搜索资源列表
yy
- （1）产生N个服从随机分布的随机数，重复M次运算，总计算量为M*N个点 （2）选定生成矩阵，进行信道编码 （3）进行双极性映射，根据不同信噪比加入高斯噪声（4）判决统计误码率（5）使用最小汉明距离译码并统计误码率（6）绘制星座图和误码率曲线图((1) N random number random distribution, repeated M times of operation, the total amount of computation for M*N points (2) selec
kalman
- 基于卡尔曼滤波对现有采样数据进行滤波，有效降低观测值的误差。卡尔曼滤波是一种时域方法，它把状态空间的概念引入随机估计理论，用状态方程、观测方程和噪声激励递推估计测量噪声，便于实现实时应用。(The existing sampled data is filtered based on Kalman filter, which can effectively reduce the error of the observed value. Kalman filtering is a time doma
estimation
- 用的是estimation加权最小二乘法状态估计法, 主要思想： 1、建立一个生成zdatas.m的函数，函数中先调用潮流计算； 2、电压幅值结果在潮流结果的bus变量中；节点注入功率量测取PQ节点负荷值的相反数；传输功量测取branch中的传输功率值。 3、对上一步提到的量测值随机添加白噪声； 4、视算例所要分析的问题，确实是否设置坏数据，若是，则设置； 5、将添加白噪声和坏数据后的量测输出到zdatas.m文件中。(The main idea is to use the estim
图像处理
- 噪声在理论上可以定义为“不可预测，只能用概率统计方法来认识的随机误差”。实际获得的图像一般都因受到某种干扰而含有噪声。引起噪声的原因有敏感元器件的内部噪声、相片底片上感光材料的颗粒、传输通道的干扰及量化噪声等。(In theory, noise can be defined as "unpredictable, random errors that can only be recognized by probability and statistics". The actua
narrowBandWhiteNoise
- 一个MATLAB例程，模拟高斯白噪声通过带通滤波器，生成一个窄带随机过程。(In a MATLAB routine, the Gauss white noise is simulated by a bandpass filter to generate a narrow band random process.)
eemd
- 该程序对随机输入噪声进行了预处理，对EMD初学者很有借鉴意义(The program preprocesses random input noise, which is very useful for EMD beginners.)
中值滤波
- 中值滤波可以保留目标边缘，这是中值滤波器相对于均值滤波器的最大优势。中值滤波具有去噪的性能，可以消除孤立的噪声点，可以用来减弱随机干扰和脉冲干扰，但是边缘不模糊。(Median filter can retain the target edge, which is the maximum advantage of median filter compared to mean filter. The median filter has the performance of denoising, w
基于SIFT算法的图像特征点提取与匹配
- 文章深入研究了 SIFT 特征点提取的原理及过程，以基于 K-D 树结构的近邻算 法对呈线性变换的两幅图像在不同视角和噪声干扰情况下进行了特征点的粗匹 配，并通过随机抽样一致性算法(Random Sample Consensus)进行特征点的提纯，删 除例如错误的匹配特征点对。针对粗匹配后误匹配点对较多导致的 RANSAC 算法 效率降低、运算时间变长的情况，论文以视差梯度约束对粗匹配点对进行预筛选， 提升了 RANSAC 算法的效率。根据匹配点对空间位置关系得出图像之间的变换模 型；最后将图像
Ransac_ls
- ransac算法Matlab 实现 RANSAC算法全称是随机抽样一致算法（random sample consensus,RANSAC），RANSAC算法的基本假设是样本中包含正确数据(inliers，可以被模型描述的数据)，也包含异常数据(outliers，偏离正常范围很远、无法适应数学模型的数据)，即数据集中含有噪声。(The ransac algorithm Matlab achieves the RANSAC algorithm's full name is the random sa
pinghua
- 利用多帧图像平均法，对受零均值随机高斯噪声干扰的图像进行平滑处理(Multi-frame image averaging method for smoothing images disturbed by zero-mean random Gaussian noise)
差分调制与解调
- 此代码通过随机生成二进制码，对其进行二进制差分调制，以及加入高斯白噪声后对其解调计算误码率，绘制出其输入信噪比与输出信噪比的实验曲线及理论曲线的比较。(This code generates binary codes randomly, modulates them by binary differential modulation, demodulates them with Gauss white noise and calculates the bit error rate, draws
SSRLS
- 状态空间递归最小二乘（SSRLS）是确定性信号的线性估计的最优。 然而，SSRLS的性能取决于模型的不确定性，观测信号的时变性质或观测噪声的非平稳行为。 我们结合遗忘因子的随机梯度调整来开发具有自适应记忆的SSRLS。 这种新算法解决了标准SSRLS面临的局限性。 还导出了减轻计算负担的实际滤波器的近似值。 跟踪有噪声啁啾的示例表示并演示了新算法的整体能力和功能。 预计这种新滤波器能够跟踪和估计难以处理可用工具的时变信号(State Space Recursive Least Squares (
打包
- 两种不同的假设： H1 ： 0 xn A fn wn ( ) cos(2 ) ( ) = ++ π θ n=1,2,…,N，f0 为规一化频率 H0 ： xn wn () () = n=1,2,…,N 其中 w[n]是均值为 0，方差为 2 σ n 的高斯白噪声，A 已知，样本间相互 独立，信号与噪声相互独立; 相位θ 是随机变量，它服从均匀分布 1 0 2 ( ) 20 p θ π θ π ?? ≤ ≤ = ??? 其它 1）改变输入信噪比（改变 A 或噪声方差均可），给
最大似然
- 两种不同的假设： H1 ： 0 xn A fn wn ( ) cos(2 ) ( ) = ++ π θ n=1,2,…,N，f0 为规一化频率 H0 ： xn wn () () = n=1,2,…,N 其中 w[n]是均值为 0，方差为 2 σ n 的高斯白噪声，A 已知，样本间相互 独立，信号与噪声相互独立; 相位θ 是随机变量，它服从均匀分布 1 0 2 ( ) 20 p θ π θ π ?? ≤ ≤ = ??? 其它 1）改变输入信噪比（改变 A 或噪声方差均可），给
matlab波束形成
- 考虑一个10元标准线列阵（阵元间距为1000Hz对应波长的一半）。两个正弦平面波信号从远场入射到该阵列。两个信号的入射角和中心频率如下表所示，相位是独立同分布的随机变量，在0到360°区间上服从均匀分布。各阵元输出的噪声是相互独立、功率相等的白噪声。（a）设阵元接收信号的功率与噪声功率之比分别为5dB（信号1）和10dB（信号2），请根据表中所示的入射角和信号频率，分别给出利用常规波束形成、MVDR和MUSIC三种方法得到的空间方位谱。计算中假定观测时间为1秒，采样频率为8192Hz。（b）当输