搜索资源列表
PCA1
- pca 神经网络 求样本协方差矩阵的特征值和特征向量 样本的均值化为零-pca neural network seeking sample covariance matrix of the eigenvalues and eigenvectors of the sample mean of zero
generating_random_samples.m
- 根据一组样本数据的均值和协方差矩阵随机产生正态分布以及对数正态分布的任意规模的样本数据。-According to a set of sample data mean and covariance matrix randomly generated normal and lognormal distribution of the sample data of any size.
ADSP
- 设x(n) = x1(n) + x2(n),x1(n)是窄带信号,定义为x1(n) = sin(0.05πn +φ),φ是在[0, 2π)区间上均匀分布的随机相位。x2(n)是宽带信号,它由一个零均值、方差为1的白噪声信号e(n)激励一个线性滤波器而产生,其差分方程为x2(n) = e(n) + 2e(n-1) + e(n-2)。 (1)计算x1(n)和x2(n)各自的自相关函数,并画出其函数图形。据此选择合适的延时,以实现谱线增强。 (2)产生一个x(n)序列。选择合适的μ
jubujunzhihejububiaozhuncha1
- 本算法实现图像的局部均值和方差的求法,很容易理解。-The algorithm for image local mean and variance for France, it is easy to understand.
source
- 输入信号为方波信号+高斯白噪声,方波信号基 频为1kHz,幅值为1,高斯白噪声方差为0.2, 均值为0,采样频率为20kHz。试用周期图法和 ARMA谱估计法(SVD-TLS)估计此信号的功率 谱,并分析比较其结果-The input signal is a square wave signal+ Gaussian white noise, square wave signal fundamental frequency 1kHz, amplitude is a Gaussian white n
source
- 输入信号为方波信号+高斯白噪声,方波信号基 频为1kHz,幅值为1,高斯白噪声方差为0.2, 均值为0,采样频率为20kHz。试用最大熵估计 法估计此信号的AR模型及其功率谱,并分析结 果-The input signal is a square wave signal+ Gaussian white noise, square wave signal fundamental frequency 1kHz, amplitude is a Gaussian white noise variance
DSPII_USTC_01
- 传统的宽带信号中抑制正弦干扰的方法是采用陷波器(notch filter),为此需要精确知道干扰正弦的频率.然而当干扰正弦频率是缓慢变化时,且选频率特性要求十分尖锐时,则最好采用自适应噪声抵消的方法.下图是用一个二阶FIR的LMS自适应滤波器消除正弦干扰的一个方案。该代码实现了以下功能: 1) 借助MATLAB画出了滤波器的误差性能曲面和误差性能曲面的等值曲线; 2) 给出了最陡下降法以及LMS算法的计算公式; 3) 用MATLAB产生了方差为0.05, 均值为0白噪音S(n),并
MOG
- 拟合高斯分布,对数据点进行拟合给出数据均值和协方差,画图-Fitting of gaussian distribution, logarithmic stronghold fitting given data mean and covariance, the drawing
DSP
- 任务: 1) 借助MATLAB画出误差性能曲面和误差性能曲面的等值曲线(参考PPT2.1第17页的两幅图); 2) 写出最陡下降法以及LMS算法的计算公式(取 ); 3) 用MATLAB产生方差为0.05, 均值为0白噪音S(n),并画出某次采样得到的波形(即产生任意一个噪声随机序列); 4) 根据 2)中的公式,并利用 3)中产生的S(n),在 1)中的误差性能曲面的等值曲线上叠加画出采用最陡下降法以及LMS法时H(n)的在叠代过程中的轨迹曲线(参考PPT2.1第17页的右下图
统计
- 计算图像直方图的统计特征,包括均值,方差,熵,三阶矩等。-image histogram calculated the statistical characteristics, including mean, variance, entropy, such as third-order moments.
