04 附录MATLAB工具箱函数
【免费下载】MATLAB常用工具箱函数注释
1 线性代数
1.1 矩阵分析
Norm 矩阵或向量的范数 Null 零空间
Normest 估计矩阵的 2 范数 Orth 正交化
Rank 矩阵的秩
Rref 简化矩阵为梯形形式
Det 矩阵行列式的值 Subspace 两个子空间的夹角
1.2 线性方程
\和/ 线性方程求解
Inv
矩阵的逆
Poly 特征多项式
1.4 矩阵函数
Expm 矩阵指数 Sqrtm 矩阵平方根 Logm 矩阵对数 Funm 计算一般矩阵函数
2 曲线拟合工具箱函数
2.1 拟合数据预处理
Cftool
Lu
Ilu
LU 分解
不完全的 LU 分解
Luinc 不完全的 LU 分解
Qr
QR 分解
Lsqnonneg 非负线性最小二乘
Fittype 构造一个曲线拟合对象
对全部高中资料试卷电气设备，在安装过程中以及安装结束后进行高中资料试卷调整试验；通电检查所有设备高中资料电试力卷保相护互装作置用调与试相技互术关，系电，力根保通据护过生高管产中线工资敷艺料设高试技中卷术资配0料不置试仅技卷可术要以是求解指，决机对吊组电顶在气层进设配行备置继进不电行规保空范护载高高与中中带资资负料料荷试试下卷卷高问总中题体资，配料而置试且时卷可，调保需控障要试各在验类最；管大对路限设习度备题内进到来行位确调。保整在机使管组其路高在敷中正设资常过料工程试况中卷下，安与要全过加，度强并工看且作护尽下关可都于能可管地以路缩正高小常中故工资障作料高；试中对卷资于连料继接试电管卷保口破护处坏进理范行高围整中，核资或对料者定试对值卷某，弯些审扁异核度常与固高校定中对盒资图位料纸置试，.卷保编工护写况层复进防杂行腐设自跨备动接与处地装理线置，弯高尤曲中其半资要径料避标试免高卷错等调误，试高要方中求案资技，料术编试交写5、卷底重电保。要气护管设设装线备备置敷4高、调动设中电试作技资气高，术料课中并中3试、件资且包卷管中料拒含试路调试绝线验敷试卷动槽方设技作、案技术，管以术来架及避等系免多统不项启必方动要式方高，案中为；资解对料决整试高套卷中启突语动然文过停电程机气中。课高因件中此中资，管料电壁试力薄卷高、电中接气资口设料不备试严进卷等行保问调护题试装，工置合作调理并试利且技用进术管行，线过要敷关求设运电技行力术高保。中护线资装缆料置敷试做设卷到原技准则术确：指灵在导活分。。线对对盒于于处调差，试动当过保不程护同中装电高置压中高回资中路料资交试料叉卷试时技卷，术调应问试采题技用，术金作是属为指隔调发板试电进人机行员一隔，变开需压处要器理在组；事在同前发一掌生线握内槽图部内纸故，资障强料时电、，回设需路备要须制进同造行时厂外切家部断出电习具源题高高电中中源资资，料料线试试缆卷卷敷试切设验除完报从毕告而，与采要相用进关高行技中检术资查资料和料试检，卷测并主处且要理了保。解护现装场置设。备高中资料试卷布置情况与有关高中资料试卷电气系统接线等情况，然后根据规范与规程规定，制定设备调试高中资料试卷方案。
MATLAB的常用函数和工具介绍
MATLAB的常用函数和工具介绍MATLAB是一款被广泛应用于科学计算和工程设计的软件，它提供了丰富的函数库和工具箱，能够帮助用户进行数据分析、模拟仿真、图像处理、信号处理等多种任务。
本文将介绍一些MATLAB常用的函数和工具，帮助读者更好地利用MATLAB进行编程和数据处理。
一、MATLAB函数介绍1. plot函数：该函数用于绘制二维图形，如折线图、曲线图等。
通过输入数据点的坐标，plot函数可以帮助用户快速可视化数据分布，同时支持自定义线型、颜色和标注等功能。
2. imread函数：该函数用于读取图像文件，支持常见的图像格式，如JPEG、PNG等。
通过imread函数，用户可以方便地加载图像数据进行后续的处理和分析。
3. fft函数：该函数用于进行快速傅里叶变换，可以将时域信号转换为频域信号。
傅里叶变换在信号处理中广泛应用，通过fft函数，用户可以快速计算信号的频谱信息。
4. solve函数：该函数用于求解方程组，支持线性方程和非线性方程的求解。
用户只需输入方程组的表达式，solve函数会自动求解变量的值，帮助用户解决复杂的数学问题。
5. mean函数：该函数用于计算数据的平均值。
mean函数支持数组、矩阵和向量等多种数据类型，可以方便地对数据进行统计分析。
6. importdata函数：该函数用于导入外部数据文件，如文本文件、CSV文件等。
通过importdata函数，用户可以将外部数据加载到MATLAB中，进行后续的数据处理和分析。
二、MATLAB工具介绍1. MATLAB Editor：这是MATLAB自带的编辑器，可以用于编写和调试MATLAB代码。
它提供了代码高亮、自动缩进和代码片段等功能，能够提高编程效率和代码可读性。
2. Simulink：这是MATLAB的一个强大的仿真工具，用于建立动态系统的模型并进行仿真。
Simulink支持直观的图形化建模界面，用户可以通过拖拽元件和线条来搭建系统模型，进而进行仿真和系统分析。
MATLAB图像处理工具箱常用函数列表_打印
计算矩阵元素的标准偏移
b = std2(A)
表5图像分析函数
函数
功能
语法
edge
识别灰度图像中的边界
BW = edge(I,'sobel')
BW = edge(I,'sobel',thresh)
BW = edge(I,'sobel',thresh,direction)
[BW,thresh] = edge(I,'sobel',...)
执行对比度受限的直方图均衡
J = adapthisteq(I)
J = adapthisteq(I,param1,val1,param2,val2...)
decorrstretch
对多通道图像应用解卷积延拓
S = decorrstretch(I)
S = decorrstretch(I,TOL)
附录MATLAB图像处理工具箱函数
表1通用函数
函数
功能
语法
colorbar
显示颜色条
colorbar
colorbar(...,'peer',axes_handle)
colorbar(axes_handle)
colorbar('location')
colorbar(...,'PropertyName',propertyvalue)
(PNG only)
[A,map,alpha] = imread(...)
