基于 MATLAB 实现的无人机三维路径规划项目，采用快速扩展随机树（RRT）与深度神经网络（DNN）相结合的方法。文章阐述了项目目标，包括提升环境适应性、路径品质及自主导航能力。分析了高维空间搜索、动态障碍处理等挑战及相应解决方案。详细描述了三维环境建模、RRT 引擎、DNN 引导模块等架构设计，并提供了部分核心代码示例，旨在提高无人机在复杂动态环境下的避障效率与飞行安全性。
基于 FPGA 的北斗导航系统自适应抗干扰算法的设计与实测验证。研究涵盖了空域滤波和空时二维联合两种算法，分别在 FPGA 嵌入式软核 NIOS II 和硬件逻辑语言（Verilog HDL）上实现。通过 MATLAB 建模仿真与 FPGA 数字板实测，验证了数字下变频（DDC）、权值计算及数据加权模块的正确性。实验结果表明，两种方案均具备抗干扰性能，其中空域算法资源占用低，空时算法处理高阶矩阵能力强，系统能有效抑制点频及宽带干扰，保证…
基于自适应卡尔曼滤波器实现无人机对无人车追踪的技术方案。文章分析了应用场景及面临的运动不确定性和环境干扰挑战，阐述了自适应卡尔曼滤波器通过实时估计噪声协方差和模型调整来提升追踪精度的原理。提供了 MATLAB 仿真代码及运行结果，展示了扩展卡尔曼滤波（EKF）在相对状态估计中的应用，适用于智能交通、物流配送及安防监控等场景。
恒虚警率（CFAR）是雷达信号处理中用于在噪声和杂波背景下检测目标的自适应阈值技术。其核心在于无论背景功率如何变化，保持虚警概率恒定。文章介绍了 CFAR 的基本原理，包括滑动窗口、待检测单元、保护单元及参考单元的划分，以及门限计算方式。详细对比了 CA-CFAR、GO-CFAR、SO-CFAR 和 OS-CFAR 四种常见算法的适用场景与特点。最后提供了基于 MATLAB 的 CA-CFAR 一维距离向数据检测代码示例，展示了目标检测…
提出基于龙卷风优化算法（TOC）的多无人机协同路径规划方法。TOC 算法模拟龙卷风演化机制，具备强全局探索与局部开发能力。模型支持自定义无人机数量及起始点，满足避障、机间无碰撞、续航等约束。实验表明该方法在收敛速度、最优性及动态适应性上优于传统 PSO、GA 算法，适用于应急救援、物流配送等场景。
对比了蚁群算法、A* 算法和 RRT* 算法在无人机三维路径规划中的应用。分析了各算法的原理、优缺点及性能指标，如路径长度、计算时间、动态障碍响应等。结合静态与动态环境适应性分析，给出了不同场景下的算法推荐方案，并提供了基于 Matlab 的代码实现示例，为工程选型提供参考。
介绍基于 Q-learning 强化学习的无人机三维路径规划方法。在三维栅格环境中，定义 54 种移动动作及悬停，通过奖励函数引导无人机避障并最短到达终点。采用ε-贪心策略动态衰减探索率，结合 MATLAB 实现训练迭代与路径可视化。实验表明算法能有效收敛，输出无碰撞最优飞行路径。
基于 MATLAB 对直线 Delta 并联机器人进行正逆运动学仿真的方法。内容包括机器人结构特点、正运动学计算（根据关节角度求末端位置）、逆运动学计算（根据目标位置求关节角度）以及 MATLAB 代码实现与结果可视化。通过仿真验证了运动学模型的正确性，为轨迹规划和控制算法设计提供支持。
提出一种基于 Q-learning 强化学习的无人机导航与避障方法。在离散化三维空间环境中构建包含静态障碍与动态移动障碍的飞行场景，设计严格的安全距离约束机制保证飞行安全性，构建兼顾目标趋近、路径精简与安全规避的奖励函数引导策略学习，采用衰减式探索 - 利用策略实现算法稳定收敛。仿真结果表明，所提方法能够在满足最小安全距离的前提下，有效规避静态与动态障碍，自主规划出从起点到目标点的无碰撞飞行路径，同时具备较好的动态环境适应性与决策稳定性…
机器人动力学中的牛顿欧拉法（RNE）。该方法通过正向递推计算连杆速度与加速度，反向递推计算关节力矩。核心在于利用牛顿第二定律和欧拉方程建立运动状态与力学参数的关系。相比拉格朗日法，牛顿欧拉法时间复杂度为 O(n)，效率更高，适用于实时控制。文中还对比了静力学分析与力雅可比的区别，并简述了 MATLAB 工具箱的实现逻辑。
