搜索资源列表
zjf147
- 用来产生均匀分布或高斯分布的伪随机数 （近似白噪声），它们可具有不同的均值和方差。用REMEZ算法求交错点组。用Cholesky分解求ARMA模型的参数并作谱估计。求MA模型的参数 并估计功率谱。 用最小方差法估计序列 的功率谱。-used to produce uniform or Gaussian distribution of the pseudo-random number (similar to white noise). They may have a different mean
ARPUFENXIYUZISHIYINGZHENGQIANGQI
- 构造一组输入为白噪声加三个频率非常接近的正弦波，其信噪比为10dB，观测长度为256。试分别用普通AR谱估计和采用功率噪声抵消算法的AR谱估计估计这组信号的频率，并比较结果。-constructed a group of white noise input plus three very close to the frequency sine wave, the signal-to-noise ratio of 10dB. Observing length of 256. Were used t
e29
- 利用最小方差方法估计复正弦加白噪声得平稳信号的功率谱
Matlab-FinishedOne
- 针对夹杂有白噪声的正弦信号的功率谱估计仿真-Mixed with white noise for sinusoidal signal simulation of the power spectrum estimation
music1
- 求加随机白噪声的实正弦信号的MUSIC算法的功率谱参数估计-Plus a random white noise for the real sinusoidal signal of the power spectrum of MUSIC algorithm for parameter estimation
bt_sw
- 用BT法估计功率谱，原始信号为三个复正弦叠加一个复高斯白噪声-By BT power spectrum estimation
3
- 典型时间序列模型分析 设有ARMA(2,2)模型， X（n）+0.3X(n-1)-0.2X(n-2)=W(n)+0.5W（n-1）-0.2W(n-2) W(n)是零均值正态白噪声，方差为4 （1）用MATLAB模型产生X（n）的500观测点的样本函数，并会出波形； （2）用你产生的500个观测点估计X（n）的均值和方差； （3）画出理论的功率谱 （4）估计X（n）的相关函数和功率谱 -Analysis of typical time series model w
FourMethodsOfPeriodogramEstimate
- 非参数的功率谱估计包括四个，周期图法，Blackman-Turkey,Welch-Bartell,改进的周期图法，输入信号为白噪声通过切比雪夫滤波后的信号-Non-parametric estimation of the power spectrum consists of four, periodogram, Blackman-Turkey, Welch-Bartell, improved cycle diagram method, the input signal is white nois
xf762
- 主要为数据分析和统计，利用matlab写成的窄带噪声发生，基于互功率谱的时延估计。- Mainly for data analysis and statistics, Using matlab written narrowband noise occurs, Based on the time delay estimation of power spectrum.
jw173
- 正确率可以达到98％，基于互功率谱的时延估计，独立成分分析算法降低原始数据噪声。- Accuracy can reach 98 , Based on the time delay estimation of power spectrum, Independent component analysis algorithm reduces the raw data noise.
test3
- 1）产生高斯白噪声； 2）产生高斯色噪声； 3）产生高斯谱相关对数正态分布随机序列； 4）对产生的上述随机序列进行功率谱估计； 5）对产生的上述随机序列进行概率密度函数估计。(Generating a Gaussian spectral correlation logarithmic normal distribution random sequence;)
MVDR
- 波束形成技术和信号空间波数谱估计是自由空间信号阵列处理的两个主要研究方面.MVDR是一种基于最大信干噪比（SINR）准则的自适应波束形成算法。MVDR 算法可以自适应的使阵列输出在期望方向上功率最小同时信干噪比最大。 将其应用于空间波数谱估计上可以在很大程度上提高分辨率和噪声抑制性能。本文将在深入分析MVDR算法原理的基础上，通过计算机仿真和海上试验数据处理的结果， 分析了MVDR算法在高分辨率空间波数谱估计应用中的性能。同时通过比较对角加载前后的数据处理结果，分析对角加载对MVDR的改进