(ICO, CUR, and PNG only)
imwrite
把图像写入图像文件中
imwrite(A,filename,fmt)
matlab中统计工具箱函数大全
matlab中统计工具箱函数大全MATLAB统计工具箱包括概率分布、方差分析、假设检验、分布检验、非参数检验、回归分析、判别分析、主成分分析、因子分析、系统聚类分析、K均值聚类分析、试验设计、决策树、多元方差分析、统计过程控制和统计图形绘制等。
优化工具箱包括无约束最优化、有约束最优化、二次规划、多目标规划、最大最小化、半元限问题、方程求解以及大型优化问题的求解等。
表Ⅰ-1 概率密度函数betapdf贝塔分布的概率密度函数binopdf二项分布的概率密度函数chi2pdf卡方分布的概率密度函数exppdf指数分布的概率密度函数fpdf f分布的概率密度函数gampdf伽玛分布的概率密度函数geopdf几何分布的概率密度函数hygepdf超几何分布的概率密度函数normpdf正态（高斯）分布的概率密度函数lognpdf对数正态分布的概率密度函数nbinpdf负二项分布的概率密度函数ncfpdf非中心f分布的概率密度函数nctpdf非中心t分布的概率密度函数ncx2pdf非中心卡方分布的概率密度函数poisspdf泊松分布的概率密度函数raylpdf雷利分布的概率密度函数tpdf学生氏t分布的概率密度函数unidpdf离散均匀分布的概率密度函数unifpdf连续均匀分布的概率密度函数weibpdf威布尔分布的概率密度函数表Ⅰ-2 累加分布函数函数名对应分布的累加函数betacdf贝塔分布的累加函数binocdf二项分布的累加函数chi2cdf卡方分布的累加函数expcdf指数分布的累加函数fcdf f分布的累加函数gamcdf伽玛分布的累加函数geocdf几何分布的累加函数hygecdf超几何分布的累加函数logncdf对数正态分布的累加函数nbincdf负二项分布的累加函数ncfcdf非中心f分布的累加函数nctcdf非中心t分布的累加函数ncx2cdf非中心卡方分布的累加函数normcdf正态（高斯）分布的累加函数poisscdf泊松分布的累加函数raylcdf雷利分布的累加函数tcdf学生氏t分布的累加函数unidcdf离散均匀分布的累加函数unifcdf连续均匀分布的累加函数weibcdf威布尔分布的累加函数表Ⅰ-11 线性模型函数anova1单因子方差分析anova2双因子方差分析anovan多因子方差分析aoctool协方差分析交互工具dummyvar拟变量编码friedman Friedman检验glmfit一般线性模型拟合kruskalwallis Kruskalwallis检验leverage中心化杠杆值lscov已知协方差矩阵的最小二乘估计manova1单因素多元方差分析manovacluster多元聚类并用冰柱图表示multcompare多元比较多项式评价及误差区间估计polyfit最小二乘多项式拟合polyval多项式函数的预测值polyconf残差个案次序图regress多元线性回归regstats回归统计量诊断Ridge岭回归rstool多维响应面可视化robustfit稳健回归模型拟合stepwise逐步回归x2fx用于设计矩阵的因子设置矩阵表Ⅰ-12 非线性回归函数nlinfit非线性最小二乘数据拟合（牛顿法）nlintool非线性模型拟合的交互式图形工具nlparci参数的置信区间nlpredci预测值的置信区间nnls非负最小二乘表Ⅰ-13 试验设计函数cordexch D-优化设计（列交换算法）daugment递增D-优化设计dcovary固定协方差的D-优化设计ff2n二水平完全析因设计fracfact二水平部分析因设计fullfact混合水平的完全析因设计hadamard Hadamard矩阵（正交数组）rowexch D-优化设计（行交换算法）表Ⅰ-14 主成分分析函barttest Barttest检验pcacov源于协方差矩阵的主成分pcares源于主成分的方差princomp根据原始数据进行主成分分析表Ⅰ-15 多元统计函数classify聚类分析mahal马氏距离manova1单因素多元方差分析manovacluster多元聚类分析表Ⅰ-16 假设检验函数ranksum秩和检验signrank符号秩检验signtest符号检验ttest单样本t检验ttest2双样本t检验ztest z检验表Ⅰ-17 分布检验函数jbtest正态性的Jarque-Bera检验kstest单样本Kolmogorov-Smirnov检验kstest2双样本Kolmogorov-Smirnov检验lillietest正态性的Lilliefors检验Ⅰ-18 非参数函数friedman Friedman检验kruskalwallis Kruskalwallis检验ranksum秩和检验signrank符号秩检验signtest符号检验表Ⅰ-19 文件输入输出函数caseread读取个案名casewrite写个案名到文件tblread以表格形式读数据tblwrite以表格形式写数据到文件tdfread从表格间隔形式的文件中读取文本或数值数据表Ⅰ-20 演示函数aoctool协方差分析的交互式图形工具disttool探察概率分布函数的GUI工具glmdemo一般线性模型演示randtool随机数生成工具polytool多项式拟合工具rsmdemo响应拟合工具robustdemo稳健回归拟合工具统计工具箱是matlab提供给人们的一个强有力的统计分析工具.包含200多个m文件(函数),主要支持以下各方面的内容.〉〉概率分布:提供了20种概率分布,包含离散和连续分布,且每种分布,提供了5个有用的函数,即概率密度函数,累积分布函数,逆累积分布函数,随机产生器与方差计算函数.〉〉参数估计:依据特殊分布的原始数据,可以计算分布参数的估计值及其置信区间.〉〉描述性统计:提供描述数据样本特征的函数,包括位置和散布的度量,分位数估计值和数据处理缺失情况的函数等.〉〉线性模型:针对线性模型,工具箱提供的函数涉及单因素方差分析,双因素方差分析,多重线性回归,逐步回归,响应曲面和岭回归等.〉〉非线性模型:为非线性模型提供的函数涉及参数估计,多维非线性拟合的交互预测和可视化以及参数和预计值的置信区间计算等.〉〉假设检验: 此间提供最通用的假设检验函数:t检验和z检验〉〉其它的功能就不再介绍.统计工具箱函数主要分为两类:〉数值计算函数(M文件)〉交互式图形函数(Gui)matlab惯例:beta 线性模型中的参数，E(x) x的数学期望，f(x|a,b) 概率密度函数，F(x|a,b) 累积分布函数，I([a,b]) 指示(Indicator)函数p,q p事件发生的概率.