搜索资源列表
A-BER-MODEL-FOR-Turbo-Code-On-AWGN-Channel
- AWGN信道下Turbo码误比特率模型 在实验基础上，通过曲线拟合等数学工具，得到加性高斯白噪声信道条件下，信道编码采用turbo码，通信系统端到端的误比特率经验模型。
Advances.of.Research.in.Independent.Component.Anal
- ：介绍了独立成分分析(ICA)的基本模型及其假设、含混性、非高斯性度量和通用求解过程。讨论了目前ICA 的几个研究方向的发展现状和面临的问题，分析了ICA 基本模型和几种扩展模型的求解算法，包括盲反卷积、卷积混和的盲分离、非线性瞬时混合的盲分离。提出了ICA 未来理论和应用研究中的开放课题。
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
Adaptivebackgroundmixtureodelsforrealtimetracking.
- 一篇关于混合高斯建模的方法，很经典，从中可以学到很多东西
粒子滤波算法综述
- 对粒子滤波算法的原理和应用进行综述，首先针对非线性非高斯系统的状态滤波问题 阐述粒子滤波的原理，然后在分析采样重要性，重采样算法基础上 讨论粒子滤波算法存在的主要问题和改进手段，最后从概率密度函数的角度出发，将粒子滤波方法与其他非线性滤波算法进行比较，阐明了粒子滤波的适应性， 给出了粒子滤波在一些研究领域中的应用并展望了其未来发展方向。
B样条小波边缘检测的改进算法
- 第1章为绪论。简要介绍了课题研究背景、意义及研究现状。 第2章具体介绍小波变换应用在图像边缘检测的基本原理。在连续小波变 换基础上引入实际中应用范围较广的离散小波变换，重点分析了多分辨率小波 变换。 第3章介绍B样条小波边缘检测的改进算法。基于B样条小波变换，将 Contourlet变换应用在多尺度自适应阈值边缘检测中。 第4章介绍多层次自适应空间系数高斯小波边缘检测方法。将灰度共生矩 阵特征值应用在高斯小波变换中，提出一种多层次自适应算法。 第5章介绍Canny算子与小波变换结
MSK信号的数字解调新方法
- 近年来通信信号的数字解调技术引起了人们的广泛关注, 本文根据M SK 信号的数学特征, 提出了一种基于MSK 信号特殊点FFT 的实部或虚部比较判决的方法来实现M SK 信号的数字解调。推导了在高斯白噪声背景下该方法的误码情况。计算机仿真结果表明该算法是简单、有效的。与传统的M SK 最佳解调方法相比本算法对载波频偏不敏感, 可以应用于一些通信侦察和截获的场合。
Detection-Threshold Approximation for Non-Gaussian Backgrounds
- 本文是Douglas A. Abraham关于非高斯检测的一篇文章，对于研究声纳和雷达检测比较有用
解线性方程组的迭代法全
- 详细介绍了雅克比迭代法，高斯-塞德尔迭代法超松弛迭代法和迭代公式的矩阵表示
一种新的8PSK映射
- 基于伪随机交织器，提出了一种比特交织编码调制一迭代检测(BICM—ID)下星座映射的新规则，并设计了新 的8相移相键控(8PSK)星座映射．通过分析和计算机仿真，比较了各种8PSK星座映射性能，加性高斯白噪信道下 的性能仿真结果表明，根据新规则设计的8PSK星座映射好于其他星座映射
Color Edge Detection in Presence of Gaussian Noise Using Nonlinear Prefiltering
- 用非线性滤波器检测高斯噪声的很好的论文 从ieee上下载
模式识别
- 根据描绘子算法，选取能够表征和保持两个图之间基本差异的最少的描绘子的数量，并对其每一个特征矢量的分量中加入均值为0标准差为每个矢量中最大分量值的1/10的高斯噪声，创建两个模式类；对两类各生成100个样本作为训练集，另外在各生成100个样本作为测试集。
方向可调小波图像边缘检测
- 通过高斯函数导数检测图像边缘，实质是方向可调小波变换检测图像边缘。
相对完整的OFDM通信系统的仿真设计
- 一个相对完整的OFDM通信系统的仿真设计，包括编码，调制，IFFT， %上下变频，高斯信道建模，FFT，PAPR抑制，各种同步，解调和解码等模 %块，并统括系统性能的仿真验证了系统设计的可靠性。
人脸检测与语音驱动口型的文章
- 这是一篇详细介绍人脸检测与语音驱动口型的文章，其中使用了高斯混合模型采取了无监督聚类的方法，希望对你有用。,This is a detailed introduction Face Detection and voice-driven I-type article, which uses the Gaussian mixture model taken unsupervised clustering method, in the hope that useful to you.
sasdw.rar
- 现有数字信号自动调制识别方法大多只适用于无记忆信号，如PSK、ASK、FSK信号等。将有记忆 信号(MSK信号)和无记忆信号一起考虑，提出了一种改进的数字信号自动识别方法。该方法采用信号的瞬时统 计量作为特征参数，采用多层神经网络作为分类器。计算机仿真表明：当噪声采用高斯白噪声，并且信噪比大于 l5 dB时，识别率高于96％ ；当信噪比不低于l0 dB时，识别率不低于90％。,Existing digital signal automatic modulation recognition
gaoshixiaoyuan
- 高斯消元法，可以随意改变方程组的行列数，用数组来存储矩阵的系数-Gaussian elimination, can be changed at the ranks of the number of equations, using an array to store the coefficient matrix
Adaptive-background-mixture-models-
- 在目标检测中有关高斯背景建模方法的实现和国际上先进方法的介绍-Adaptive background mixture models for real-time tracking（高斯背景建模方法）
The-Laplacian-Pyramid
- 拉普拉斯金字塔与高斯金字塔相关论文三篇 其中英文1篇，中文论文2篇。英文论文中给出了算法设计的详细过程。-Laplacian pyramid, Gaussian pyramid with three papers related to the English one, Chinese paper 2. English paper gives a detailed algorithm design process.
Gaussian
- 高斯粗糙面生成算法，做散射等必须的算法,希望对大家有帮助-GAUSSIAN FROGRAM IMPORTANT