cs874.zip - MIMO OFDM matlab仿真,遗传算法无功优化，matlab小波分析程序。,2017-05-23 03:06:51,下载8次
biejun-V0.4.zip - 有均匀线阵的CRB曲线，使用高阶累积量对MPSK信号进行调制识别，GSM中GMSK调制信号的产生。,2017-05-23 03:06:05,下载1次
Fuzzy-clustering-change-detection.rar - 基于模糊聚类的遥感图像变化检测算法，英文文献，里面弄有详细设计
ImageFusion.rar - 基于Contourlet变换的遥感图像融合
iymgh.zip - 毕设内容，高光谱图像基本处理，给出接收信号眼图及系统仿真误码率，数值分析的EULER法。
2D-building-change-detection.rar - 遥感图像的变化检测是对不同时间获取的同一区域 的两个或多个时相的遥感图像地物目标的变化情况进行检测,通过对两时相遥感图像的对比分析，获取该区域特定目标的变化信息。
AimprovedFuzzyCMeans.rar - 关于模糊c-均值算法改进及其对卫星遥感数据聚类的对比，文章对模糊c-均值算法提出一改进意见，并通过实践证明。
daima.zip - 遥感变化检测是指通过对不同时期同一区域的遥感图像进行比较分析，根据
图像之间的差异得到我们所需要的地物或目标的变化信息。现代遥感技术的飞速发展为变化检测提供了一种便捷的途径，遥感数据成为变化检测的主要数据源。与可见光和红外遥感相比，微波遥感具有无可比拟的优点：微波能穿透云雾、雨雪，具有全天候、全天时的工作能力。二，微波对地物有一定穿透能力。三，采用侧视方式成像，覆盖面积大。正是这些优点，使得SAR图像日益成为变化检测的重要数据源。
主要讲了SAR图像变化检测 使用的方法是基于模糊贴近度的差异图构造的方法.通过FCM均值聚类得到检测结果
FeatureExtraction-(1).rar - 绿色植物具有明显的光谱反射特征,而这种特征与植被的发育、健康状况以及生长条件密切相关。传统的宽波段、多光谱遥感数据对于植被的研究仅限于一般性的红光吸收特征和近红外的反射特征[1-3],以及中红外的水吸收特征[4-6]。高光谱遥感通过对不同类型植被的生物物理化学成分含量的估算能获得较为理想的植被生态学信息,并在提取植被信息中得到大量的应用和研究[7-10]。高光谱遥感器的出现为改进现有的分类算法,进一步提高植被分类精度提供了可能。高光谱遥感技术已经应用于湿地分类、边界、水体、湿地植被和湿地生境因子等遥感信息提取中[11-13],但利用高光谱影像数据的多角度信息进行湿地植被类型划分的研究还较少。本文获取了青海省隆宝滩湿地区域的5个不同角度的高光谱CHRIS遥感影像,利用CHRIS影像的不同角度信息,采用影像融合及植被波谱匹配等手段,提取该区域湿地植被类型,获得了较好的结果。