搜索资源列表
MUSIC_algorithm
- MUSIC 算法是利用接收数据的协方差矩阵(Rx)分离出信号子空间和噪声子空间，利用信号方向向量与噪声子空间的正交性来构成空间扫描谱，进行全域搜索谱峰，从而实现信号的参数估计。-MUSIC algorithm is used to receive data covariance matrix (Rx) to isolate the signal subspace and noise subspace, using the signal direction vector and noise su
an-orthogonal-about-BF-algorithm
- 一种基于正交投影的波束形成算法。首先由 MVDR算法确定初始权向量 其次根据该权向量与 其它用户波达角方向的关系 ,建立干扰信号的导向矢量矩阵 然后通过正交投影原理 ,将期望信号的导向矢量投影 到干扰信号的零空间上 ,从而求得最优权值。仿真结果证明了该算法的有效性。-An orthogonal projection beamforming algorithms. First, by the MVDR algorithm to determine the initial weight ve
61
- 提出了一种结合SVD的小波变换方法，对其在外弹道测量数据中的野值剔除进行了研究。对观测数据进行小波分解，将小波分解后的近似分量和细节分量组合实现相空间重构，作为SVD方法的输入观测矩阵，根据奇异 熵增量准则，对奇异值进行筛选，根据SVD逆变换重构原信号。这一方法克服了Hankel矩阵相空间构建方法数据 端点失真问题。以小波分解后分量重构的相空间可以满足正交性，进一步提高了SVD进行数据降噪和野值检测的精度。仿真数据和试验数据处理结果证明了这一方法的有效性。-Proposed a meth
MIMO
- 本文在介绍MIMO无线通信系统模型的基础上，通过对比分析几种常用空时编码方法，选定空时分组码对信号进行编码并建立瑞利衰落信道模型，通过对两发一收及两发两收系统的仿真，研究接收天线数对系统接收信号可靠性的影响。之后进一步扩展到不同发射矩阵条件下研究多发一收系统的频谱利用率及误符号率，分析不同天线数目，不同发射矩阵条件下空时正交分组码检测算法的性能。-This paper introduced the MIMO wireless communication system model, through
schur
- 矩阵的QR分解定理: 任意nxn实矩阵A, 存在正交阵Q与上三角阵R, 使得A=Q*R-QR matrix decomposition theorem: any nxn real matrix A, the presence of orthogonal matrix Q and the upper triangular matrix R, such that A = Q* R
matrix
- matlab矩阵运算常用代买或函数整理，例如数组构造；矩阵运算，从最基本的到比较特殊的如正交化，伪逆等；多项式运算；插值等-The matrix counting in Matlab
xpyqr
- 匹配追踪和正交匹配追踪，用谱方法计算流体力学一些流动现象的整体稳定性,AHP层次分析法计算判断矩阵的最大特征值。- Matching Pursuit and orthogonal matching pursuit, Spectral methods of computational fluid dynamics flow of some of the overall stability of the phenomenon, Calculate the maximum eigenvalue jud
matlab_data
- matlab正交最小二乘法源程序，可实现矩阵元素的正交最小二乘拟合，确定系数值等(Matlab orthogonal least square source program, can realize the matrix element orthogonal least squares fitting, determination coefficient value, and so on.)
matlab_data
- matlab施密特正交化源程序，可结合矩阵元素的正交最小二乘拟合，确定系数值等(Matlab schmidt orthogonalization source program, can combine matrix element orthogonal least squares fitting, determination coefficient value and so on.)
压缩感知
- 本文分别以稀疏基有离散余弦变换基（DCT）和快速傅立叶变换基（FFT）做为稀疏基，高斯随机矩阵、部分哈达玛矩阵为测量矩阵，L1范数、正交匹配追踪算法（OMP）为重建算法进行压缩感知算法实现。(In this paper, DCT and FFT are used as sparse basis, Gauss random matrix and partial Hadamard matrix are used as measurement matrix, L1 norm and OMP are u
线性代数及其应用
- 本书主要内容包括线性方程组、矩阵代数、行列式、向量空间、特征值与特征向量、正交性和最小二乘法、对称矩阵和二次型等。此外，本书包含大量的练习题、习题、例题等，便于读者参考。