搜索资源列表
ULA
- 已知：信号中心波长为2,天线阵元的间距为1米,快拍数为2000，空中有四个 源信号,假设它们的频率 四个源信号的方向分别为： 求： 1）在不加入噪声的情况下,观察并计算协方差矩阵特征值,并对它的特点 加以说明 2）分别采用MUSIC算法,CAPON算法, ESPRIT算法在下面四种情况下，对 上述四个信号源的波达方向进行估计,并画出它们的空间谱图； ①在不加入噪声的情况下, ②在加入高斯白噪声的情况下,假设信噪比为10dB 3）在信噪比变化范围
Imgcx
- 数字图像放大缩小及旋转计算组间方差和组内方差的时候调用了一个函数专门求阈值，可能这里的计算还是有一点问题。而且在我的函数里，要256次调用这个函数，又因为计算机是按字节处理数据的，因此写图像数据的时候要用每8个写到一个数组中，然后通过计算得到字节类型的值，这些都使得我的算法效率比较低，最后一个问题，我觉得如果使用位运算会快一些，但是前面的问题还没有想到比较好的解决方法。-Digital Image zoom and rotation calculation of variances and gr
Based-on--ESPRIT-
- 摘 要:基于子空间分解的ESPRIT算法常用在阵列处理中对目标进行DOA估计.如果将空间的位移变成时间的 延迟,单个矢量传感器可以实现高分辨率的频率估计.将ESPRIT与矢量传感器相结合,研究了高分辨率频率估计 算法,建立了矢量传感器的数据模型,推导了矢量传感器的空时阵列流形,通过对协方差矩阵进行子空间分解,求得 目标信号的频率估计值.仿真计算研究了不同信噪比!采样频率和数据长度条件下该算法的性能.结果表明基于矢 量传感器的算法比基于声压传感器的算法具有更高的频率估计精确度.
214545535242
- 基于混沌序列的多峰函数微粒群寻优算法的目标就是找到多峰函数的所有局部优化峰值。在分析微粒群优化 算法中各个参数对微粒运动影响的基础上，对微粒群算法进行改造，让微粒运动从初始位置沿优化函数曲线向优化峰值 方向爬行．直至找到所在区域的局部优化峰值；要想求得尽可能多的局部优化峰值，就要求微粒群中微粒的初始位置分 布具有随机性和遍历性。为此采用混沌序列设置微粒初始位置；为使每一个局部最优值点都可能有微粒群中的微粒经过， 采用变步长的迭代计算；为防止优化函数曲线的某些局部峰附近没有
corner
- 鉴于棋盘格图案在摄像机标定中有着广泛的应用,因此为了对边缘模糊的棋盘格图像进行在线标定,针 对目前棋盘格图像角点检测算法的局限性,提出了一种可以自动实现的棋盘格图像角点检测算法, 该算法是利用 周围图案对称和灰度值对比明显的独特性质,设计了由对称算子S和方差算子V组合而成的角点检测算子) )) 对 称方差算子( symmetry andvariance), 简称SV算子。该算子不仅构思巧妙、易于实现、计算量小,而且对棋盘格图像 的旋转变换和亮度变换具有鲁棒性和抗噪能力强的优点。实
Freeman
- 针对普通曲线匹配算法不能处理旋转和缩放曲线的不足，提出Freeman 链码描述的曲线匹配方法。该方法为Freeman 链 码设计一种基于差别累加值及链码差的拐角点快速检测算法，能够快速地检测出曲线拐角点；通过计算曲线起点和曲线方向，得 到不随曲线旋转、平移和尺度变化的标准拐角点序列；根据拐角点的长度序列和夹角序列进行相似判断实现曲线匹配。Freeman 链码描述的曲线匹配方法不受曲线旋转和缩放的影响，计算量小，易于实现，仿真实验证明该算法合理有效。-针对普通曲线匹配算法不能处理旋转和
fast-template-matching
- 本文提出一种基于图像边缘几何特征的快速模板匹配算法。算法利用边缘 点的位置和梯度方向作为匹配信息进行相似度计算。可以很好的避免因图像明 暗变化、光照不均匀、旋转所带来的影响，且对于部分遮挡的情况，亦可以得 到良好的匹配结果。为了得到边缘点坐标和梯度方向，本文根据曲面拟合原理， 通过平移变换，推导出精确梯度方向和亚像素边缘坐标的快速算法。既加快了 算法的处理速度，也是匹配算法高精度的前提保证。为了使匹配算法满足实时 性要求，主要采用阈值判断和图像金字塔算法的搜索策略。在阈值
EM
- 实验报告，实现：对于混合高斯分布的情况，使用最大期望算法，通过不断计算每个样本的均值与方差，使得似然函数达到最大值。可以很好地处理满足一定概率分布的数据。 代码中通过mvnrnd()函数，设定其中的参数，产生符合混合高斯分布的一组数据集。-Lab reports, to achieve: the case of the mixed Gaussian distribution, using expectation-maximization algorithm, through continuo