[size=2][color=blue]第1节概率分布[/color][/size]统计工具箱提供的常见分布Uniform均匀，Weibull威布尔，Noncentral t，Rayleigh瑞利，Poisson泊松，Student's t，Normal 正态，Negative Binomial，Noncentral FLognormal对数，正态，Hyper G，F分布，Gamma，Geometric几何，Noncentral chi-square，Exponential指数，Binomial二项，Chi-squareBeta(分布)，discrete，Continuous，Continuous，离散分布，统计量连续分布，数据连续分布，概率密度函数pdf，probbability density function〉〉功能:可选的通用概率密度函数〉〉格式:Y=pdf('Name',X,A1,A1,A3)'Name' 为特定的分布名称,第一个字母必须大写X 为分布函数自变量取值矩阵A1,A2,A3 分别为相应分布的参数值Y 存放结果,为概率密度值矩阵算例:>> y=pdf('Normal',-2:2,0,1)y =0.0540 0.2420 0.3989 0.2420 0.0540>> Y=pdf('Normal',-2:0.5:2,1,4)Y =0.0753 0.0820 0.0880 0.0930 0.0967 0.0990 0.0997 0.0990 0.0967>> p=pdf('Poisson',0:2:8,2)p =0.1353 0.2707 0.0902 0.0120 0.0009>> p=pdf('F',1:2:10,4,7)p =0.4281 0.0636 0.0153 0.0052 0.0021我们也可以利用这种计算功能和作图功能,绘制一下密度函数曲线,例如,绘制不同的正态分布的密度曲线>> x=[-6:0.05:6];>> y1=pdf('Normal',x,0,0.5);>> y2=pdf('Normal',x,0,1);>> y3=pdf('Normal',x,0,2);>> y4=pdf('Normal',x,0,4);>>plot(x,y1,'K-',x,y2,'K--',x,y3,'*',x,y4,'+')这个程序计算了mu=0,而sigma取不同值时的正态分布密度函数曲线的形态,可以看出,sigma 越大,曲线越平坦.累积分布函数及逆累积分布函数cdf icdf〉〉功能:计算可选分布函数的累积分布和逆累积分布函数〉〉格式:P=cdf('Name',X,A1,A2,A3)X=icdf('Name',P,A1,A2,A3)>> x=[-3:0.5:3];>> p=cdf('Normal',x,0,1)p =0.0013 0.0062 0.0228 0.0668 0.1587 0.3085 0.5000 0.6915 0.8413 0.9332 0.9772 0.9938 0.9987 >> x=icdf('Normal',p,0,1)x =-3.0000 -2.5000 -2.0000 -1.5000 -1.0000 -0.5000 0 0.5000 1.0000 1.5000 2.0000 2.5000 3.0000 随机数产生器random〉〉功能:产生可选分布的随机数〉〉格式:y=random('Name',A1,A2,A3,m,n)A1,A2,A3 分布的参数'Name' 分布的名称m,n 确定y的数量,如果参数是标量,则y是m*n矩阵例如产生服从参数为(9,10)的F-分布的4个随机数值>> y=random('F',9,10,2,2)y =3.4907 1.67620.5702 1.1534均值和方差以'stat'结尾的函数均值和方差的计算函数[m,v]=normstat(mu,sigma)正态分布[mn,v]=hygestat(M,K,N)超几何分布[m,v]=geostat(P)几何分布[m,v]=gamstat(A,B)Gamma分布[m,v]=fstat(v1,v2)F 分布[m,v]=expstat(mu)指数分布[m,v]=chi2stat(nu)Chi-squrare分布[m,v]=binostat(N,P)二项分布[m,v]=betastat(A,B)Beta 分布函数名称及调用格式分布类型名称[m,v]=weibstat(A,B)威尔分布[m,v]=unistat(A,B)连续均匀分布[m,v]=unidstat(N)离散均匀分布[m,v]=tstat(nu)t 分布[m,v]=raylstat(B)瑞利分布[m,v]=poisstat(lambda)泊松分布[m,v]=ncx2stat(nu,delta)非中心chi2分布[m,v]=nctstat(nu,delta)非中心t分布[m,v]=ncfstat(nu1,nu2,delta)非中心F分布[m,v]=nbinstat(R,P)负二项分布[m,v]=lognstat(mu,sigma)对数正态分布[size=2][color=blue]第2节参数估计[/color][/size]参数估计是总体的分布形式已经知道,且可以用有限个参数表示的估计问题.分为点估计(极大似燃估计Maximum likehood estimation, MLE)和区间估计.求取各种分布的最大似然估计估计量mle〉〉格式:phat=mle('dist',data)[phat,pci]=mle('dist',data)[phat,pci]=mle('dist',data,alpha)[phat,pci]=mle('dist',data,alpha,p1)〉〉'dist' 给定的特定分布的名称,'beta','binomial'等.Data为数据样本,矢量形式给出.Alpha用户给定的置信度值,以给出100(1-alpha)%的置信区间,缺省为0.05.最后一种是仅供二项分布参数估计,p1为实验次数.例1 计算beta 分布的两个参数的似然估计和区间估计(alpha=0.1,0.05,0.001),样本由随机数产生.>> random('beta',4,3,100,1);>> [p,pci]=mle('beta',r,0.1)p =4.6613 3.5719pci =3.6721 2.78115.6504 4.3626>> [p,pci]=mle('beta',r,0.05)p =4.6613 3.5719pci =3.4827 2.62965.8399 4.5141>> [p,pci]=mle('beta',r,0.001)p =4.6613 3.5719pci =2.6825 1.99006.6401 5.1538例2 计算二项分布的参数估计与区间估计,alpha=0.01.>> r=random('Binomial',10,0.2,10,1);>> [p,pci]=mle('binomial',r,0.01,10)p =0.2000 0.2000 0.1000 0.4000 0.2000 0.2000 0.4000 0 0.1000 0.2000pci =0.0109 0.0109 0.0005 0.0768 0.0109 0.0109 0.0768 NaN 0.0005 0.01090.6482 0.6482 0.5443 0.8091 0.6482 0.6482 0.8091 0.4113 0.5443 0.6482[size=2][color=blue] 第3节描述统计[/color][/size]描述性统计包括:位置度量,散布度量,缺失数据下的统计处理,相关系数,样本分位数,样本峰度, 样本偏度,自助法等〉〉位置度量:几何均值(geomean),调和均值(harmmean),算术平均值(mean),中位数(median),修正的样本均值(trimean).〉〉散布度量:方差(var),内四分位数间距(iqr),平均绝对偏差(mad),样本极差(range),标准差(std),任意阶中心矩(moment),协方差矩阵(cov).〉〉缺失数据情况下的处理:忽视缺失数据的最大值(nanmax),忽视缺失数据的平均值(nanmean),忽视缺失数据的中位数(nanmedian),忽视缺失数据的最小值(nanmin),忽视缺失数据的标准差(nanstd),忽视缺失数据的和(namsum).〉〉