pic
- 用c#和emgucv实现了hough变换检测圆和最大类间方差和k均值聚类分割图像,k均值聚类的函数可填写分类数和迭代次数的阈值,而且是基于灰度的。(ps:函数都是自己实现的,但是读取图片信息用的是emgucv自带的函数)-With c# and emgucv achieved between hough transform circle detection and maximum variance and k-means clustering image segmentation, the fu
Image-feature-extraction-procedure
- 批量图像特征提取程序(三基色的颜色分量、均值、方差)-Batch image feature extraction procedure (trichromatic color component, the mean and variance)
LeeFilt
- 噪声抑制的两个关键环节为建立真实后向散射系数的估计机制和制定同质区域像素样本的选择方案。Lee滤波是利用图像局部统计特性进行图像斑点滤波的典型方法之一,其是基于完全发育的斑点噪声模型,选择一定长度的窗口作为局部区域,假定先验均值和方差可以通过计算局域的均值和方差得到。-Two key aspects of the estimated noise suppression mechanisms for the establishment of the backscattering coefficie
AMARI
- Amari形式的时域盲连续(BSU)和有限微分修正(FD)的matlab程序[ 【直接给予Bussgang特性的代价函数】Bussgang特性存在收敛,在频域使用Bussgang特性构成代价函数 约定:源信号必须是零均值的,对称分布,有限方差和独立同分布-The existence of convergence Amari form a continuous time-domain blind (BSU) and limited differential correction (
mhc02
- 采用指向指针的指针来动态分配二维数组,存储读取的文本结构内的数据。求得这二维数组内的行均值与协方差,并整齐输出,最后对所分配的内存进行释放!-Using a pointer to the pointer to dynamically allocated two dimensional array, storage read text structure within the data. Obtained in the two dimensional array of mean and covar
shiyuzhibiao16
- 信号特征提取16个时域、频域指标 均值、标准差、方差、 偏斜度指标、峭度指标、 峰-峰值、峰值、均方幅值、平均幅值、方根幅值、波形指标、峰值指标-Signal feature extraction 16 time domain, frequency domain mean, standard deviation, variance, skewness index, kurtosis index, peak- peak, mean square amplitude, average ampli
gmm
- 混合高斯模型使用K(基本为3到5个) 个高斯模型来表征图像中各个像素点的特征,在新一帧图像获得后更新混合高斯模型,用当前图像中的每个像素点与混合高斯模型匹配,如果成功则判定该点为背景点, 否则为前景点。通观整个高斯模型,他主要是有方差和均值两个参数决定,,对均值和方差的学习,采取不同的学习机制,将直接影响到模型的稳定性、精确性和收敛性。由于我们是对运动目标的背景提取建模,因此需要对高斯模型中方差和均值两个参数实时更新。为提高模型的学习能力,改进方法对均值和方差的更新采用不同的学习率 为提高在繁忙
MahalanobisDistanceDiscrimination
- 马氏距离判别(MahalanobisDistanceDiscrimination)的演示过程,求均值向量,协方差矩阵及线形判别函数-Mahalanobis distance criterion (MahalanobisDistanceDiscrimina tion) demonstration process for the mean and covariance matrix and linear discriminant function
AIC
- 1. 随机过程: ,其中 是均值为零、方差为1的白噪声, 、 是相互独立并在 上服从均匀分布的随机相位。采用AIC和MDL准则估计信号源个数,并且画出相应的MUSIC频率估计谱线。 要求:信号样本数为1000,估计的自相关矩阵为8阶。 分析:利用AIC准则和MDL准则算出信号源个数,然后根据算出的信号源个数计算出MUSIC谱。 -AIC criteria and guidelines for the use of MDL calculates the number of signal
CHANNEL
- 假设信号产生和传输信道模型为: 而抽头维纳滤波器为: 假设 的方差为0.27, 的方差为0.1,均值都为零。并且: , 并假设权向量初始值为 ,分别使用步长0.015、0.025和0.05进行 LMS算法仿真。 分析:d(n)是子系统H1受到v1(n)激励产生的信号,而H2与加性噪声构成了加性噪声传输信道。将u(n)作为维纳滤波器的输入,且滤波器的期望响应为d(n)。问题就是如何求出滤波器的权系数使得估计误差e(n)在MMSE意义下最小。 -Estim