一种核密度估计，或者称作带宽选择的方法，可以估计二维尺度参数，至于多维以上的估计方法尚在开发，多维情况下个人经验好的方法是多次实验取较好值,kernel density estimation, bandwidth selection, two-dimensional scale parameter can be estimated ,for the multi-dimensional approaches are still under development, multi-dimensiona

以为高斯和密度估计，使用高斯核的非参数密度估计方法，对样本进行概率密度估计，程序中给出了窗宽的估算公式。-That the Gaussian and density estimation, using Gaussian kernel non-parametric density estimation method, the sample probability density estimates, the program gives the formula for bandwidth estim

提出了一种新的宽带DOA估计方法:频域子空间正交性测试方法(TOFS:Test of orthogonality of frequency sub- space)。该方法通过同时测试频域信号共同带宽内各频段噪声子空间与阵列流形之间的正交性来进行DOA估计。与宽带相干信号子空间方法不同,TOFS方法不需要任何初始值的预估及聚焦操作。与宽带非相干信号子空间方法也不同,TOFS方法同时测试各频段噪声子空间与阵列流形之间的正交性。本文仿真了TOFS与IMUSIC、CSSM、TOPS的性能比较。仿真结果表

二维高斯核函数重构 重构方法不依赖于参数化模型-2D Gaussian Kernel Reconstruction fast and accurate state-of-the-art bivariate kernel density estimator with diagonal bandwidth matrix. The kernel is assumed to be Gaussian. The two bandwidth parameter