相关系数:corrcoef ,计算相关系数〉〉样本分位数:prctile,计算样本的经验分位数〉〉样本峰度:kurtosis,计算样本峰度〉〉样本偏度:skewness,计算样本偏度〉〉自助法:bootstrp,对样本从新采样进行自助统计中心趋势(位置)度量样本中心趋势度量的目的在于对数据样本在分布线上分布的中心位置予以定为.均值是对中心位置简单和通常的估计量.不幸的是,几乎所有的实际数据都存在野值(输入错误或其它小的技术问题造成的).样本均值对这样的值非常敏感.中位数和修正(剔除样本高值和低值)后的均值则受野值干扰很小.而几何均值和调和均值对野值也较敏感.下面逐个说明这些度量函数. 〉〉geomean功能:样本的几何均值格式:m=geomean(X)若X为向量,则返回X中元素的几何均值;若X位矩阵,给出的结果为一个行向量,即每列几何均值.例1 计算随机数产生的样本的几何均值>> X=random('F',10,10,100,1);>> m=geomean(X)m =1.1007>> X=random('F',10,10,100,5);>> m=geomean(X)m =0.9661 1.0266 0.9703 1.0268 1.0333〉〉harmmean功能:样本的调和均值格式:m=harmmean(X)例2 计算随机数的调和均值>> X=random('Normal',0,1,50,5);>> m=harmmean(X)m =-0.2963 -0.0389 -0.9343 5.2032 0.7122〉〉mean功能:样本数据的算术平均值格式:m=mean(x)例3 计算正态随机数的算术平均数>>X=random('Normal',0,1,300,5);>> xbar=mean(X)xbar =0.0422 -0.0011 -0.0282 0.0616 -0.0080〉〉median功能:样本数据的中值(中位数),是对中心位值的鲁棒估计.格式:m=median(X)例4 计算本的中值>> X=random('Normal',0,1,5,3)X =0.0000 0.8956 0.5689-0.3179 0.7310 -0.25561.0950 0.5779 -0.3775-1.8740 0.0403 -0.29590.4282 0.6771 -1.4751>> m=median(X)m =0.0000 0.6771 -0.2959〉〉trimmean功能:剔除极端数据的样本均值.格式:m=trimmean(X,percent)说明:计算剔除观测值中最高percent%和最低percent%的数据后的均值例5 计算修改后的样本均值>> X=random('F',9,10,100,4);>> m=trimmean(X,10)m =1.1470 1.1320 1.1614 1.0469散布度量散布度量是描述样本中数据离其中心的程度,也称离差.常用的有极差,标准差,平均绝对差,四分位数间距〉〉iqr功能:计算样本的内四分位数的间距,是样本的鲁棒估计格式:y=iqr(X)说明:计算样本的75%和25%的分位数之差,不受野值影响.例6 计算样本的四分位间距>> X=random('Normal',0,1,100,4);>> m=iqr(X)m =1.3225 1.2730 1.3018 1.2322〉〉mad功能:样本数据的平均绝对偏差格式:y=mad(X)说明:正态分布的标准差sigma可以用mad乘以1.3估计例7 计算样本数据的绝对偏差>> X=random('F',10,10,100,4);>> y=mad(X)y =0.5717 0.5366 0.6642 0.7936>> y1=var(X)y1 =0.6788 0.6875 0.7599 1.3240>> y2=y*1.3y2 =0.8824 0.8938 0.9879 1.7212〉〉range功能:计算样本极差格式:y=range(X)说明:极差对野值敏感例8 计算样本值的极差>> X=random('F',10,10,100,4);>> y=range(X)y =10.8487 3.5941 4.2697 4.0814〉〉var功能:计算样本方差格式:y=var(X) y=var(X,1) y=var(X,w)Var(X)经过n-1进行了标准化,Var(X,1)经过n进行了标准变化例9 计算各类方差>> X=random('Normal',0,1,100,4);>> y=var(X)y =0.9645 0.8209 0.9595 0.9295>> y1=var(X,1)y1 =0.9548 0.8126 0.9499 0.9202>> w=[1:1:100];>> y2=var(X,w)y2 =0.9095 0.7529 0.9660 0.9142〉〉std功能:样本的标准差格式:y=std(X)说明:经过n-1标准化后的标准差例10计算随机样本的标准差>> X=random('Normal',0,1,100,4);>> y=std(X)y =0.8685 0.9447 0.9569 0.9977〉〉cov功能:协方差矩阵格式:C=cov(X) C=cov(x,y) C=cov([x y])说明:若X为向量,cov(X)返回一个方差标量;若X为矩阵,则返回协方差矩阵;cov(x,y)与cov([x y])相同,x与y的长度相同.例11 计算协方差>> x=random('Normal',2,4,100,1);>> y=random('Normal',0,1,100,1);>> C=cov(x,y)C =12.0688 -0.0583-0.0583 0.8924处理缺失数据的函数在对大量数据样本时,常常遇到一些无法确定的或者无法找到确切的值.在这种情况下,用符号"NaN"(not a number )标注这样的数据.这种情况下,一般的函数得不到任何信息.例如m中包含nan数据>> m=magic(3);>> m([1 5 9])=[NaN NaN NaN];>> sum(m)ans =NaN NaN NaN但是通过缺失数据的处理,得到有用的信息.>> nansum(m)ans =7 10 13〉〉nanmax功能:忽视NaN,求其它数据的最大值格式:m=nanmax(X)[m,ndx]=nanmax(X)m=nanmax(a,b)说明:nanmax(X)返回X中数据除nan外的其它的数据的最大值,[m,ndx]=nanmax(X)还返回X 最大值的序号给ndx.m=nanmax(a,b)返回a或者b的最大值,a,b长度同>> m=magic(3);>> m([1 5 9])=[NaN NaN NaN];>> [m,ndx]=nanmax(m)m =4 9 7ndx =3 3 2处理缺失数据的常用函数Y=nansum(X)求包含确实数据的和nansumY=nanstd(X)求包含确实数据的标准差NanstdY=nanmedian(X)求包含确实数据中位数NanmedianY=nanmean(X)求包含确实数据的平均值Nanmean同上求包含确实数据的最小值Nanmin(略)求包含确实数据的最大值Nanmax调用格式功能函数名称中心矩moment功能:任意阶的中心矩格式:m=moment(X,order)说明:order为阶,函数本身除以X的长度例12 计算样本函数的中心矩>> X=random('Poisson',2,100,4);>> m=moment(X,1)m =0 0 0 0>> m=moment(X,2)m =1.76042.0300 1.6336 2.3411>> m=moment(X,3)m =1.37792.5500 2.3526 2.2964百分位数及其图形描述白分位数图形可以直观观测到样本的大概中心位置和离散程度,可以对中心趋势度量和散布度量作补充说明〉〉prctile功能:计算样本的百分位数格式:y=prctile(X,p)说明:计算X中数据大于P%的值,P的取值区间为[0,100],如果X为向量,返回X中P百分位数;X 为矩阵,给出一个向量;如果P为向量,则y的第i个行对应于X的p(i) 百分位数.