搜索资源列表
estimate-powers-spectrum
- 根据维纳-辛钦定理，广义平稳随机过程的功率谱是自相关函数值。但对于许多实际应用问题，可资利用的观测数据往往是有限的，所以要准确计算功率谱通常是不可能的。比较合理的目标是设法得出功率谱的一个好的估计值，这就是功率谱估计。本文通过分析经典功率谱估计和现代功率谱估计的多种方法，比较各种方法的优缺点。-According to Wiener- Xinqin theorem, wide-sense stationary random process is the power spectrum of the
xmdvtool7_0_win_source
- xmdvtool 7.0 C++ 源码。 xdmvtool是一款简洁高效的多维数据观测软件。此源码可以帮助用户编程实现软件的部分功能。-xmdvtool 7.0 C++ source code. xdmvtool is a simple and efficient multi-dimensional data observation software. This source can help some of the features of software programming.
Wavelet_OMP
- 压缩感知中非常快速的恢复算法OMP法，这种算法可以有效恢复数据量大噪声强的观测文件！ -compressive sense algorithm OMP，the highlights of this method is feasible to recovery!
vc-programing-for-gps-obser-data
- 使用vc++语言，在实现rinex格式识别的基础上，对观测数据进行处理分析，文档为PDF-Use vc++ language, in the realization of the rinex format recognition, on the basis of observation data analysis, documents to PDF
FAST-ICA
- 1、对观测数据进行中心化，； 2、使它的均值为0，对数据进行白化—>Z； 3、选择需要估计的分量的个数m，设置迭代次数p<-1 4、选择一个初始权矢量（随机的W，使其维数为Z的行向量个数）； 5、利用迭代W(i,p)=mean(z(i,:).*(tanh((temp) *z)))-(mean(1-(tanh((temp)) *z).^2)).*temp(i,1)来学习W （这个公式是用来逼近负熵的） 6、用对称正交法处理下W 7、归一化W(:,p)=W(:,
FAST-ICA11
- 1、对观测数据进行中心化，； 2、使它的均值为0，对数据进行白化—>Z； 3、选择需要估计的分量的个数m，设置迭代次数p<-1 4、选择一个初始权矢量（随机的W，使其维数为Z的行向量个数）； 5、利用迭代W(i,p)=mean(z(i,:).*(tanh((temp) *z)))-(mean(1-(tanh((temp)) *z).^2)).*temp(i,1)来学习W （这个公式是用来逼近负熵的） 6、用对称正交法处理下W 7、归一化W(:,p)=W(:,
rihor_Little_Bear_tools
- 小熊工具箱是由中科院对地观测中心在读博士胡勇将自己写的 IDL 代码整理而成，包含许多实用功能：相对辐射归一化、矩匹配相对辐射校正、趋势分析、最大值合成、 MODIS 质量数据转换、批量矢量裁剪、 MRT 批处理、 TVDI 、 ROI 分离器、批量生成缩略图、批量生成影像范围（shp）。-Winnie the toolbox from the CAS CEODE PhD Hu Yong will write their own IDL code was compiled, contains m
doctor-ROTs-software
- 该文件夹完成ROT博士论文中的程序,其中数据存储于data，只要改变程序中相应的路径就行 其中包括：背景程序background和目标程序target 该程序中绘画出s极化和p极化的反射率（二向反射率分布函数，与正常的反射率相差pi） asphalt_wavelength_viewangle描述沥青与波长和观测角度的关系-The folder ROT dissertation completed the program, where the data is stored in the
MultiSpecWin32
- 实用的高光谱分类软件，是以交互方式分析 Landsat 系列地球卫星的高光谱数据， AVIRIS 的地球观测的多光谱图像数据处理系统。-MultiSpec (© Purdue Research Foundation) is a processing system for interactively analyzing Earth observational multispectral image data such as that produced by the Landsat seri
PCA_see_dis
- 根据训练数据特征以及类别信息，测试数据特征以及类别信息，观测PCA产生的前三个分量的性能。-use PCA to see the discriminating performance
MNF
- MNF是一种多元线性统计变换方法，MNF变换的基本思想就是通过构造原始观测数据各分量的线性组合，将观测数据中包含的信号与噪声两部分尽可能分离，使得线性映射变量的信噪比最大化。MNF变换本质上含有两次叠置处理的主成分分析变换。-MNF is a statistical multiple linear transformation method, the basic idea is the MNF transform raw observations by constructing a linear
CLASSICALMUSIC1
- MUSIC算法[1] 是一种基于矩阵特征空间分解的方法。从几何角度讲，信号处理的观测空间可以分解为信号子空间和噪声子空间，显然这两个空间是正交的。信号子空间由阵列接收到的数据协方差矩阵中与信号对应的特征向量组成，噪声子空间则由协方差矩阵中所有最小特征值（噪声方差）对应的特征向量组成。MUSIC算法就是利用这两个互补空间之间的正交特性来估计空间信号的方位。噪声子空间的所有向量被用来构造谱，所有空间方位谱中的峰值位置对应信号的来波方位。MUSIC算法大大提高了测向分辨率，同时适应于任意形状的天线阵列
WifiVideo
- 该项目为QT语言编写，运行于Windows操作系统，基于opencv开源库，主要目的是为实现WIFI无线视频监控项目在PC机上的观测。连接目标Ip地址及端口号即可采集到视频数据，并具备录像功能。-The project is QT language that runs on the Windows operating system, based on open source library opencv, the main purpose is to achieve WIFI wireless
practice2
- 基于VC读取 Micaps数据（地面观测数据的读取）-Read Read Micaps data (read ground observation data) based on VC
GPS4
- 针对GPS观测的数据进行卡尔曼滤波平滑处理，提高了解算的精度并绘制出三个方向的滑动示意图(According to the data of GPS observation, the Calman filter is processed to improve the precision of calculation, and the sliding diagram of three directions is plotted)
newPic
- 一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程(An algorithm for estimating the state of the system by using the linear system state equation, inputting and outputting the observed data through the system. Since the obs
3.【卡尔曼滤波】kalman
- 卡尔曼滤波（Kalman filtering）一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。(Kalman filtering (Kalman filtering) An algorithm that optimizes the state of the system by using the linear system state equation, through the syst
PlotSat
- 根据观测文件中的数据，绘制gps观测图像，包括时间序列图(According to the data in the observation file, the GPS observation image is drawn, including the time sequence diagram)
ransac
- RANSAC算法的输入是一组观测数据，一个可以解释或者适应于观测数据的参数化模型，一些可信的参数。 RANSAC通过反复选择数据中的一组随机子集来达成目标。被选取的子集被假设为局内点，并用下述方法进行验证： 1.有一个模型适应于假设的局内点，即所有的未知参数都能从假设的局内点计算得出。 2.用1中得到的模型去测试所有的其它数据，如果某个点适用于估计的模型，认为它也是局内点。 3.如果有足够多的点被归类为假设的局内点，那么估计的模型就足够合理。 4
pca
- 在许多领域的研究与应用中，往往需要对反映事物的多个变量进行大量的观测，收集大量数据以便进行分析寻找规律。多变量大样本无疑会为研究和应用提供了丰富的信息，但也在一定程度上增加了数据采集的工作量，更重要的是在多数情况下，许多变量之间可能存在相关性，从而增加了问题分析的复杂性，同时对分析带来不便。如果分别对每个指标进行分析，分析往往是孤立的，而不是综合的。盲目减少指标会损失很多信息，容易产生错误的结论。 因此需要找到一个合理的方法，在减少需要分析的指标同时，尽量减少原指标包含信息的损失，