搜索资源列表
混沌时间序列预测
- 1、该工具箱包括了混沌时间序列分析与预测的常用方法,有: (1)产生混沌时间序列(chaotic time series) Logistic映射 - \ChaosAttractors\Main_Logistic.m Henon映射 - \ChaosAttractors\Main_Henon.m Lorenz吸引子 - \ChaosAttractors\Main_Lorenz.m Duffing吸引子 - \ChaosAttractors\Main_Duffing.m Duffin
TheResearchofSpatialSpectrumEstimationAlgorithminS
- 智能天线技术是第三代移动通信系统的关键技术之一，也是国内外热门的研究课题。由于无线移动通信的信道传输环境具有复杂性和不确定性，存在多径衰落和时延扩展，因此造成了符号间串扰、同信道干扰、多址干扰等，这些干扰降低了链路性能和系统容量，智能天线技术是解决以上问题的方法之一。 本文首先阐述了智能天线和白适应波束形成的基本理论，然后对自适应算法进行了研究。对一些基本的自适应算法最小均方算法、恒模算法及递推最小均方算法进行了分析讨论，用计算机仿真的结果论证了算法的性能。针对相干干扰介绍了空间平滑技术，对传统
MSK
- 最小频移键控（Minimum Shift Keying，MSK）是一种具有连续相位和最小频偏的数字调制技术。MSK的突出优点是信号具有恒定的包络和信号的相位连续性，频带利用率高，信号的功率谱在主瓣外衰减较快，这就使得它对邻波道干扰小。-MSK (Minimum Shift Keying) is a continuous phase and the minimum deviation of the digital modulation techniques. Outstanding advanta
Clutter-Filtering-
- 。给出了时域滤波的基本原理以及通常采用的 IIR 椭圆地物杂波滤波器的设计方法。重点研究了回归滤波器这一时域滤波算 法。从正交多项式的拟合出发，给出了回归滤波器抑制地物杂波的基本原理及 其滤波实现过程。通过对回归滤波器的计算复杂度的研究，寻找使回归滤波器 计算量最小的正交多项式。分析了回归滤波器频率响应特性，比较了回归滤波 器与IIR 椭圆地物杂波滤波器的计算复杂度。利用仿真的雷达信号，分析了回 归滤波器的地物杂波抑制性能。回归滤波器实际上是一高通滤波器，它在滤掉 低
mvdr
- mvdr 最小方差无失真波束形成器 张贤达 空间谱 波达方向角的确定 matlab完整程序-mvdr minimum variance beamformer Zhang XD distortion spatial spectrum matlab DOA to determine the full program
fanyiwuchaeere
- 基于反应谱计算的基本原理,对于单自由度弹性体系在水平地震运动xg(t)作用下的动力平衡微分方程,分别使用gradient和diff进行计算,并与使用cumtrapz命令积分计算的精确计算反应谱积分公式和简化的反应谱计算积分公式值进行了比较,xg(t)分别选取了实测的爆炸震动数据和天然地震数据,经过计算发现,对于高频比较显著的爆炸震动波,用上述方法计算出的反应谱在低频部分有小的差别,对反应谱的整体特征影响不大.但对于低频比较显著的天然地震波,用cumtrapz积分计算的积分公式与用diff命令计算
MUSIC
- MUSIC算法是一种基于矩阵特征空间分解的方法。从几何角度讲，信号处理的观测空间可以分解为信号子空间和噪声子空间，显然这两个空间是正交的。信号子空间由阵列接收到的数据协方差矩阵中与信号对应的特征向量组成，噪声子空间则由协方差矩阵中所有最小特征值（噪声方差）对应的特征向量组成。MUSIC算法就是利用这两个互补空间之间的正交特性来估计空间信号的方位。噪声子空间的所有向量被用来构造谱，所有空间方位谱中的峰值位置对应信号的来波方位。MUSIC算法大大提高了测向分辨率，同时适应于任意形状的天线阵列，但是原
CHENGXU
- MUSIC算法[1] 是一种基于矩阵特征空间分解的方法。从几何角度讲，信号处理的观测空间可以分解为信号子空间和噪声子空间，显然这两个空间是正交的。信号子空间由阵列接收到的数据协方差矩阵中与信号对应的特征向量组成，噪声子空间则由协方差矩阵中所有最小特征值（噪声方差）对应的特征向量组成。MUSIC算法就是利用这两个互补空间之间的正交特性来估计空间信号的方位。噪声子空间的所有向量被用来构造谱，所有空间方位谱中的峰值位置对应信号的来波方位。MUSIC算法大大提高了测向分辨率，同时适应于任意形状的天线阵列
CLASSICALMUSIC1
