搜索资源列表
Kalman
- 最佳线性滤波理论起源于40年代美国科学家Wiener和前苏联科学家Ｋолмогоров等人 的研究工作，后人统称为维纳滤波理论。从理论上说，维纳滤波的最大缺点是必须用到无限过去 的数据，不适用于实时处理。为了克服这一缺点，60年代Kalman把状态空间模型引入滤波理论， 并导出了一套递推估计算法，后人称之为卡尔曼滤波理论。卡尔曼滤波是以最小均方误差为估计 的最佳准则，来寻求一套递推估计的算法，其基本思想是：采用信号与噪声的状态空间模型，利 用前一
pujianfa
- 基本谱减基础上，对噪声估计做出了改进；有汉语注释；读起来方便-Basic spectral subtraction based on the noise estimation made improvements annotated in Chinese read
MUSIC
- 经典MUSIC算法，用于估计信号波达方向。将空间分为向量子空间和噪声子空间。-Classic MUSIC algorithm for estimating DOA. The space is divided into subspace and noise subspace.
estimatenoise
- 针对AWGN信道可以较为正确的估计出加性高斯白噪声的噪声方差值 -For AWGN channel can be more accurate estimate of the additive white Gaussian noise, noise variance
SLIM
- 在高斯混合噪声背景下实现SLIM谱估计算法和l1范数SLIM谱估计法，并在-5到15的信噪比条件与CRLB对比均方频率误差-the paper achieves the SLIM spectral estimation algorithm and l1-SLIM spectral estimation method under the Gaussian mixture background noise,then compares the mean square frequency error