搜索资源列表
粒子滤波算法综述
- 对粒子滤波算法的原理和应用进行综述，首先针对非线性非高斯系统的状态滤波问题 阐述粒子滤波的原理，然后在分析采样重要性，重采样算法基础上 讨论粒子滤波算法存在的主要问题和改进手段，最后从概率密度函数的角度出发，将粒子滤波方法与其他非线性滤波算法进行比较，阐明了粒子滤波的适应性， 给出了粒子滤波在一些研究领域中的应用并展望了其未来发展方向。
f
- 模式识别课件 当预先不知道类型数目，或者用参数估计和非参数估计难以确定不同类型的类概率密度函数时，为了确定分类器的性能，可以利用聚类分析的方法。-When the pre-recognition software does not know the type of number, or parameter estimation and non-parameter estimation it is difficult to determine the different types of ca
m
- Mean Shift 这个概念最早是由Fukunaga等人[1]于1975年在一篇关于概率密度梯度函数的估计中提出来的,其最初含义正如其名,就是偏移的均值向量,在这里Mean Shift是一个名词,它指代的是一个向量,但随着Mean Shift理论的发展,Mean Shift的含义也发生了变化,如果我们说Mean Shift算法,一般是指一个迭代的步骤,即先算出当前点的偏移均值,移动该点到其偏移均值,然后以此为新的起始点,继续移动,直到满足一定的条件结束.-Mean Shift the conc
bayes
- 贝叶斯决策理论：根据先验概率、类分布密度函数以及后验概率这些量来实现分类决策的方法.最小错误率的贝叶斯决策：根据一个事物后验概率最大作为分类依据的决策 -Bayesian decision theory: According to the a priori probability, the class distribution as well as the posterior probability density function of these values in order to a
A-kernel-density-estimate-data
- 一篇核密度估计资料，一种新的核函数选择方法-A kernel density estimate data，A new kernel selection method
target-detection-in-sea-clutter
- 作者分析了海杂波的多普勒谱特性，给 出了两种基于多普勒谱特征的检测方法，应用联合瑞利概率密度函数描述海杂波 多普勒谱的统计特性和熵值方式表示多普勒谱的波形特性。 -As the present study on sea clutter are shown, based on the analysis of sea clutter Doppler spectrum characteristics, two target detection algorithms are propo
PSD-plot
- Welch功率谱密度是用改进的平均周期图法来求取随机信号的功率谱密度估计值。Welch法采用信号重叠分段、加窗函数和FFT算法等计算一个信号序列的自功率谱估计(PSD如上例中的下半部分的求法)和两个信号序列的互功率谱估计（CSD）。MATLAB信号处理工具箱函数提供了专门的函数PSD和CSD自动实现Welch法估计，而不需要自己编程。-method of power spectral density plot
SIMULATION-OF
- 真实路面的函数可以描述为路面不规则函数q=q(x,y)，其x和y坐标轴分别表示纵向和侧向轴。路面不平度被描述成具有高斯分布、稳态阶段、遍历性和零均值的随机过程。因此我们可以利用自己定义的单个轨迹和相干函数的二平行轨迹的功率谱密度来描述路面不平度。自定义的单轨迹功率谱密度可用如下方程描述：-In ride comfort research, it is important to simulate the vibration of automobile on uneven road. To buil
qweeqdw
- 随机信号的统计特性测试,均值、方差，相关函数（包括自相关、互相关函数）、频谱及功率谱密度算法.-The statistical properties of random signal test, mean, variance, correlation function (including autocorrelation, cross-correlation function), spectrum and power spectral density algorithms.
progream
- Gaussian noise refers to its obey gaussian probability density function (i.e., normal distribution) of the noise. If a noise, its amplitude distribution obeys the gaussian distribution, and its power spectral density is uniformly distributed, has des
ASD
- 所谓高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。高斯白噪声的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。高斯白噪声包括热噪声和散粒噪声。-Gaussian noise refers to its obey gaussian probability density function (i.e., normal distribution) of the noise. If
qwe
- 所谓高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。高斯白噪声的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。高斯白噪声包括热噪声和散粒噪声。-Gaussian noise refers to its obey gaussian probability density function (i.e., normal distribution) of the noise. If
wer
- 所谓高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。高斯白噪声的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。高斯白噪声包括热噪声和散粒噪声。 -Gaussian noise refers to its obey gaussian probability density function (i.e., normal distribution) of the noise.
ray_fading
- 统计瑞利衰落特性,得到其幅度密度函数图。更进一步了解瑞利衰落特性。-Analyse the character of rayli fading,getting the CDF of teh rayli fadign.
CHAOGAOSI
- 研究表明超高斯分布更加贴近语音信号的实际分布，然而语音信号很难用单一的概率密度 函数准确描述，针对这一情况，提出了一种用超高斯混合模型对语音信号幅度谱建模的新方法，并推导了 基于此模型的幅度谱最小均方误差估的估计式。仿真结果表明：与传统的短时谱估计算法相比，该算法不 仅能够进一步提高增强语音的信噪比，而且可以有效减小增强语音的失真度，提高增强语音的主观感知 质量。 -Recent research indicates that the speech spectral ampli
ApplicationImproved--r-Algorithm
- 粒子滤波算法在非线性系统中得到了广泛的应用，其精度取决于目标概率函数和重要性函数是否相近，并且样本退化问题也影响了算法的性能。针对粒子滤波算法中样本退化的问题，本文提出一种基于奇异值分解的粒子滤波算法。该算法通过使用奇异值分解方法得到的重要性概率密度函数更接近于目标概率分布，降低样本退化的影响，提高了滤波器的精度，然后在列车组合定位系统的数学模型中应用该算法进行仿真实验。 -Particle filter algorithm for nonlinear systems is widely use
analog-modulation
- 基本模拟调制及其功率谱密度函数，有图的仿真结果，可以比较直观的进行理解-The basic analog modulation and power spectrum density function, a simulation results, can be more intuitive to understand
gonglvpumiduhanyi
- 简述功率谱密度函数的定义，列举了三个求功率谱密度的方法-Brief definition of power spectral density function, citing three seek power spectral density method
正态分布函数实现
- 调用该函数可以实现正态分布函数，首先产生(min,max)之间均匀分布的随机数，再计算正态分布概率密度函数，最后产生产生正态分布随机数
泊松过程的生成及其统计分析
- 假设一个交换系统有M部电话，每个用户在很短的时间（单位时间内）呼叫一次的概率为P；用户间呼入的时刻相互独立，当M很大，P很小时，时间t内到达交换机的呼叫次数构成泊松过程N(t)。 1、确定此泊松过程的参数。利用计算机仿真N(t)的生成过程。注意合理选择M和P，时间分辨率为一个单位时间。 2、为了比较生成的N(t)与理论模型的吻合程度。取N(t)的多个样本并选取3个典型时间,,，得到,,三个随机变量的样本，在一张图上画出其直方图及理论分布曲线，并将两者对照。比较M选取不同时的效果。注意：样本个数