x)];
for j=1:floor(nq)
vp=rv(2*pi/nq)*hp;
for i=1:np
lp=[hp(:,i),vp(:,np-i+1)];
plot(lp(1,:),lp(2,:),'color',lines(1));hold on
end
hp=vp;
end
axis square
axis off
✅mathworks.com
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
nq=15;%number of quadrants
np=20;%number of point per axis
hp=1:np;
hp=[hp;zeros(size(hp))];
rv=@(x) [cos(x),-sin(x);sin(x),cos(x)];
for j=1:floor(nq)
vp=rv(2*pi/nq)*hp;
for i=1:np
lp=[hp(:,i),vp(:,np-i+1)];
plot(lp(1,:),lp(2,:),'color',lines(1));hold on
end
hp=vp;
end
axis square
axis off
✅mathworks.com
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
🔸رسم شکلهای خاص در متلب، شکل(۴):
nq=16;%number of quadrants
np=20;%number of point per axis
hp=1:np;
hp=[hp;zeros(size(hp))];
rv=@(x) [cospi(x),-sinpi(x);sinpi(x),cospi(x)];
for j=1:floor(nq)
vp=rv(2*pi/nq)*hp;
for i=1:np
lp=[hp(:,i),vp(:,np-i+1)];
plot(lp(1,:),lp(2,:),'color',lines(1));hold on
end
hp=vp;
end
axis square
axis off
✅mathworks.com
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
nq=16;%number of quadrants
np=20;%number of point per axis
hp=1:np;
hp=[hp;zeros(size(hp))];
rv=@(x) [cospi(x),-sinpi(x);sinpi(x),cospi(x)];
for j=1:floor(nq)
vp=rv(2*pi/nq)*hp;
for i=1:np
lp=[hp(:,i),vp(:,np-i+1)];
plot(lp(1,:),lp(2,:),'color',lines(1));hold on
end
hp=vp;
end
axis square
axis off
✅mathworks.com
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
👍1
🔸رسم شکلهای خاص در متلب، شکل(۵):
t = 0:3:330;
c = cosd(t);
s = sind(t);
i = 1:0.25:10;
j=0.5:0.1:1;
k=3.5:0.25:4;
f=@(r,l)bsxfun(@times,r.',l);
a = f(i,c);
b = f(i,s);
d = f(j,c);
e = f(j,s);
g = f(k,c);
h = f(k,s);
plot(a,b,'ro','MarkerFaceColor','y')
hold on
plot(d,e,'ko','MarkerFaceColor','k')
plot(g,h,'bo')
axis equal off
✅mathworks.com
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
t = 0:3:330;
c = cosd(t);
s = sind(t);
i = 1:0.25:10;
j=0.5:0.1:1;
k=3.5:0.25:4;
f=@(r,l)bsxfun(@times,r.',l);
a = f(i,c);
b = f(i,s);
d = f(j,c);
e = f(j,s);
g = f(k,c);
h = f(k,s);
plot(a,b,'ro','MarkerFaceColor','y')
hold on
plot(d,e,'ko','MarkerFaceColor','k')
plot(g,h,'bo')
axis equal off
✅mathworks.com
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
🔸رسم شکلهای خاص در متلب، شکل(۶):
t = 0:3:360;
c = cosd(t).^3;
s = sind(t).^3;
r1 = 1:0.25:10;
r2=1:0.1:1;
r3=3.5:0.25:4;
f=@(r,l)bsxfun(@times,r.',l-1);
a = f(r1,c);
b = f(r1,s);
d = f(r2,c);
e = f(r2,s);
g = f(r3,c);
h = f(r3,s);
plot(a,b,'ro','MarkerFaceColor','y')
hold on
plot(d,e,'ko','MarkerFaceColor','k')
plot(g,h,'bo')
axis equal off
✅mathworks.com
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
t = 0:3:360;
c = cosd(t).^3;
s = sind(t).^3;
r1 = 1:0.25:10;
r2=1:0.1:1;
r3=3.5:0.25:4;
f=@(r,l)bsxfun(@times,r.',l-1);
a = f(r1,c);
b = f(r1,s);
d = f(r2,c);
e = f(r2,s);
g = f(r3,c);
h = f(r3,s);
plot(a,b,'ro','MarkerFaceColor','y')
hold on
plot(d,e,'ko','MarkerFaceColor','k')
plot(g,h,'bo')
axis equal off
✅mathworks.com
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
🔸رسم شکلهای خاص در متلب، شکل(۷):
%presets
r=1500;
f=17;
t=1.5;
Z = 0;
[x,y]=meshgrid(linspace(0.7,1.08,r),linspace(-.2,.2,r).*i);
M=x+y;
%iterate
for p=1:f
Z=cot(Z.^t+M);
end
imshow(real(Z'),'C',colorcube)
%get big picture
set(gcf,'Position',[0,0,3000,3000])
✅mathworks.com
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
%presets
r=1500;
f=17;
t=1.5;
Z = 0;
[x,y]=meshgrid(linspace(0.7,1.08,r),linspace(-.2,.2,r).*i);
M=x+y;
%iterate
for p=1:f
Z=cot(Z.^t+M);
end
imshow(real(Z'),'C',colorcube)
%get big picture
set(gcf,'Position',[0,0,3000,3000])
✅mathworks.com
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
LabeYabi.rar
282.5 KB
🔸کد لبه یابی تصاویر در متلب
✅ارسالی توسط جناب آقای قنبری🙏🙏
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
✅ارسالی توسط جناب آقای قنبری🙏🙏
•••••••••••••••••••••••••••••••••••••••••
🔴گروه و کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••
⁉️پرسش
سلام به همگی، ببخشید من یه سوال ذهنم رو درگیر کرده نمیدونم چیکار کنم. اگه کسی جواب این سوال(تصویر ضمیمه شده در همین پیام) رو میدونه سپاسگزار میشم راهنماییم کنه🙏🏻
✅پاسخ:
سلام. کد زیر رو امتحان کنید🌹
clc
clear
close all
W=input('Enter your weight in KG: ');
L=input('Enter your height in m: ');
BMI=W/(L^2);
if BMI<16
disp('very thin');
elseif BMI>=16 && BMI<17
disp('thin');
elseif BMI>=17 && BMI<18.5
disp('somehow thin');
elseif BMI>=18.5 && BMI<25
disp('normal');
elseif BMI>=25 && BMI<30
disp('fat');
else
disp('very fat');
end
✔️منبع: سوپر گروه تخصصی پرسش و پاسخ متلب.