例如>> x=(1:5)'*(1:5)x =1 2 3 4 52 4 6 8 103 6 9 12 154 8 12 16 205 10 15 20 25>> y=prctile(x,[25,50,75])y =1.7500 3.5000 5.2500 7.0000 8.75003.0000 6.0000 9.0000 12.0000 15.00004.2500 8.5000 12.7500 17.0000 21.2500做出相应的百分位数的图形>> boxplot(x)5列分位数构造5个盒图,见下页.相关系数corrcoef功能:相关系数格式:R=corrcoef(X)例13 合金的强度y与含碳量x的样本如下,试计算r(x,y).>> X=[41 42.5 45 45.5 45 47.5 49 51 50 55 57.5 59.5;0.1,0.11 0.12 0.13 0.14 0.15 0.16 0.17 0.18 0.20 0.22 0.24]';>> R=corrcoef(X)R =1.0000 0.98970.9897 1.0000样本峰度kurtosis功能:样本峰度格式:k=kurtosis(X)说明:峰度为单峰分布区线" 峰的平坦程度"的度量,其定义为Matlab 工具箱中峰度不采用一般定义(k-3,标准正态分布的峰度为0).而是定义标准正态分布峰度为3,曲线比正态分布平坦,峰度大于3,反之,小于3.例14 计算随机样本的峰度>> X=random('F',10,20,100,4);>> k=kurtosis(X)k =6.5661 5.58516.03497.0129样本偏度skewness功能:样本偏度格式:y=skewness(X)说明:偏度是度量样本围绕其均值的对称情况.如果偏度为负,则数据分布偏向左边,反之,偏向右边.其定义为>> X=random('F',9,10,100,4);>> y=skewness(X)y =1.0934 1.55132.0522 2.9240自助法bootstrap引例:一组来自15个法律学校的学生的lsat分数和gpa进行比较的样本.> load lawdata>> x=[lsat gpa]x =576.0000 3.3900635.0000 3.3000558.0000 2.8100578.0000 3.0300666.0000 3.4400580.0000 3.0700555.0000 3.0000661.0000 3.4300651.0000 3.3600605.0000 3.1300653.0000 3.1200575.0000 2.7400545.0000 2.7600572.0000 2.8800594.0000 2.9600绘图,并进行曲线拟合>> plot(lsat,gpa,'+')>> lsline通过上图的拟合可以看出,lsat随着gpa增长而提高,但是我们确信此结论的程度是多少曲线只给出了直观表现,没有量的表示.计算相关系数>> y=corrcoef(lsat,gpa)y =1.0000 0.77640.7764 1.0000相关系数是0.7764,但是由于样本容量n=15比较小,我们仍然不能确定在统计上相关的显著性多大.应此,必须采用bootstrp函数对lsat和gpa样本来从新采样,并考察相关系数的变化. >> y1000=bootstrp(1000,'corrcoef',lsat,gpa);>> hist(y1000(:,2),30)绘制lsat,gpa和相关系数得直方图如下结果显示,相关系数绝大多数在区间[0.4,1] 内,表明lsat分数和gpa具有确定的相关性,这样的分析,不需要对象关系数的概率分布做出很强的假设.[size=2] [color=blue]第4节假设检验[/color][/size]基本概念H0:零假设,即初始判断.H1:备择假设, 也称对立假设.Alpha :显著水平,在小样本的前提下,不能肯定自己的结论,所以事先约定,如果观测到的符合零假设的样本值的概率小于alpha,则拒绝零假设.典型的显著水平取alpha=0.05.如果想减少犯错误的可能,可取更小的值.P-值:在零假设为真的条件下,观测给定样本结果的概率值.如果Pmu tail=-1——x>x =[119 117 115 116 112 121 115 122 116 118 109 112 119 112 117 113 114 109 109 118];>> h=ztest(x,115,4)h =表明,接受H0,认为该种汽油的平均价格为115美分.>> [h,sig,ci]=ztest(x,115,4,0.01,0)h = 0sig =0.8668ci =112.8461 117.4539>> [h,sig,ci]=ztest(x,115,4,0.01,1)h =0sig =0.4334ci =113.0693 Inf>> [h,sig,ci]=ztest(x,115,4,0.01,-1)h=0sig =0.5666ci =-Inf 117.2307Ttest功能:单一样本均值的t检验格式:h=ttest(x,m)h=ttest(x,m,alpha)[h,sig,ci]=ttest(x,m,alpha,tail)说明:用于正态总体标准差未知时对均值的t检验.Tail功能与ztest作用一致.>> x=random('Normal',0,1,100,1);>> [h,sig,ci]=ttest(x,0,0.01,-1)h =sig =0.0648ci =-Inf 0.0808>> [h,sig,ci]=ttest(x,0,0.001,1)h =sig =0.9352ci =-0.4542 InfSigntest功能:成对样本的符号检验格式:p=signtest(x,y,alpha)[p,h]=signtest(x,y,alpha)说明:p给出两个配对样本x和y的中位数(对于正态分布,中位数,就是平均值.相等的显著性概率.X与y的长度相等.Y也可以为标量,计算x的中位数与常数y之间差异的概率.[p,h]返回结果h.如果这样两个样本的中位数之间差几乎为0,则h=0,否则有显著差异,则h=1.>> x=[0 1 0 1 1 1 1 0 1 0];>> y=[1 1 0 0 0 0 1 1 0 0];>> [p,h]=signtest(x,y,0.05)p =0.6875h =Signrank功能:威尔科克符号秩检验格式:p=signrank(x,y,alpha)[p,h]=signrank(x,y,alpha)说明:p给出两个配对样本x和y的中位数(对于正态分布,中位数和均值等)相等的假设的显著性的概率.X与y的长度相同.[p,h]返回假设检验的结果,如果两个样本的中位数之差极护卫零,则h=0;否则,有显著差异,则h=1.>> x=random('Normal',0,1,200,1);>> y=random('Normal',0.1,2,200,1);>> [p,h]=signrank(x,y,0.05)p =0.9757h =Ranksum功能:两个总体一致性的威尔科克秩和的检验格式:p=ranksum(x,y,alpha)[p,h]=ranksum(x,y,alpha)说明:p返回两个总体样本x和y一致的显著性概率.X和y的长度可以不同.