搜索资源列表
eemd
- EEMD是针对EMD方法的不足,提出了一种噪声辅助数据分析方法。EEMD分解原理为:当附加的白噪声均匀分布在整个时频空间时,该时频空间就由滤波器组分割成的不同尺度成分组成。--EEMD is insufficient for the EMD method, we propose a noise-assisted data analysis methods. EEMD decomposition principle is: when the additional white noise unifo
SNR_MSE_analysis
- 小波变换（wavelet transform，WT）是一种新的变换分析方法，它继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的“时间-频率”窗口，是进行信号时频分析和处理的理想工具。它的主要特点是通过变换能够充分突出问题某些方面的特征，能对时间（空间）频率的局部化分析，通过伸缩平移运算对信号（函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了Fourier变换的
fangpou
- 采用波束成形技术的BER计算，数学方法是部分子空间法，结合PCA的尺度不变特征变换(SIFT)算法。- By applying the beam forming technology of BER Mathematics is part of the subspace, Combined with PCA scale invariant feature transform (SIFT) algorithm.
youfiu_v70
- 结合PCA的尺度不变特征变换(SIFT)算法，空间目标识别，采用PM算法，采用波束成形技术的BER计算。- Combined with PCA scale invariant feature transform (SIFT) algorithm, Space target recognition algorithm using PM, By applying the beam forming technology of BE.
car_detector
- 用python语言实现的，车辆的自动检测与识别，其中包括滑动窗口的设计，图像金字塔的设计，以实现在多尺度空间下车辆的自动检测-Using python language, automatic vehicle detection and identification, including the sliding window design, image pyramid design, in order to achieve multi-scale space in the vehicle s au
fing_vh30
- 结合PCA的尺度不变特征变换(SIFT)算法，LZ复杂度反映的是一个时间序列中，数学方法是部分子空间法。- Combined with PCA scale invariant feature transform (SIFT) algorithm, LZ complexity is reflected in a time sequence, Mathematics is part of the subspace.
scalespace
- 基于计算机视觉所提出的尺度空间融合理论的空间聚类方法(Spatial clustering method based on the theory of scale space fusion proposed by computer vision)
LMD
- 是由Smith提出的一种新的非线性和非平稳信号分析方法。由于LMD是依据信号本身的信息进行自适应分解的，产生的PF分量具有真实的物理意义，由此得到的时频分布能够清晰准确地反映出信号能量在空间各尺度上的分布规律。(It is a new nonlinear and non-stationary signal analysis method proposed by Smith. Because LMD decomposes the signal itself adaptively, the PF c