搜索资源列表
2Tx_2Rx_STBC
- 该文件夹为Alamouti空时码的仿真程序，天线配置为2发2收。 主要程序的用途说明： mainMIMO_OFDMA_2Tx_SER.m: 主程序，设置各种参数 gendata.m: 生成原始信息数据的程序 mod_2Tx_STBC_DFUSC.m：调制程序 gen_SUI_CorrCIR.m: 生成信道冲击响应的程序 get_perfectCE_2x2.m: 生成理想信道估计值的程序 chanSUI_corr_2x2.m: 发送信号通过SUI信道的程序 addA
UWBsimulator
- 自己编写的超宽带系统简单仿真平台，有简单界面.包括可替换的脉冲成型（半余弦脉冲）、IEEE802.15.3a的修正SV信道、最大似然信道估计、Rake接收机等模块，可以实现monte carlo仿真求误码率。可添加多址接入、编码等功能（维特比编解码、帧同步的程序由本人同学编写）。入口主程序uwbsim.m 编解码程序：bin2deci.m；bini2deci.m；deci2bin.m VITRBI.m 信道及信道估计：ch_est.m；channel.m；channelgenerator
eqbereval
- 对线性均衡、判决反馈均衡和最大似然序列估计均衡等三种方法的实现和误码率的分析。
wanzhengchengxu
- 信号在信道进行传输时，经常会出现串扰，采用基于最大似然序列估计（MLSE）的电子色散均衡器的方法，克服光纤通信中的由各种色散引起的码间干扰。 研究基于最大似然序列估计（MLSE）的均衡器，采用维特比算法实现，用matlab仿真出采用MLSE后的性能指标（眼图和误码率）的提升。
lunwen
- 信号在信道进行传输时，经常会出现串扰，采用基于最大似然序列估计（MLSE）的电子色散均衡器的方法，克服光纤通信中的由各种色散引起的码间干扰。 研究基于最大似然序列估计（MLSE）的均衡器，采用维特比算法实现，用matlab仿真出采用MLSE后的性能指标（眼图和误码率）的提升。
linear-DFE-MLSE-Equalizer
- Matlab程序，用于比较线性均衡器、判决反馈均衡器(DFE)、盲最大似然序列估计均衡器(MLSE)等误码率性能。-Matlab procedures used to compare the linear equalizer, decision feedback equalizer (DFE), Blind maximum likelihood sequence estimation equalizer (MLSE), such as bit error rate performance.
PMHT
- 在多目标多量测环境中, 量测一航迹分配的知识一般不适于跟踪算法。在本文中, 对 量测一航迹分配问题, 采用了严格的概率方法。不象在传统多假设跟踪算法那样, 把量测 分配给航迹相反地, 使用由期望最大化方法导出的最大似然算法估计每次量测属于 每个航迹的概率。这些量测一航迹的概率佑计对于调用随机多假设跟踪算法的多目标跟 踪器是固有的算法在计算上是切实可行的, 因为它既不要求量测一航迹分配的计算, 也 不要求修剪。-The probabilistic multihypothesis
3
- 在分析现有算法的基础上, 提出了一种新的算法, 并对其进行了仿真Z仿真结果表明, 无论是 在多径信道还是在AW GN 信道, 该算法的定时估计和频率偏移估计的均方差都要优于最大似然 算法和“集相关”算法Z-O FDM is sen sit ive to t im ing recovery and f requency offset est imat ion, cu rren t non2data2aided est imat ion methods don’t wo rk w ell
Unsupervised_Adapting_in_Speech_Recognising_using_
- 介绍了一种基于词网的最大似然线性回归无监督自适应算法，并进行了改进。根据解码得到的词网估计变换参数，词网的潜在误识率远小于识别结果，因此可以使参数估计更为准确。传统的一个很大缺点是计算量极大，较难实用，对此本文提出了两个改进技术：1利用后验概率压缩词网；2利用单词的时间信息限制状态统计量的计算范围。实验测定,误识率比传统相对下降了。-Introduced the term network based maximum likelihood linear regression unsupervise
2dgaussian
- 汽车高斯曲面拟合 --- 2程序，以适应到表面二维高斯： 子= A *的进出口（ -（（西为X0）^2/2/sigmax^2 +（艺Y0的）^2/2/sigmay^ 2）。。）+ b的 这些例程是自动在某种意义上说，他们并不需要出发对模型参数的猜测规范。 autoGaussianSurfML（十一，彝，子）适合通过对模型参数的最大似然（最小二乘）。它首先计算了该模型在许多可能的参数值，然后选择最佳质量设置和细化与lsqcurvefit它。 auto
