搜索资源列表
Basedonmaximuma
- 卡尔曼滤波是信号处理的重要工具，而极大似然估计是概率论的重要思想，两者结合会解决一系列类似的问题-Kalman filtering is an important tool for signal processing, while the maximum likelihood estimation is the important thinking of the probability theory, a combination of both will solve a series of si
first-lesson
- 介绍了常用的最优估计方法，包括最小二乘发，极大似然估计法，递推法等-The optimal estimation is introduced several kinds of commonly used methods, including least squares, maximum likelihood estimation, recurrence, etc
the-maximum-likelihood-estimate
- 1、 极大似然估计 尝试用0~24阶多项式拟合，并用5折交叉验证选择最佳模型（多项式阶数及其系数，给出类似课件中的图），并画出最佳模型的拟合效果图（类似图1，蓝色点为训练样本、红色点为测试样本、绿色线为模型预测），给出该模型的测试误差。 2、 岭回归 多项式阶数为24，正则系数λ的取值范围为exp(-19)到exp(20)，采用并用5折交叉验证选择最佳模型。实验结果要求同1。 -1, the maximum likelihood estimate of 0 to 24 try-o
cs-speech-enhancement
- 文利用带噪语音经特征基函数矩阵转换后所具有的稀疏特性，用最大似然估计方法对转换后得到的稀疏 分量进行非线性压缩去噪，然后再经过反变换和重构恢复出原始语音信号的估计。特征基函数矩阵反映了语音数据本 身的统计特性，因此具有很好的合理性和可取性。仿真结果表明利用稀疏编码方法能极大程度地抑制背景噪卢，与小波消噪法相比优势明显。-a speech enhancement algorithm based Compressed Sensing.
RSSI
- rssi定位算法，极大似然估计法，最小二乘法，代码，极大似然估计法-rssi localization algorithm
MLTimeFrequencyOffsetOFDM
- OFDM联合极大似然法，符号和载波频偏估计，利用循环前缀的冗余信息实现ML估计，不需额外插入导频，其频率估计用于跟踪模式，时间估计用于捕获模式。-OFDM ML estimator for time and frequency
EMSeg
- EM 算法是求参数极大似然估计的一种方法，它可以从非完整数据集中对参数进行估计，是一种非常简单实用的学习算法。这种方法可以广泛地应用于处理缺损数据、截尾数据以及带有噪声等所谓的不完全数据，可以具体来说，我们可以利用EM算法来填充样本中的缺失数据、发现隐藏变量的值、估计HMM中的参数、估计有限混合分布中的参数以及可以进行无监督聚类等等。-Expectation Maximization image segmentation Input: ima: gr
使用加权辅助变量的被动发射源定位
- 由于测量矩阵和方位噪声之间的相关性，我们已知的发射极定位的线性最小二乘算法，如伪线性估计器，具有较大的估计偏差。本文提出了一种新的基于闭型的发射器定位算法，该算法克服了这种偏倚，利用了比定位估计的辅助变量。通过计算机模拟，新算法的性能优于伪线性估计器，同时具有与计算成本更高的极大似然发射器相同的性能。(Because of the correlation between the measurement matrix and azimuth noise, we have known that th