搜索资源列表
RAKE
- ：首先介绍了DS--UWB系统的的发射与接收模型，然后分析了利用滑动相关法对信道进行估讣，并巾此给出 了不同RAKE接收机RAKE合成权系数选取方案。对接收机采用最大比(MRC)、最小均方误差(MM SE)及带均衡 器的(MRC)合并系数选取的误码性能进行了仿真和对比。结果表明了带均衡器的MRC—RAKE只用较少的分支 就可以达到接收性能明显优于MMSE—RAKE的程度。尤其在信噪比比较大时。这种优势更加明显。
UWB
- ：首先介绍了DS--UWB系统的的发射与接收模型，然后分析了利用滑动相关法对信道进行估讣，并巾此给出 了不同RAKE接收机RAKE合成权系数选取方案。对接收机采用最大比(MRC)、最小均方误差(MM SE)及带均衡 器的(MRC)合并系数选取的误码性能进行了仿真和对比。结果表明了带均衡器的MRC—RAKE只用较少的分支 就可以达到接收性能明显优于MMSE—RAKE的程度。尤其在信噪比比较大时。这种优势更加明显。
jiyun
- ：首先介绍了DS--UWB系统的的发射与接收模型，然后分析了利用滑动相关法对信道进行估讣，并巾此给出 了不同RAKE接收机RAKE合成权系数选取方案。对接收机采用最大比(MRC)、最小均方误差(MM SE)及带均衡 器的(MRC)合并系数选取的误码性能进行了仿真和对比。结果表明了带均衡器的MRC—RAKE只用较少的分支 就可以达到接收性能明显优于MMSE—RAKE的程度。尤其在信噪比比较大时。这种优势更加明显。
decode
- ：首先介绍了DS--UWB系统的的发射与接收模型，然后分析了利用滑动相关法对信道进行估讣，并巾此给出 了不同RAKE接收机RAKE合成权系数选取方案。对接收机采用最大比(MRC)、最小均方误差(MM SE)及带均衡 器的(MRC)合并系数选取的误码性能进行了仿真和对比。结果表明了带均衡器的MRC—RAKE只用较少的分支 就可以达到接收性能明显优于MMSE—RAKE的程度。尤其在信噪比比较大时。这种优势更加明显。
fsm8051
- ：首先介绍了DS--UWB系统的的发射与接收模型，然后分析了利用滑动相关法对信道进行估讣，并巾此给出 了不同RAKE接收机RAKE合成权系数选取方案。对接收机采用最大比(MRC)、最小均方误差(MM SE)及带均衡 器的(MRC)合并系数选取的误码性能进行了仿真和对比。结果表明了带均衡器的MRC—RAKE只用较少的分支 就可以达到接收性能明显优于MMSE—RAKE的程度。尤其在信噪比比较大时。这种优势更加明显。
oc8051_defines
- ：首先介绍了DS--UWB系统的的发射与接收模型，然后分析了利用滑动相关法对信道进行估讣，并巾此给出 了不同RAKE接收机RAKE合成权系数选取方案。对接收机采用最大比(MRC)、最小均方误差(MM SE)及带均衡 器的(MRC)合并系数选取的误码性能进行了仿真和对比。结果表明了带均衡器的MRC—RAKE只用较少的分支 就可以达到接收性能明显优于MMSE—RAKE的程度。尤其在信噪比比较大时。这种优势更加明显。
pc
- ：首先介绍了DS--UWB系统的的发射与接收模型，然后分析了利用滑动相关法对信道进行估讣，并巾此给出 了不同RAKE接收机RAKE合成权系数选取方案。对接收机采用最大比(MRC)、最小均方误差(MM SE)及带均衡 器的(MRC)合并系数选取的误码性能进行了仿真和对比。结果表明了带均衡器的MRC—RAKE只用较少的分支 就可以达到接收性能明显优于MMSE—RAKE的程度。尤其在信噪比比较大时。这种优势更加明显。
tuxiangpipei.rar
- 最大归一互相关图像匹配算法是图像匹配中的常用算法，其关键是解算活动图与基准图间的相关系数。 针对相关系数计算量大的特点,image match
PicMatch
- 本程序实现了对影像特征点自动提取，利用Morevac、Forstner、Harris3个经典算子。在此基础上利用相关系数法实现影像自动匹配，并且引入最小二乘平差，使匹配点精度有所提高。 在搜索点过程中，利用了核线影像特性，对二维影像搜索使用了爬山法启发式搜索。对大数据量影像采用影像金字塔结构处理。 1、使用GDAL库读取影片，支持TIFF、PNG、JPEG、JPG、BMP、GIF、IMG格式读取。使用GDI绘图。 2、防止大数据量绘图视图闪烁，图片显示采用双缓存技术。
CCA
- 典型相关分析的Matlab实现，实现相关系数的最大-Canonical Correlation Analysis source program using Matlab
cca
- 计算典型相关算法，求出最大投影向量,以及最大投影向量对应的相关系数 -calculate canonical correlations, find the largest correlation coefficients
AR
- 采用最大熵值法或自相关法实现AR模型，估计出AR模型的系数-Maximum entropy method or self-correlation method to achieve AR model, AR model to estimate the coefficients
SVD
- SVD是气象中常用的一种统计方法，旨在最大程度地分离出两场的高相关区，一次了解成对变量场之间相关系数场的空间结构及各自对相关场的贡献。-SVD is the weather in a statistical method commonly used to maximize the high-isolated two related areas, an understanding of the correlation coefficient between pairs of variables f
Sllyear
- 线性相关 求逐月异常序列x(n,12)和y(n,12)(n是年)相同月份之间的滞后超前nt年的相关系数rt(-nt:nt,12)，其中nt最大的滞后或超前时间（单位：年）。 -Linearly related to demand monthly abnormal sequence x (n, 12) and y (n, 12) (n is the year) ahead of the same month lag between the years of the correlation
MCC
- 基于雷达一维距离像的目标识别，采用最大相关系数算法，是最简单的基于HRRP的目标识别算法，适合新手。-Radar HRRP target recognition, the maximum correlation coefficient algorithm is based on the most simple HRRP target recognition algorithms, suitable for the novice.
ap-sr
- 基于非周期随机共振的实现，求最大相关系数有明显的效果-Implementation based on aperiodic stochastic resonance
MI
- 直接求解两幅图片的最大相关系数mi值，用起来比较方便快捷。-Directly solve the two pictures mi maximum value of the correlation coefficient, using up more convenient.
image-mosaic.doc
- 图像拼接(image mosaic)技术是将一组相互间重叠部分的图像序列进行空间匹配对准,经重采样合成后形成一幅包含各图像序列信息的宽视角场景的、完整的、高清晰的新图像的技术。图像拼接在摄影测量学、计算机视觉、遥感图像处理、医学图像分析、计算机图形学等领域有着广泛的应用价值。 一般来说,图像拼接的过程由图像获取,图像配准,图像合成三步骤组成,其中图像配准是整个图像拼接的基础。本文研究了两种图像配准算法:基于特征和基于变换域的图像配准算法。 在基于特征的配准算法的基础上,提出一种稳健的基于特征点的
minepy-1.2.1.tar
- 用来计算两个随机变量的最大信息系数，评价这两个变量之间的线性或者非线性关系的相关程度(The maximum information coefficient of two random variables is used to evaluate the degree of correlation between the linear or nonlinear relations between the two variables)
相关系数
- 计算互相关函数,那么可以得到两列数据的最大互相关系数。(calculate the cor-relaration function)