搜索资源列表
tryGUI
- 超宽带系统链路matlab仿真程序 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；chan
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
CMMB
- 为了减少无线信道中存在的多径和频偏对中国移动多媒体广播(CMMB)系统传输信号同步的影响，本文结合CMMB标准协议规定的具体帧结构，分析了符号同步对系统的影响，讨论了传统最大似然(ML)算法的优缺点，并基于文献中的无数据辅助算法，提出了一种适合该系统并且复杂度较低的粗符号定时同步算法。仿真结果表明，在AWGN及多径信道环境下，新算法可以有效克服传统算法相关峰不明显的缺陷，其估计性能更好-In order to reduce the influence for synchronization of
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
GMMs
- function对数据EM算法进行fit，并对产生的高斯混合模型的最大似然估计进行绘图。输出结构体obj，带有高斯混合模型的参数mu，sigma。(Function carries out fit for data EM algorithm, and draws the maximum likelihood estimation of the Gauss mixture model. The output structure is obj, with the parameter mu and s
贝叶斯网络工具包
- 贝叶斯网络工具包安装教程 贝叶斯网络参数过程中最大似然估计的详细过程(BAYESIAN NETWORK (Bayesian network parameters maximum likelihood estimation process detailed process))
PR代码及资料
- 1. 以身高为例，画出男女生身高的直方图并做对比； 2. 采用最大似然估计方法，求男女生身高以及体重分布的参数； 3. 采用贝叶斯估计方法，求男女生身高以及体重分布的参数（注明自己选定的参数情况）； 4. 采用最小错误率贝叶斯决策，画出类别判定的决策面。并判断某样本的身高体重分别为(160,45)时应该属于男生还是女生？为(178,70)时呢？(1. Take the height as an example, draw the histogram of the height of boys a
em
- 在统计计算中，最大期望（EM）算法是在概率模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐性变量。最大期望算法经常用在机器学习和计算机视觉的数据聚类（Data Clustering）领域。(In statistical computation, the maximum expectation (EM) algorithm is an algorithm to find the maximum likelihood estimation or the maximum
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
微弱特征处理算法
- 利用最大似然估计增强信号的冲击信号中的故障特征，去除滤波后PRS重建新号的残留噪声，提高轴承早期微弱故障信息。 采用周期调制强度（去噪和弱特征增强），突出振动信号中的故障分量，尽可能的让某个具有故障信息的特征突出，使得噪声信息和其他故障特征变小（比率凸显特征的优劣，评估常用方法）