在求取有约束条件的优化问题时，拉格朗日乘子法（Lagrange Multiplier) 和KKT条件是非常重要的两个求取方法，对于等式约束的优化问题，可以应用拉格朗日乘子法去求取最优值；如果含有不等式约束，可以应用KKT条件去求取。当然，这两个方法求得的结果只是必要条件，只有当是凸函数的情况下，才能保证是充分必要条件。KKT条件是拉格朗日乘子法的泛化。之前学习的时候，只知道直接应用两个方法，但是却不知道为什么拉格朗日乘子法（Lagrange Multiplier) 和KKT条件能够起作用，为什么要这样去求取最优值呢？

TLD算法好牛逼一个，这里有个视频，是作者展示算法的效果，http://www.56.com/u83/v_NTk3Mzc1NTI.html。下面这个csdn博客里有人做的相关总结，感觉挺好的，收藏了！下面有个Compressive Tracking的网址，提供的代码很少，但实时性很好，matlab代码下下来就能用。

    之前转载了一篇博客，介绍了KPCA的推导，作者主要是参考、翻译了另一篇博客http://zhanxw.com/blog/2011/02/kernel-pca-原理和演示/，这里讲KPCA的整个过程很详细，还有R实现的代码，很不错！建议保存下来看，这个网站有时候上不去。

    理论明白了，如果想在matlab里实现KPCA或者真正去用它，可以参考如下两个代码：

    博客http://blog.sina.com.cn/s/blog_7671b3eb01012d9s.html中实现了KPCA的整个过程，但把特征向量的去单位化注释掉了，实际上这段代码是必要的（因为eig解得的特征向量是单位化的，但实际要求的向量长度不是1，详见公式推导）；代码的最后还有新数据在特征空间的投影。

    还有一个实现的代码是matlab exchange上的

    解调信号，Hilbert是一种有效的方法，但它对信号由要求，需要满足Bedrosian Product Theorem，才不会有大的误差，而且Hilbert变换的计算过程中涉及加窗，也会给结果带来误差。最明显的效应是在非整周期采样情况下，Hilbert变换会带来边缘飞翼，边缘误差很大。

    实际上，实现解调的数学方法是很多的，如能量算子、Mandelstam法、Shekel法、Prony法等，而其中的能量算子法简单使用，能有效克服Hilbert解调的误差。

    能量算子法的定义如下

   最近要编写个vbs小程序，但vbs程序的调试很麻烦，所以考虑用Excel的VBA调试，毕竟vbs和vba还是很相似的。一个要实现的功能就是从ini文件中读取信息，网上找到了一些很好的代码，这里收藏了！

参考网址：http://sywxnq.blog.163.com/blog/static/150755639201162813420131/

功能实现函数如下

Private Declare Function GetPrivateProfileString Lib 'kernel32' _
    Alias 'GetPrivateProfileStringA' _
    (ByVal lpApplicationName As String, _
    ByVal lpKeyName As Any, _
    ByVal lpDefault As String, _
    ByVal lpReturnedString As String, _
    ByVal nSize As Long, _
    ByVal lpFileName As String) As Long

Private Declare Function WritePrivateProfileString Lib '

    今天看了些EMD信号分解方面的东西，matlab官网上有个Hilbert-Huang Transform的代码，代码效率极高啊，人家3句语句就解决了一个大问题，很牛啊！还有一个GRilling的EMD工具箱，好多文件，功能应该相当强大。

    这里研究了研究matlab官网的代码，加了些注释、功能演示，效果如下

    原始信号由3个正弦信号加噪声组成，如下

    下面为做EMD分解的结果

随机信号处理

* 随机变量分布特征量

+ 均值mean

+ 协方差矩阵cov

+ 相关系数矩阵corrcoef

    [R, P] = corrcoef(X)，P值用于检验相关性，越小越相关，0.05以下为显著相关。

* 相关函数估计

+ 相关函数估计xcorr

[c,lags] = xcorr(x,y,maxlags,'option')

Maxlags可以指定计算的的延迟，为[-maxlags:maxlags]；

'biased': 相关函数的无偏估计

'unbiased': 相关函数的有偏估计

'coeff': 归一化相关函数，即把0延迟处的自相关系数归一化为1

'none': 使用原始非归一化相关

+ 协方差函数估计xcov

    内部执行过程为序列减去均值，再执行xcorr

* 相关函数mscohere

经典功率谱估计

* 直接法（周期图法，直接FFT）periodogra

        GJ：看到一个介绍COMSOL解决物理问题弱形式的