搜索资源列表
lpccovar
- lpc协方差 lpc协方差 lpc协方差 lpc协方差
kl
- （1）应用9×9的窗口对上述图象进行随机抽样，共抽样200块子图象； （2）将所有子图象按列相接变成一个81维的行向量； （3）对所有200个行向量进行KL变换，求出其对应的协方差矩阵的特征向量和特征值，按降序排列特征值以及所对应的特征向量； （4）选择前40个最大特征值所对应的特征向量作为主元，将原图象块向这40个特征向量上投影，所获得的投影系数就是这个子块的特征向量。 （5）求出所有子块的特征向量。
SMI
- SMI(协方差矩阵求逆)算法是波束合成常用的算法。
yuanzhen
- 本文提出一种新的相干波束形成方法，利用内插变换对相干背景下的真实阵列进行虚拟平移，得到多个虚拟平移后的信号协方差矩阵；对其进行平均后，所得到的相干信号协方差矩阵具有满秩性。利用一般的波束形成法求出最优权向量。该方法解决了五阵元均匀圆阵下二维相干信号的波束形成问题。
Powe_Spectrum_Estimation_based_on_AR_model
- 基于AR模型的现代谱估计，分别实现自相关法，协方差法，Burg法，对比分析性能，及与经典谱估计的比较
ar
- 含有噪声的余弦序列，分别采用周‘期图法’与‘改进协方差法’估计序的功率谱
classify_using_Bayes
- classify using Bayes method. 使用Bayes方法进行两类分类，包括协方差相等和不等两种情况，非常适合初学者的程序。
pca
- PCA算法程序设计步骤： 1、去均值 2、计算协方差矩阵及其特征值和特征向量 3、计算协方差矩阵的特征值大于阈值的个数 4、降序排列特征值 5、去掉较小的特征值 6、去掉较大的特征值(一般没有这一步） 7、合并选择的特征值 8、选择相应的特征值和特征向量 9、计算白化矩阵 10、提取主分量
least_square_estimation_given_sample_with_noise.ra
- 给定带有高斯噪声的三组样本,对其进行最小二乘拟合,并且绘图,求出误差协方差
fldc_d_4_as
- 基于分数低阶协方差仿真的时延估计问题，其基本思想是利用两个接收信号的相关函数来估计时间延迟。
modelclaasify
- 该算法，先对协方差矩阵进行休整，然后用信息论的方法得出信号的源数，这是进行空间普估计的基础
staticcode
- 进行多元统计分析基类代码及接口的实现 元统计分析 基类 声明 提供矩阵数据格式 及矩阵的 加减乘 运算及多元统计中常用的求 样本均值 协方差 方法
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
Extractionofthemaincomponents
- Matlab提取主分量矩阵。程序设计步骤： 1、去均值 2、计算协方差矩阵及其特征值和特征向量 3、计算协方差矩阵的特征值大于阈值的个数 4、降序排列特征值 5、去掉较小的特征值 6、去掉较大的特征值(一般没有这一步） 7、合并选择的特征值 8、选择相应的特征值和特征向量 9、计算白化矩阵 10、提取主分量
pcacode
- 程序设计步骤： 1、去均值 2、计算协方差矩阵及其特征值和特征向量 3、计算协方差矩阵的特征值大于阈值的个数 4、降序排列特征值 5、去掉较小的特征值 6、去掉较大的特征值(一般没有这一步） 7、合并选择的特征值 8、选择相应的特征值和特征向量 9、计算白化矩阵 10、提取主分量
lim
- 功率谱估计程序，选用一电力系统谐波信号为输入。其中包括有：burge算法，esprit算法，music算法，mvdr算法，pisarenko算法，prony算法，修正协方差算法，自相关算法。这些程序均为本人自编，并且对程序所参考书籍和页数进行了标注。经过调试，绝对正确，请放心使用。
ImageMatch
- 这是一个基于matlab的图像匹配算法，通过先后两帧中相同的部位，在前一帧中搜索协方差最大的匹配点。
现代统计学与ＳＡＳ应用
- 本书共分６篇，第１篇统计学基础知识与ＳＡＳ软件应用技巧，介绍了统计学的基本概念和学习方法、试验设计入门、统计描述、ＳＡＳ软件应用入门、编写ＳＡＳ实用程序的技巧、单变量统计分析和利用SAS／GRAPH模块绘制常用统计图的方法。第２篇试验设计与定量资料的统计分析，介绍了与ｔ检验、非参数检验和各种方差分析有关的试验设计和数据处理方法。第３篇试验设计与定性资料的统计分析，介绍了处理二维及高维列联表资料的各种统计分析 方法，包括卡方检验、Fisher的精确检验、典型相关分析、logistic回归模型和对数
MUSIC 算法
- MUSIC（Multiple Signal Classification）是一种信号参数估计算法，其分辨率高。该算法是利用输入信号协方差矩阵特征结构而形成的一种多重信号分类技术。
KL变换
- KL变换模式识别作业三 一、编程要求： 编程实现KL变换，并对TM六波段图像进行演算。 KL变换的思想是：从n维特征选取m维特征，删去的n-m维特征不一定就是无用的信息，如何在信息损失最小的情况下选取特征，在理论上就显得更严密些。通常采用正交变换，得到新的经变换的模式， 以保证信息损失最小情况下获得有利于分类的特征。 二、编程思想： 将6副图象依次输入获得灰度值存在一个6*size(size为一副图象的像素数)的二维数组中，计算每个波段的灰度均值，然后计算协方差矩阵，得出特征值