MP_DOA
- 针对多径效应的影响，提出了一种基于矩阵束的MIMO 雷达低仰角快速估计方法。该方法同时考虑了发射多径信号和接收多径信号，采用单样本数信号矢量构造了一个前后向矩阵束，并利用两个酉矩阵对该矩阵束进行降维处理，最后采用广义特征值分解的总体最小二乘法来估计目标角度。算法不需要估计数据协方差矩阵，可在低 信噪比和单样本数情况下，有效地克服多径效应，实现同时多目标低仰角估计，相比最大似然算法，避免了谱峰搜索，计算量小。仿真结果验证了该算法的有效性。-To overcome the multipath e
DML1
- 确定性最大似然来进行DOA估计，在本设计中已经进行过仿真了。可以放心使用-For deterministic maximum likelihood DOA estimation, in this design has been simulated
bayesian-matting
- 基于贝叶斯的抠像算法，通过一个最大似然的标准去估计透明度-A Bayesian Approach to Digital Matting，uses a maximum-likelihood criterion to estimate the optimal opacity
Source-Localization-in-UWSAN
- 文章针对低信噪比下的水下目标定位问题，建立了水下无线传感器阵列网络，该结构包括多个分布式声传感器阵列，它适应于多模态信号处理，既可以利用目标的方位信息，又可以用能量信息。文中提出了用每个阵列接收到的信号能量作为参量完成目标定位并推导了基于能量的最大似然比目标定位方法。数值仿真表明：基于该结构的能量似然函数定位方法，可以有效估计目标的位置。并且比单阵元网络的定位性能和信息传输率上有了较大的提高， 尤其是在低信噪比下情况下，可以大大减小估计的方差。-With novel underwater wir
AP_ML
- 采用最大似然交替投影迭代的方法对信号进行DoA估计，很实用-Alternating projection iterative maximum likelihood method the signal DoA estimation, it is practical
Ggg_mlee
- 广义高斯概率分布函数的指数估计，包括矩估计和最大似然然估计，并对这两种估计进行了比较，已通过测试。 -Generalized Gaussian probability distribution function of the index estimates, including the moment estimation and maximum likelihood estimation, and the two estimates were compared, has been teste
UtryyGUIIW
- 超宽带系统链路matlab仿真程序源码超宽带系统简单易懂仿真平台，有简单易懂界面.包含可替换的脉冲成型（半余弦脉冲）、IEEE802.15.3a的修正SV信道、最大似然信道估计、Rake接收机等模块块，能实现mmonte carlo仿真求误码率。可添加多址接入、编码等功能（维特比编解码、帧同步的程序源码由本人同学开发）。入口主程序源码uwbsim.m编解码程序源码：bin2deci.m；bini2 -Ultra-Wideband System Link matlab simulation
maximumlikehood
- 用最大似然法求解功率谱密度，现代谱估计方法-use the method of maximum likehood to calculate the power spectral density
parameter_estimation_Matlab_code
- 统计信号处理，参数估计的方法，包括：最大似然，最小二乘方法，Monte_Carlo-Statistical signal processing, parameter estimation methods, including: maximum likelihood, least squares method, Monte_Carlo
MLalgorithm
- 先得到一个定位初始估计值，再利用建立最大似然方程对这个定位初始估计值进行修正，从而得到更优定位结果值，方法更接近于最大似然方法。-Get the a position initial estimate, re-use to establish the maximum likelihood equations corrected for positioning the initial estimates, resulting in better positioning the resulting