MATLAB 2025a 版本正式发布，主要更新包括界面深色主题、Copilot AI 编程助手、绘图区升级及 Simulink 改进。文章介绍了系统配置要求、安装步骤及工具箱选择建议，推荐使用教育邮箱获取正版授权。新功能方面，Copilot 支持代码生成与注释，绘图区新增显示代码功能，Simulink 优化了信号线拉直与示波器界面。此外还列举了天线工具箱、MATLAB Coder 等其它模块的更新内容。
一种基于FPGA与MATLAB的超声多普勒频移解调系统。系统利用DDS IP核生成特定频率信号，通过FFT模块进行频域分析，结合FIR滤波器实现低通滤波。内容涵盖系统架构、核心模块（FFT测试、DDS编译器、DDS测试）功能解析、工作流程、仿真验证要点及扩展建议，旨在实现高精度信号处理与频移解调。
Matlab Copilot_AI 工具箱是一款集成多种 AI 大模型的 MATLAB 辅助编程工具。它支持 DeepSeek、Kimi、文心一言、通义千问及 ChatGPT 等模型，允许用户在 MATLAB 环境中直接生成、运行、调试代码。核心功能包括自然语言转代码、报错自动修复、全生命周期管理（运行、导出、复制）。工具提供自定义模型配置，优化了中文提示语处理，并兼容 R2020b 及以上版本。适用于科研场景下的算法实现、信号分析及机…
图像畸变矫正的原理，涵盖径向畸变与切向畸变模型。详细说明了利用 MATLAB 进行相机标定及生成逆向映射查找表（LUT）的代码实现，并深入探讨了在 FPGA 硬件上实现该算法的关键技术，包括数据并行处理、坐标变换、流水线和时序设计以及存储优化方案。最后通过结果分析对比了两种平台的实现效果，并扩展讲解了像素焦距概念及双线性插值方法。
研究了基于城市场景下无人机三维路径规划的导航变量多目标粒子群优化算法（NMOPSO）。针对城市环境中障碍物复杂、多目标冲突等问题，NMOPSO 引入导航变量引导搜索方向，结合多目标优化框架，在保持种群多样性的同时提升收敛速度。通过建模运动学约束与目标函数，设计了算法实现步骤，并在实验中与 MOPSO、NSGA-II 对比。结果显示 NMOPSO 在路径长度、避碰能力及收敛性上表现更优，为无人机复杂路径规划提供了高效解决方案。
讲解机器人逆运动学原理，以六自由度 PUMA560 机械臂为例，利用 D-H 参数和齐次变换矩阵进行封闭解法推导。详细阐述了从末端位姿反求六个关节变量的代数过程，并提供了完整的 Matlab 代码实现与验证。内容涵盖 Pieper 准则、奇异位置讨论及多解情况处理，适合机器人运动控制学习与参考。
使用 MATLAB 实现基于多目标粒子群算法（MOPSO）的无人机三维路径规划项目。内容包括项目目标与意义、面临的挑战及解决方案、模型架构设计以及核心代码示例。MOPSO 算法通过维护非支配解集，有效平衡路径长度、避障风险等多目标优化需求，适用于复杂三维环境下的无人机自主飞行规划。
介绍使用 Matlab 自动生成 FPGA 存储器初始化文件的方法。详细解析了 MIF（Altera/Intel）、COE（Xilinx）及 TXT 三种文件格式的特点与差异。通过封装函数实现一键生成，解决了手动创建效率低、易出错的问题，提升了 FPGA 设计与联合仿真的开发效率。
对比了机器人运动学中的标准 DH（SDH）与改进 DH（MDH）参数。主要区别在于连杆坐标系建立位置（近端 vs 远端）及变换矩阵乘法顺序。SDH 适用于开链结构，而 MDH 可避免树形或闭链机构的坐标系歧义，推荐使用。文末提供了基于改进 DH 计算几何雅可比矩阵的 MATLAB 代码示例。
机器人轨迹规划的基本概念，区分了任务规划、路径规划与轨迹规划。阐述了关节空间与笛卡尔空间两种规划方式及其优缺点。详细讲解了多项式插值（三次、五次）、带抛物线过渡的线性插值及样条函数等常用方法，重点分析了关节空间轨迹规划的步骤与三次多项式插值的约束求解过程，旨在为机器人运动控制提供平滑且高效的轨迹解决方案。