#سوالات
•••••••••••••••••••••••••••••••••••••••••••
🔴کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••••
سلام به همگی، ببخشید من یه سوال ذهنم رو درگیر کرده نمیدونم چیکار کنم. اگه کسی جواب این سوال(تصویر ضمیمه شده در همین پیام) رو میدونه سپاسگزار میشم راهنماییم کنه🙏🏻
✅پاسخ:
سلام. کد زیر رو امتحان کنید🌹
clc
clear
close all
W=input('Enter your weight in KG: ');
L=input('Enter your height in m: ');
BMI=W/(L^2);
if BMI<16
disp('very thin');
elseif BMI>=16 && BMI<17
disp('thin');
elseif BMI>=17 && BMI<18.5
disp('somehow thin');
elseif BMI>=18.5 && BMI<25
disp('normal');
elseif BMI>=25 && BMI<30
disp('fat');
else
disp('very fat');
end
✔️منبع: سوپر گروه تخصصی پرسش و پاسخ متلب.
#سوالات
•••••••••••••••••••••••••••••••••••••••••••
🔴کانال تخصصی متلب:👇👇
@matlab_communication
•••••••••••••••••••••••••••••••••••••••••••
❤2👍1
Forwarded from کانال تخصصی متلب (Ali Moradi)
@Matlab_Communication
🔘سورس کدهای مربوط به پردازش سیگنال در متلب:
🔸محاسبه چگالی طیف توان
🔸کانولوشن چرخشی
🔸کد تشخیص پوش منحنی
🔸تبدیل fft
🔸کد تشخیص قله های سیگنال
🔸کد استخراج پوش منحنی
🔸تشخیص QRS سیگنال ECG
🔸کد تشخیص دوره تناوب سیگنال
🔸کد مولد موجهای مختلف
🔸تشخیص پیک با روش PD
🔸کد محاسبه پریودوگرام
🔸چند کد مفید در باره پردازش سیگنالهای حیاتی
🔸چند کد مفید در باره پردازش سیگنالهای قلبی
🔸چند کد مفید در باره پردازش سیگنالهای مغزی
🔸چند کد مفید در باره پردازش سیگنالهای EMG
🔸چند کد مفید در باره پردازش سیگنالهای EOG
🔸چند کد مفید در باره پردازش سیگنالهای ERP
🔸دو کد در مورد FEM
🔸چند کد در مورد تبدیل فوریه
🔸کد مدلسازی موی بدن- پوست- ماهیچه
🔸کد pmDWT
🔸حذف سکوت از صوت
🔸آنالیزر طیف
🔸مولد سیگنال مجازی
🔸آزمایشگاه سیگنال مجازی
#پردازش_سیگنال
@Matlab_Communication
فایل فشرده موضوعات ذکر شده در قسمت پایین قرار داده شده است:
👇👇👇👇👇👇👇👇
🔘سورس کدهای مربوط به پردازش سیگنال در متلب:
🔸محاسبه چگالی طیف توان
🔸کانولوشن چرخشی
🔸کد تشخیص پوش منحنی
🔸تبدیل fft
🔸کد تشخیص قله های سیگنال
🔸کد استخراج پوش منحنی
🔸تشخیص QRS سیگنال ECG
🔸کد تشخیص دوره تناوب سیگنال
🔸کد مولد موجهای مختلف
🔸تشخیص پیک با روش PD
🔸کد محاسبه پریودوگرام
🔸چند کد مفید در باره پردازش سیگنالهای حیاتی
🔸چند کد مفید در باره پردازش سیگنالهای قلبی
🔸چند کد مفید در باره پردازش سیگنالهای مغزی
🔸چند کد مفید در باره پردازش سیگنالهای EMG
🔸چند کد مفید در باره پردازش سیگنالهای EOG
🔸چند کد مفید در باره پردازش سیگنالهای ERP
🔸دو کد در مورد FEM
🔸چند کد در مورد تبدیل فوریه
🔸کد مدلسازی موی بدن- پوست- ماهیچه
🔸کد pmDWT
🔸حذف سکوت از صوت
🔸آنالیزر طیف
🔸مولد سیگنال مجازی
🔸آزمایشگاه سیگنال مجازی
#پردازش_سیگنال
@Matlab_Communication
فایل فشرده موضوعات ذکر شده در قسمت پایین قرار داده شده است:
👇👇👇👇👇👇👇👇
Forwarded from کانال تخصصی متلب (Ali Moradi)
Pardazesh_Signal.rar
61.4 MB
👆👆👆👆👆👆👆👆
@Matlab_Communication
سورس کدهای موضوعات بالا در مورد پردازش سیگنال در متلب
#پردازش_سیگنال
@Matlab_Communication
@Matlab_Communication
سورس کدهای موضوعات بالا در مورد پردازش سیگنال در متلب
#پردازش_سیگنال
@Matlab_Communication
🙏2