- MUSIC算法[1] 是一种基于矩阵特征空间分解的方法。从几何角度讲，信号处理的观测空间可以分解为信号子空间和噪声子空间，显然这两个空间是正交的。信号子空间由阵列接收到的数据协方差矩阵中与信号对应的特征向量组成，噪声子空间则由协方差矩阵中所有最小特征值（噪声方差）对应的特征向量组成。MUSIC算法就是利用这两个互补空间之间的正交特性来估计空间信号的方位。噪声子空间的所有向量被用来构造谱，所有空间方位谱中的峰值位置对应信号的来波方位。MUSIC算法大大提高了测向分辨率，同时适应于任意形状的天线阵列
语音信号处理
- 采用MATLAB 2015b综合运用各种函数调用等来实现语音信号时域的短时能量，短时过零以及短时自相关函数分析和频域的傅里叶变换，功率谱估计，短时傅里叶变换，小波分析，语音信号的短时综合，语谱图各种分析，充分了解熟悉语音信号的相关分析方法。(This experiment uses the MATLAB 2015 b, the integrated use of various kinds of function call to realize speech signal in time dom
信号处理
- 部分信号处理Matlab程序，如有更多需要请留言(Part of the signal processing Matlab program, if there is more need to leave a message)
语音增强
- 通过几种方法实现语音增强:谱减滤波法 小波滤波法(Speech enhancement by serval methods)
FracLab
- FracLab是一个基于分形和多重分形方法的通用信号和图像处理工具箱。 FracLab可以从两个不同的角度来讨论： 分形分析：大量程序允许计算与一维或二维信号相关的各种分形数量，例如尺寸，Holder指数或多重分形谱。 信号处理：或者，可以直接使用FracLab来执行信号处理中的许多基本任务，包括估计，检测，去噪，建模，分割，分类和合成。 请注意，FracLab不是用来处理“分形”信号（无论给出什么意思），而是将分形工具应用于研究不规则信号，但是也可能是任意的信号。 图形界面使Frac
《基于Matlab的地理数据分析》光盘数据
- 进行地理数据处理的matlab程序：一元线性回归；谱分析；小波分析；人工神经网络等。(Geographic data analysis based on Matlab)
wave_matlab
- matlb 小波分析实例，包括小波实部系数、小波功率谱、全局功率谱绘图(MATLB wavelet analysis example, including wavelet real part coefficient, wavelet power spectrum and global power spectrum drawing.)
C数值算法集
- 本书编写了300多个实用而有效的数值算法C语言程序。其内容包括：线性方程组的求解，逆矩阵和行列式计算，多项式和有理函数的内插与外推，函数的积分和估值，特殊函数的数值计算，随机数的产生，非线性方程求解，傅里叶变换和FFT，谱分析和小波变换，统计描述和数据建模，常微分方程和偏微分方程求解，线性预测和线性预测编码，数字滤波，格雷码和算术码等。(This book has written more than 300 practical and effective numerical algorithm
matlab_test
- 显示色谱图和小波变换的matlab演示代码，效果不错，欢迎查看(show matlab code ,good ,welcome to download)
OFDMSignalDetection-master
- 程序实现的主要功能： OFDM调制识别：研究了基于高阶累量和基于小波变换的OFDM信号和单载波调制信号的识别算法，仿真分析了两种算法在高斯信道和多径瑞利衰落信道下的信号识别性能。 OFDM参数估计：研究了基于Welch算法和AR模型法求解功率谱进而估计信号带宽的算法，对两种算法的估计性能进行了比较；根据OFDM信号的循环平稳性研究了基于循环谱的载频估计算法；根据 OFDM信号的自相关性研究了基于可变延时自相关和固定延时自相关的FFT相结合的算法，估计了OFDM信号的有效数据长度、符号
LabView算法包
- LabView信号处理算法，包括功率谱，幅值谱，小波分析等(LabVIEW signal processing algorithm)
基于 HHT 的船体结构应力监测数据 特征分析和去噪方法
- ［目的］为了去除船体结构应力监测数据中的噪声信号，获得有效的数据信息，以便为后续数据挖掘提 供支撑，［方法］首先，采用 HHT 方法中的经验模态分解（EMD）算法对数据进行成分分析，得到固有模态函数 （IMF）和余项。然后，通过 Hilbert变换得到 Hilbert谱，证明应力监测数据的非平稳特性。最后，以信噪比（SNR） 和均方根误差（RMSE）为例，结合自适应去噪和小波阈值去噪两种方法对应力监测数据进行去噪效果比较。 ［结果］结果表明，基于 HHT方法的自适应去噪和小波去噪都具有一定