但长度长的排在前面.[p,h]返回检验结果,如果总体x和y并非明显不一致,返回h=0,否则,h=1.>> x=random('Normal',0,2,20,1);>> y=random('Normal',0.1,4,10,1);>> [p,h]=ranksum(x,y,0.05)p =0.7918h =[size=2] [color=blue]第5节统计绘图[/color][/size]统计绘图就是用图形表达函数,以便直观地,充分的表现样本及其统计量的内在本质性. Box图功能:数据样本的box图格式:boxplot(X) boxplot(X,notch) boxplot(X,notch,'sym')boxplot(X,notch,'sym,vert) boxplot(X,notch,'sym',vert,whis)说明1:"盒子"的上底和下底间为四分位间距,"盒子"的上下两条线分别表示样本的25%和75%分位数."盒子"中间线为样本中位数.如果盒子中间线不在盒子中间,表示样本存在一定的篇度.虚线贯穿"盒子"上下,表示样本的其余部分(除非有野值).样本最大值为虚线顶端,样本最小值为虚线底端.用"+"表示野值."切口"是样本的置信区间,却省时,没有切口说明2:notch=0,盒子没有切口,notch=1,盒子有切口;'sym'为野值标记符号,缺省时,"+"表示.Vert=0时候,box图水平放置,vert=1时,box图垂直放置.Whis定义虚线长度为内四分位间距(IQR)的函数(缺省时为1.5*IQR),若whis=0,box图用'sym'规定的记号显示盒子外所有数据. >> x1=random('Normal',2,1,100,1);>> x2=random('Normal',1,2,100,1);>> x=[x1 x2];>> boxplot(x,1,'*',1,0)绘图结果见下页Errorbar 误差条图功能:误差条图格式:errorbar(X,Y,L,U,symbol)errorbar(X,Y,L)errorbar(Y,L)说明:误差条是距离点(X,Y)上面的长度为U(i) ,下面的长度为L(i) 的直线.X,Y,L,U的长度必须相同.Symbol为一字符串,可以规定线条类型,颜色等.>> U=ones(20,1);>> L=ones(20,1);>> errorbar(r1,r2,L,U,'+')>> r1=random('Poisson',2,10,1);>>r2=random('Poisson',10,10,1);>> U=ones(10,1);>> L=U;>> errorbar(r1,r2,L,U,'+')Lsline 绘制最小二乘拟合线功能:绘制数据的最小二乘拟合曲线格式:lslineh=lsline说明:lsline为当前坐标系中的每一个线性数据给出其最小二乘拟合线.>> y=[2 3.4 5.6 8 11 12.3 13.8 16 18.8 19.9]';>> plot(y,'+')>> lslineRefcurve 参考多项式功能:在当前图形中给出多项式拟合曲线格式:h=refcurve(p)说明:在当前图形中给出多项式p(系数向量)的曲线,n阶多项式为y=p1*x^n+p2*x^(n-1)+…+pn*x+p0则p=[p1 p2 … pn p0]>> h=[85 162 230 289 339 381 413 437 452 458 456 440 400 356];>> plot(h,'+')>> refcurve([-4.9,100,0])。
matlab常用工具箱函数注释
matlab常用工具箱函数注释说明：函数首字母皆为小写！1 线性代数1.1 矩阵分析Norm 矩阵或向量的范数Null 零空间Normest 估计矩阵的2范数Orth 正交化Rank 矩阵的秩Rref 简化矩阵为梯形形式Det 矩阵行列式的值Subspace 两个子空间的夹角1.2 线性方程\\和/ 线性方程求解Lu LU分解Inv 矩阵的逆Ilu 不完全的LU分解Cond 矩阵条件数Luinc 不完全的LU分解Condest 1范条件数估计Qr QR分解Lsqnonneg 非负线性最小二乘CholCholesky分解Cholinc 不完全cholesky分解Pinv 伪逆Linsolve 带特殊控制的线性方程求解Lscov 已知协方差的最小二乘1.3 特征值和奇异值Eig 特征值和特征向量Polyeig 多项式特征值问题Svd 奇异值分解Condeig 已知特征值求条件数Eigs 稀疏矩阵的特征值Hess Hessenberg型Svds 稀疏矩阵的奇异值和向量Qz 广义特征值的QZ分解Poly 特征多项式Schur Schur分解1.4 矩阵函数Expm 矩阵指数Sqrtm 矩阵平方根Logm 矩阵对数Funm 计算一般矩阵函数2 曲线拟合工具箱函数2.1 拟合数据预处理Cftool 打开GUI形式的工具箱Smooth 对数据点做平滑处理Excludedata 去除异常数据点2.2 数据拟合Cftool 打开GUI形式工具箱Fittype构造一个曲线拟合对象Fit用指定的拟合模型对数据进行拟合Get 获取拟合选项结构体的某个字段名及其值Fitoptions 创建或修改拟合选项结构体Set 设置拟合选项某字段值2.3 拟合类型和方法Argnames 曲线拟合类型（或函数）对象的输入参量名Indepnames 曲线拟合类型（或函数）的自变量Category 曲线拟合类型（或函数）的拟合类型Islinear 判断曲线拟合类型（或函数）是否为线性Coeffnames 曲线拟合类型（或函数）的系数名称Numargs 曲线拟合类型（或函数）的输入参数个数Dependnames 曲线拟合类型（或函数）的因变量Numcoeffs 曲线拟合类型（或函数）的拟合系数个数Feval 计算曲线拟合类型（或函数）Probnames 曲线拟合类型（或函数）的问题相关参数名称Fittype创建一个曲线拟合类型（或函数）Type 曲线拟合类型（或函数）的名称Formula 曲线拟合类型（或函数）的公式2.4 曲线拟合的方法（和2.3相同的没再写）Cfit 创建一个曲线拟合函数对象Confint 拟合系数的值的置信区间Coeffvalues 通过拟合得到的拟合函数的系数值Predint 在任意点处用拟合函数计算得到的函数值的95%置信区间Differentiate 求取拟合函数的导数Integrate 拟合函数的积分Plot 绘制拟合曲线图Probvalues 拟合函数中的与问题相关的参数值还包括除去表2.3中fittype外所有函数，解释同上。
04附录MATLAB工具箱函数
求带初始条件的离散系统时域响应 双积分器系统的 H∞设计 产生 Dirichlet 或周期 sinc 函数 硬盘控制器的数字控制设计 计算矢量距离 到直线间的距离 Floyd – Steinberg 图像颤抖算法 图像颤抖的 MEX 文件 将固定界分为两部分 设计离散 Kalman 滤波器 通用离散 Kalman 滤波器设计 设计离散线性二次型调节器 设计离散线性二次型输出调节器 对任意输入的离散系统进行仿真 求解离散系统的 Liapunov 方程 将离散模型降阶 离散多变量响应函数 绘制离散系统 nichols(尼科尔斯)图 绘制离散系统 Nyquist(奈魁斯特)图 绘制 dode(伯德)图 收回 Close 按钮和菜单 构成离散 LQG 控制器 离散 Riccati 方程留数计算 离散时间 Riccati 方程的条件数 产生 n 阶随机离散模型 产生 n 阶随机离散系统 绘制离散奇异值 Bode 图 DSIGMA 实用工具函数 两个“s”型隶属度函数的差 按幅值对离散系统的复数极点排序 生成状态空间模型 获得状态空间模型数据 求离散系统阶跃响应 离散时间响应的自动定范围算法 从数据集中删除方位 边界提取 计算系统极点 返回分类特征值的函数
