搜索资源列表
hoyw
- AR模型的Yule-Walker方程.1927年，Yule提出用线性回归方程来模拟一个时间序列。Yule的工作实际上成了现代谱估计中最重要的方法——参数模型法谱估计的基础。Walker利用Yule的分析方法研究了衰减正弦时间序列，得出Yule-Walker方程，可以说，Yule和Walker都是开拓自回归模型的先锋。-The Higher-Order Yule-Walker method.
sinorder
- 为sinudoidal模型的AIC阶估计.AIC信息准则即Akaike information criterion，是衡量统计模型拟合优良性的一种标准，又由于它为日本统计学家赤池弘次创立和发展的，因此又称赤池信息量准则。它建立在熵的概念基础上，可以权衡所估计模型的复杂度和此模型拟合数据的优良性。 在一般的情况下，AIC可以表示为： AIC=2k-2ln(L) 其中：k是参数的数量，L是似然函数。 假设条件是模型的误差服从独立正态分布。 让n为观察数，RSS为剩余平方和，那么AIC变为：
EM
- EM算法，统计中被用于寻找，依赖于不可观察的隐性变量的概率模型中，参数的最大似然估计。程序用C++实现，注释写得很清晰-Expectation-maximization algorithm，based on Maximum Likelihood Estimation,C++ program
FourMethodsOfPeriodogramEstimate
- 非参数的功率谱估计包括四个，周期图法，Blackman-Turkey,Welch-Bartell,改进的周期图法，输入信号为白噪声通过切比雪夫滤波后的信号-Non-parametric estimation of the power spectrum consists of four, periodogram, Blackman-Turkey, Welch-Bartell, improved cycle diagram method, the input signal is white nois
LMS_RLS_AP
- 对于一阶系统辨识，分别采用LMS、RLS、仿射投影算法来估计参数-For a first-order system identification, respectively, using LMS, RLS, affine projection algorithm to estimate the parameters
jihekalmangujiK
- 系统参数变化，用集合卡尔曼滤波器估计其变化-System parameters used to estimate the changes in the ensemble Kalman filter
tremendorsimilar
- 对图片中的颗粒对象进行统计，统计周长，面积，等效直径等特征，利用数值计算实现极大似然估计估计统计结果的weibull双参数。-Pictures of the objects particle statistics, statistics perimeter, area, equivalent diameter and other characteristics, is estimated using the maximum likelihood estimation of statistical
jiao
- 该程序是关于参数化功率谱估计，这些源程序是经过验证的，很好使用-The program is about the parametric power spectrum estimation, the source is a proven, well used
Untitled
- 设有一个随机信号 服从AR(4)过程，它是一宽带过程，参数如下： 我们通过观测方程 来测量该信号， 是方差为1的高斯白噪声，用LMS算法和RLS算法通过观测方程来估计原信号。并用Matlab对此问题进行仿真。 -There is a random signal obedience AR (4) process, which is a broadband process parameters are as follows: We are measured by observing
KalmanAll
- 关于卡尔曼滤波的matlab代码，其中包含了滤波的主算法，以及使用EM查找最大可能的估计参数，随机样本-Kalman filter matlab code, which contains the main algorithm filtering, and the use of EM to find the best possible estimate parameters of a random sample, etc.
main
- 利用参数辨识法提取相关对准参数，从而估计出陀螺漂移和数学平台偏角并进行补偿。仿真结果表明，开路罗经法对准具有较高的对准精度、较好的快速性，能够满足捷联惯导系统在静基座下实现自对准的要求。-Expressions of mathematical platform misalignment angles of the open-loop algorithm are derived and parameter identification method is used to pick-up the
ESPRIT
- ESPRIT是“Estimating signal parameters viarotational invariance techniques”的缩写，含义是“借助旋转不变技术估计信号参数”，它是由Roy[221等人于1986年提出的另一种基于子空间的DOA估计方法。 应用领域 侧向定位 信号处理 思想 ESPRIT的思想在于，将传感器阵列分解为两个完全相同的子阵列，两个子阵中每两个相对应的阵元具有相同的平移，即要求阵列具有平移不变性，每两个位移相同的阵元匹
JADEalgorithm
- 为了实现DOA和时延的联合估计,提出了一个无线通信中高分辨率的联合角度和时延估计方法,该方法不需要对参数进行搜索,利用空时矩阵的特征向量和特征值分别估计DOA和时延,通过特征值和特征向量的对应关系,估计的参数可以自动实现配对, 只要各路径信号的DOA和时延不同时接近此方法都可以适用,与JADE-MUSIC,JADE-ESPRIT和SI-JADE算法相比,该算法具有较好的鲁棒性和较小的估计误差。仿真结果证明了该算法的有效性。 -In order to achieve the joint est
hmmestimate
- 给定观测序列和状态序列下估计HMM模型的参数-Given the HMM parameters under observation sequence and state sequence estimation
hmmtrain
- 隐马尔可夫模型参数的极大似然估计,用来求解HMM的第三个问题-HMM maximum likelihood parameter estimates used to solve the third problem HMM
matrixEigenvalue
- 线性拟合的方法进行矩阵的特征值计算估计，代码内部可以设置估计参数。 -Linear fitting method to calculate the eigenvalues of the matrix estimation, estimation parameters can be set inside the code.
arburg
- 一个利用伯格算法估计AR模型参数的matlab程序，程序可以运行- AR parameter estimation via Burg method.
bilinear-matlab
- 根据全局运动估计参数，也就是模型参数，对于校正后图像的任一像素坐标（x ，y ） 都可以求得它在参考图像中的对应坐标(x,y)，此程序完成视频稳定系统中的运动补偿功能.-Global motion estimation parameters, the model parameters is, either the corrected image pixel coordinates (x ' , y' ) can be obtained which corresponds to
labview
- 本系统由主对话框模块、系统配置模块、仿真算法模块、曲线输出模块等四大模块组成。 主对话框模块：VC++设计界面的优越性更体现在其对话框的设计，所以本程序选择基于对话框的Windows程序（MFC微软基础类风格）。由于VC++6.0提供了大量的控件，用户只需用鼠标将需要的控件拖到用户区的位置即可。 属性表模块：设置了对个对象的属性，每个属性页对应一个对话框，所以设计了四个属性页：CPageDHL、CPageCJ、CPageQK、CPageSmith，这四个属性页类分别对应：单回路控制、串级
6
- ex6_1 ～ ex6_3二项分布的随机数据的产生 ex6_4 ～ ex6_6通用函数计算概率密度函数值 ex6_7 ～ ex6_20常见分布的密度函数 ex6_21 ～ ex6_33随机变量的数字特征 ex6_34 采用periodogram函数来计算功率谱 ex6_35 利用FFT直接法计算上面噪声信号的功率谱 ex6_36 利用间接法重新计算上例中噪声信号的功率谱 ex6_37 采用tfe函数来进行系统的辨识，并与理想结果进行比较 ex6_38 在置信度为0