搜索资源列表
RUN_LMS4
- Least Mean Square System Identification from Adaptive Filter Theory
fir
- 用matlab设计FIR维纳滤波器 假设一个点目标在x，y平面上绕单位圆做圆周运动，由于外界干扰，其运动轨迹发生了偏移。其中，x方向的干扰为均值为0，方差为0.05的高斯噪声；y方向干扰为均值为0，方差为0.06的高斯噪声。用该滤波器处理观测信号，得到其最佳估计。-FIR Wiener filter design using matlab Suppose a point target in the x, y plane around the unit circle in a circul
WNFilter
- 维纳滤波其设计，假设一个点目标在x，y平面上绕单位圆做圆周运动，由于外界干扰，其运动轨迹发生了偏移。其中，x方向的干扰为均值为0，方差为0.05的高斯噪声；y方向干扰为均值为0，方差为0.06的高斯噪声。-Wiener filter is designed, assuming a point target in the x, y plane around the unit circle in a circular motion due to external interference, its
kalman_filter_result
- 1、对观测数据进行卡尔曼滤波，得到预测的航迹以及估计误差的均值和标准差 2、返回值包括滤波预测后的估计航迹,以及均值和误差协方差-1, the observed data, the Kalman filter, to get the track and the estimated prediction error of the mean and standard deviation 2, the return value, including forecasts of the esti
TrackingBlobAlgorithms
- This contained BG/FG detection(simple version and adaptive background mixture models), blob tracking(connected component tracking and MSPF resolver, mean shift, particle filter), Kalman filter using OpenCV. It can be helpful who studying object detec
guideformatlab
- This Filter provides a selective mean (averaging) lter. In contrast to the standard mean lter,it preserves edges better and is less sensitive to outliers(outliers are those that are not included in the measurement taking place.In this case aver
MeanShiftSegger
- mean shift kalman filter-object tracking
zishiyinglvbo
- 摘要:分析了最小均方误差滤波和递归最小二乘滤波算法、自适应滤波的神经网络方法、 基于QR分解的方法、统一模型下的自适应滤波及基于高阶累积量的自适应算法的优缺点，并对自适应滤波算法的未来发展做了展望。 -the author analyzes the minimum mean square error filter and recursive least square filter algorithm, an adaptive filter neural network method,
20120308
- 目标跟踪算法。将均值移动与粒子滤波算法相结合。-Target tracking algorithm. Mean shift and particle filter algorithm is a combination
lms1.m
- LMS自适应滤波器是使滤波器的输出信号与期望响应之间的误差的均方值为最小，因此称为最小均方（LMS）自适应滤波器，这个是LMS在matlab的m文件，使用方便-LMS adaptive filter is the mean square value of the minimum error between the filter output signal and desired response, so called least-mean-square (LMS) adaptive filte
The-fusion-procedure
- 采用3种图像融合的方法，HIS变换融合、高通滤波融合、Brovey变换算法实现了影像融合,并选择均值、熵、偏差和相关系数4个定量指标,对采用3种融合方法得到的影像进行了评价-Three kinds of image fusion method, the HIS transform fusion, high-pass filter fusion of Brovey transform algorithm for image fusion, and select the mean, entropy,
test
- 基于最小均方差准则的多带滤波器设计 中心频率分别为4M和9M-Multi-band filter based on minimum mean square error criteria
C
- 卡尔曼滤波器的算法C实现 最佳线性滤波理论起源于40年代美国科学家Wiener和前苏联科学家Ｋолмогоров等人的研究工作，后人统称为维纳滤波理论。从理论上说，维纳滤波的最大缺点是必须用到无限过去的数据，不适用于实时处理。为了克服这一缺点，60年代Kalman把状态空间模型引入滤波理论，并导出了一套递推估计算法，后人称之为卡尔曼滤波理论。卡尔曼滤波是以最小均方误差为估计的最佳准则，来寻求一套递推估计的算法，其基本思想是：采用信号与噪声的状态空间模型，利用前一时刻地估计值和现时刻的观测值来
LMS_RLS_AFA
- matlab code for least mean square filter
junfanglvboqi
- 用于绘制scfdma papr均方滤波器图形-For the mean square filter graphics draw scfdma papr
four-wei-scale
- 在基于Mean-Shift的目标跟踪算法中，尺度自适应机制是算法研究的一个重要方向。一种典型的方法采 用Lindeberg的尺度空间理论以获取目标尺度信息。但现有算法中将尺度由2．D矢量压缩为1一D量，未能精细地 刻画目标仿射变换时的尺度变化，从而限制了算法的适用范围。为此，该文将尺度维1．D滤波推广至2一D，构造得 到了相应的垂D尺度空间，并利用窄间维和尺度维的Mean-Shift交替迭代，实现了同时在空间位置和尺度方向对 目标的有效跟踪，提高了算法在目标尺度变化时的自适应性，
16QAm
- 采用MATLAB编程，产生一个16QAM基带信号，并进行实数倍插值计算。要求符号率为1 MSymbol/s，采用均方根升余弦滤波成形，滚降系数=0.5。产生{…1，0，1，1，…}的伪随机序列，经过映射、4倍成形滤波、FIR半带滤波、实数倍内插滤波，最后输出4.315倍时域/频域响应。给出信号序列经过各级滤波的时域、频域结果-Using MATLAB programming, resulting in a 16QAM baseband signal, and the real multiples
image-enhancement-in-spatial-domain
- 空间域内的图像增强，包括均值滤波，线性滤波，倒数加权滤波，digital TV_new 模型去噪的主函数等-Matlab code for image enhancement in spatial domain，Including the mean filtering, linear filtering, the reciprocal of the weighted filter, the digital TV_new model denoising main function
pinghua
- 对粗曲线细化处理，对图像进行平滑去噪，中值滤波去噪，数学均值去噪。-Crude curve refinement processing, image denoising, the median filter denoising, mathematical mean denoising.
UKF-matlab-simulation
- 卡尔曼滤波在对离散线性系统进行最优化的时候用到系统的预测方程和测量方程，但是只考虑了最简单的线性关系，即系统预测方程线性化，由于变量的均值和方差只能进行线性运算，那么当系统预测方程非线性化的时候该怎样计算预测值的方差呢？ UKF就是为了研究解决这种非线性关系的。-Kalman filter used in optimization of discrete linear systems prediction and measurement equations of the system, but