搜索资源列表
hownarrow
- the paper I uploaded was submitted in my DSP2 class. The paper discusses the results of the simulation based on the paper of Zatman on "How Narrow is Narrowband?" It investigates the second eigenvalue parameter of the received signal that determines
EigenvalueDecomposition
- 基于矩阵特征值分解的功率谱估计包括特征向量估计和MUSIC估计，这两种估计方法均为非参数估计方法-Based on Eigenvalue Decomposition of power spectral estimation, including estimation and MUSIC eigenvector estimates, these two estimation methods are non-parameter estimation
fast-subspace-algorithm
- 为了对空间辐射源进行精确定位" 建立了基于任意阵列对多目标源进行二维DOA估计的数学模型。将 MUSIC算法推广到三维空间阵列可以对辐射源进行二维高精度测向,但由于其需要估计接收数据的协方差矩阵和进行特征分解, 因而其计算量较大。利用多级维纳滤波器的前向递推获得信号子空间和噪声子空间，不需要估计协方差矩阵和对其进行特征分解，从而降低了MUSIC算法的计算量。将文中的方法应用于任意阵列的二维DOA估计中进行计算机仿真和实际侧向系统性能验证,实验结果均表明该方法达到了MUSIC算法的性能,但与常规M
IEEE-PSS
- uses the eigenvalue analysis approach to observe the impact of load models on an unstable low frequency oscillation damping, which recently occurred in the Taiwan power system. In order to enhance oscillation damping, the effect of load model
UNANR_Matlab
- There is a trend to develop blind or semi-blind source extraction algorithms based on second-order statistics, due to its low computation load and fast processing speed. An important and primary work is done by Barros and Cichocki, who propose an
NCS2011---146---autmented-reality
- 目前擴增實境技術相關應用大部分以使用標記為主，但各式應用需求與日俱增，無標記(markerless)擴增實境技術使用上更具彈性，不必受限於標記的使用，因此應用層面更廣。視覺追蹤技術是擴增實境系統重要底層核心技術之一，但使用視覺追蹤技術在實際應用上易受到追蹤物件本身及外觀變化之影響，因此本文提出適用於無標記擴增實境應用之物件追蹤方法，能有效追蹤各式真實物件。首先框選設定追蹤物件；接著擷取物件特徵值，藉由特徵值比對以持續追蹤物件，並利用金字塔L-K光流法以縮短比對運算時間；最後經由2D-3D座標轉換
2106
- 包含特征值与特征向量的提取、训练样本以及最后的识别，该函数用来计算任意函数的一阶偏导数(数值方法),基于matlab平台实现。- Contains the eigenvalue and eigenvector extraction, the training sample, and the final recognition, This function is used to calculate the arbitrary function of the first order partial
jaolingpou
- Pisarenko谐波分解算法,包含特征值与特征向量的提取、训练样本以及最后的识别，基于多相结构的信道化接收机。- Pisarenko harmonic decomposition algorithm, Contains the eigenvalue and eigenvector extraction, the training sample, and the final recognition, Channelized receiver based on multi-phase struct
9节点系统小干扰稳定分析
- 对电力系统小干扰稳定性进行分析的方法大致可以分为以下几种：数值仿真方法、建立在线性模型基础上的分析方法、小干扰稳定域分析方法、非线性理论分析方法和计及模型不确定性的分析方法。对小干扰稳定性问题可以采用线性模型进行研究，这种线性模型是将描述系统动态行为的微分方程和代数方程在稳态运行点处线性化后得到的。目前，建立在线性模型基础上的电力系统小干扰稳定性分析方法主要有两种：以状态空间模型描述为基础的特征值分析法和以传递函数矩阵为基础的频域分析法。本文采用全部特征值分析法（QR 法）对9节点系统在稳态处进