Butterworth（比特沃思）滤波器设计 Butterworth 滤波器阶的选择
二进制图像中的目标区域 欧拉数 形态算子 二进制图像中目标的周围 将连续系统离散化 将带离散化方法选项的连续系统离散化 将带输入纯滞后的连续系统离散化 定义正则模型结构 求系统状态空间的正则实现 求带初始参数估计的多变量 theta 模型 倒谱分析和最小相位重构 连续特性增益轨迹 Chebyshev II 型模拟低通滤波原型
6
7
fitfun2 fixpa fixpar fltfilt fmin fmins fminu foptions forceit freqint freqint2 freqresp freqs freqspace freqz freqz2 fsamp2 fsolve fspecial ftrans2 fuzzy fwind1 fwind2 gauss2mf gaussmf gbellmf genfis1 genfis2 gensig gensurf get getff getfis getimage getline getmfth getncap getpts
Matlab优化工具箱函数简介word精品文档7页
Matlab优化工具箱函数简介一维搜索问题fminbnd无约束极小值fminunc, fminsearch约束极小值fmincon线性规划linprog二次规划quadprog1．一维搜索问题优化工具箱函数fminbnd对应问题：min f(x)x1<x<x2调用格式x= fminbnd(fun,x1,x2)：得到函数fun在区间[x1,x2]内取得最小值的x.[x,f]= fminbnd(fun,x1,x2): 得到最优点x和最优目标函数值f。
例：求minf(x)= -(3-2*x)^2*x方法1：x=fminbnd('-(3-2*x)^2*x',0,1.5)方法2：f=inline('-(3-2*x)^2*x');x=fminbnd(f,0,1.5)方法3: x = fminbnd(@(x) -(3-2*x)^2*x,0,1.5)方法4：先形成一个函数文件function f=fun(x)f=-(3-2*x)^2*x;然后运行下两句中的任一句x=fminbnd('fun',0,1.5)x=fminbnd(@fun,0,1.5)若需输出最优点处的目标函数值f，则将上述语句的左边改为[x,f]，如：[x,f]=fminbnd(' -(3-2*x)^2*x',0,1.5)其它用法：[X,fval,exitflag,output]= fminbnd(fun,x1,x2)其中：fun为目标函数，x1，x2为变量的边界约束，即x1≤x≤x2，X为返回的满足fun取得最小值的x的值，而fval则为此时的目标函数值。
exitflag>0表示计算收敛，exitflag=0表示超过了最大的迭代次数，exitflag<0表示计算不收敛，返回值output有3个分量，其中iterations是优化过程中迭代次数，funcCount是代入函数值的次数，algorithm是优化所采用的算法。
matlab常用工具箱、函数查询及相关应用
工具常用工具箱MATLAB包括拥有数百个内部函数的主包和三十几种工具包。
工具包又可以分为功能性工具包和学科工具包。
功能工具包用来扩充MATLAB的符号计算，可视化建模仿真，文字处理及实时控制等功能。
学科工具包是专业性比较强的工具包，控制工具包，信号处理工具包，通信工具包等都属于此类。
开放性使MATLAB广受用户欢迎。
除内部函数外，所有MATLAB主包文件和各种工具包都是可读可修改的文件，用户通过对源程序的修改或加入自己编写程序构造新的专用工具包。
Matlab Main Toolbox——matlab主工具箱Control System Toolbox——控制系统工具箱Communication Toolbox——通讯工具箱Financial Toolbox——财政金融工具箱System Identification Toolbox——系统辨识工具箱Fuzzy Logic Toolbox——模糊逻辑工具箱Higher-Order Spectral Analysis Toolbox——高阶谱分析工具箱Image Processing Toolbox——图象处理工具箱computer vision system toolbox----计算机视觉工具箱LMI Control Toolbox——线性矩阵不等式工具箱Model predictive Control Toolbox——模型预测控制工具箱μ-Analysis and Synthesis Toolbox——μ分析工具箱Neural Network Toolbox——神经网络工具箱Optimization Toolbox——优化工具箱Partial Differential Toolbox——偏微分方程工具箱Robust Control Toolbox——鲁棒控制工具箱Signal Processing Toolbox——信号处理工具箱Spline Toolbox——样条工具箱Statistics Toolbox——统计工具箱Symbolic Math Toolbox——符号数学工具箱Simulink Toolbox——动态仿真工具箱Wavele Toolbox——小波工具箱DSP system toolbox-----DSP处理工具箱常用函数Matlab内部常数eps：浮点相对精度exp：自然对数的底数ei 或j：基本虚数单位inf 或Inf：无限大，例如1/0nan或NaN：非数值（Not a number），例如0/0pi：圆周率p（= 3.1415926...）realmax：系统所能表示的最大数值realmin：系统所能表示的最小数值nargin: 函数的输入引数个数nargout: 函数的输出引数个数lasterr：存放最新的错误信息lastwarn：存放最新的警告信息MATLAB常用基本数学函数abs(x)：纯量的绝对值或向量的长度angle(z)：复数z的相角(Phase angle)sqrt(x)：开平方real(z)：复数z的实部imag(z)：复数z的虚部conj(z)：复数z的共轭复数round(x)：四舍五入至最近整数fix(x)：无论正负，舍去小数至最近整数floor(x)：下取整，即舍去正小数至最近整数ceil(x)：上取整，即加入正小数至最近整数rat(x)：将实数x化为多项分数展开rats(x)：将实数x化为分数表示sign(x)：符号函数(Signum function)。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
无约束极小化(标量情况)
fmins
利用单纯形搜索的无约束极小化
fminu
利用梯度搜索的无约束极小化
foptions
参数设置
forceit
在已存在的界限内插入一子集
freqint
Bode图的自动定范围算法
freqint2
Nyquist图的自动定范围算法
freqresp
计算系统频率响应
freqs
graft
从树中增加一分支
gram
求连续系统的能控性和能观性gramian矩阵
gray
将连续系统离散化
c2dm
将带离散化方法选项的连续系统离散化
c2dt
将带输入纯滞后的连续系统离散化
canform
定义正则模型结构
canon
求系统状态空间的正则实现
canstart
求带初始参数估计的多变量theta模型
cceps
倒谱分析和最小相位重构
cgloci
连续特性增益轨迹
cheb2ap
Chebyshev II型模拟低通滤波原型
绘制dode(伯德)图
donep
收回Close按钮和菜单
dreg
构成离散LQG控制器
dric
离散Riccati方程留数计算
driccond
离散时间Riccati方程的条件数
drmodel
产生n阶随机离散模型
drss
产生n阶随机离散系统
dsigma
绘制离散奇异值Bode图
dsigma2
DSIGMA实用工具函数
cheb2ord
ChebyshevII型滤波器阶的选择
cheblap
Chebyshev I Bessel模拟低通滤波原型
cheblord
Chebyshev I型滤波器阶的选择
chebwin
Chebyshev窗
cheby1
chebyshev（切比雪夫）I型滤波器设计
cheby2
chebyshev（切比雪夫）II型滤波器设计
磁盘读BMP（Microsoft windows下的位图）文件
bmpwrite
从磁盘中读GIF文件
bode
Bode (波特)图（频域响应）
bodeplot
绘出传递函数或频谱的伯德图
boildemo
锅炉系统的LQG设计
boxcar
矩形窗
branch
从树中提取一分支
brighten
增强成削弱颜色板
bstschmr
acker
单输入单输出(SISO)系统极点配置
addmf
将隶属度函数加到FIS中
addrule
将规则加到FIS中
addvar
将变量加到FIS中
anfis
Sugeno-typeFIS的训练程序
angle
取幅角
append
将两个用状态空间表示的系统连接起来
ar
求AR模型的参数估计
are
求解Riccati代数方程
chop
取n个重要的位置
cloop
求单位反馈系统的闭环传递函数或状态方程
cmgamdef
缺省的γ校正表
cmgamma
γ校正颜色板
cmpermute
转换颜色板位置
cmunique
寻找唯一的颜色板及相应的图像
cohere
相关函数平方幅值估计
col2im
重新排列以形成图像
colfilt
局部非线性滤波
colorbar
将两个系统反馈连接
ffplot
绘出传递函数或频谱的频率特性图
fft2
二维快速付里叶变换
fftshift
重新排列FFT的输出
figflag
当图形为当前显示在屏幕上时，其值为真
fillaxes
建立约束边界并进行数据检测
filt
离散系统求z-1(DＳＰ形式)的传递函数
filter
对SISO系统的z变换进行仿真
求拉氏变换频率响应
freqspace
二维频率响应的频率空间
freqz
求Ｚ变换频率响应函数
freqz2
二维频率响应
fsamp2
通过频率取样的二进制FIR滤波器设计
fsolve
非线性方程求解
fspecial
特殊的二维滤波器
ftrans2
通过频率变换的二维FIR滤波器设计
fuzzy
基本FIS(模糊推理系统)编辑器
dgram
求离散系统的能控性和能观性检测矩阵
dh2lqg
离散时间H2综合
dhinf
离散时间H∞综合
dialog
主对话框建立Ｍ文件
dilate
加浓二进制图像
dimpulse
求离散系统件的离散系统时域响应
dintdemo
双积分器系统的H∞设计
diric
产生Dirichlet或周期sinc函数
dsigmf
两个“s”型隶属度函数的差
dsort
按幅值对离散系统的复数极点排序
dss
生成状态空间模型
dssdata
获得状态空间模型数据
dstep
求离散系统阶跃响应
dtimvec
离散时间响应的自动定范围算法
dtrend
从数据集中删除方位
edge
边界提取
eig
计算系统极点
eigfun
返回分类特征值的函数
cumsum3d
三维矩阵封装成二维矩阵时的累积和
curobj
提供有关当前点的信息
d2c
将离散系统连续化
d2cm
将带连续化方法选项的离散系统连续化
d2d
离散时间系统重采样
damp
求连续系统的自然频率和衰减因子
daresolv
广义离散时间Riccati方程求解
datdemo
数据拟合成曲线
dbalreal
显示颜色条
colormap
设置或获取颜色查找表
combvec
创建所有的适量集
compare
将仿真的或预测的输出与测量输出相比较
compet
竞争层传递函数
coneddlg
管理NCD工具箱固定编辑器的对话框
connect
方框图建模
constr
约束极小化
contrnce
建立NCD0固定图形的用户界面控制
conv
filter2
二维数字滤波器
filtfilt
零相位数字滤波
filtfun
频率响应和根
filtfun2
频率响应范数和根
filtic
filter函数初始条件选择
findmax
在数据向量内插极大值
findmax2
在数据矩阵中内插极大值
fir2
基于窗函数的FIR滤波器设计——任意响应
firdemo
二维FIR滤波器演示
cra
相关分析
cschur
通过复旋转得有序复Schur形式
csd
交叉谱密度（CSD）估计
ctrb
计算能控性矩阵
ctrbf
系统可控与不可控分解
ctrldemo
控制系统工具箱一般功能介绍
cubic
内插4点以找出极大值
cubici1
内插2点和梯度，以估计极小值
cubici2
内插3点和1梯度
cubici3
内插2点和梯度，以找出步长和极小值
对TANSIG神经元的δ函数
demod
通讯仿真中的解调
des2ss
线性分式变换
destim
从增益矩阵中形成离散状态估计器
det2
二维离散余弦变换
detrend
删除线性趋势
dexresp
离散取样响应函数
dfildemo
有恨精度滤波器设计
dfrqint
离散Bode图的自动定范围的算法
dfrqint2
离散Nyquist图的自动定范围的算法
aresolv
广义连续时间Riccati方程求解
armax
求ARMAX模型的预测误差估计
arx
求ARX模型的最小二乘估计
arx2th
求ARX模型的theta格式
arxstruc
计算ARX类模型的损伤函数
attgoal
达到多目标
augss
系统增广（状态空间模型）
augstate
将系统状态增扩到输出方程中
fwind1
使用一维窗函数的FIR滤波器设计
fwind2
使用一维窗函数的FIR滤波器设计
gauss2mf
双边高斯曲线录属度函数
gaussmf
高斯曲线隶属度函数
gbellmf
广义钟形隶属度函数
genfis1
利用一般方法产生FIS矩阵
genfis2
利用减法聚集法产生FIS矩阵
gensig
信号生成器
gensurf
求两个多项式的卷积
conv2
求二维卷积
convertm
变约束矩阵为最优化格式
convmtx
卷积矩阵
corr2
二维相关系数
corrcoef
相关系数矩阵
costfun
NCD优化的代价函数
cov
协方差矩阵
covar
求连续系统对白噪声的协方差矩阵
covf
求数据矩阵的协方差函数估计
cplxpair
将复数归成复共轭对
getrect
利用橡皮矩形跟踪鼠标移动
gett
为模型获取取样间隔