搜索资源列表
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
compressed-sensingDOA
- 基于压缩感知，利用最大似然函数进行DOA估计的两种方法-Based on compressed sensing, using the maximum likelihood function of the two methods for DOA Estimation
Q1
- 2类分类高斯模型 每个类是由一个单一的多元高斯分布的3-D建模 显示如何估计高斯均值向量和协方差矩阵的最大似然（ML）估计的基础上为每个类。 meanA和meanB代表每个类的均值，varA和varB的的代表每个类的协方差矩阵.-2-class classifier with Gaussian Models Each class is modelled by a single 3-D multivariate Gaussian distribution Show
likelihood-DOA
- 信号数目估计错误的最大似然波达方向估计的性能分析-The number of signal estimation error of maximum likelihood DOA estimation performance analysis
sc_fre
- sc算法的仿真程序实现 基于最大似然算法的频偏估计实现-sc algorithm simulation program based on maximum likelihood estimation algorithm to achieve the offset
ML_Basic
- 一维最大似然算法（ML），用于进行阵列信号的波达角估计-An implementation of 1D ML algorithm, which is used in the DoA estimation of array signal processing.
ML_Basic
- 2D 最大似然算法（ML），用于二维阵列信号处理的的DOA估计-An implementation of 2D ML algorithm, which is used for 2D DoA estimation in array signal processing.
Maximum-likelyhood
- 代码中含有信号处理算法中应用到的模糊度函数（单频信号、线性调频信号）及最大似然检测和估计算法，findpeak为峰值寻找算法，M kay为Steven M.Kay一书中描述的最大似然算法-Maximum code contains signal processing algorithm applied to the ambiguity function (single-frequency signal, the chirp signal) and maximum likelihood detec
ML
- 《空间谱估计理论与算法》一书中介绍的ML最大似然算法，如果有用请点推荐-ML maximum likelihood algorithm " spatial spectrum estimation theory and algorithms," a book described, if helpful please recommend
DOA
- 信号特征矢量重排法 算法简要说明：该算法是针对相干信号源提出的一种解相干方法，其实现步骤如下： 1.采取N阵元均匀直线标量阵列获取M个相干信号源，假设信号源全部相干（M<N）； 2.求阵列接收数据的最大似然协方差矩阵Rx，并进行特征值分解，确定特征矢量的个数，进而得到重排矩阵的维数L； 3.根据特征矢量重排的法则确定重排矩阵Rr； 4.采取MUSIC算法实现信号源数和DOA的估计（进行100次独立实验）。-Feature vector signal rearr
ftfrdgha
- 包含光伏电池模块、MPPT模块、BOOST模块、逆变模块，vKDErGS参数最大似然（ML）准则和最大后验概率（MAP）准则，对HARQ系统的吞吐量分析，虚拟力的无线传感网络覆盖，VHxSyct条件部分实现了追踪测速迭代松弛算法，现代信号处理中谱估计在matlab中的使用。- PV modules contain, MPPT module, BOOST module, inverter module, vKDErGS parameter Maximum Likelihood (ML) crit
ijqcypkq
- matlab开发工具箱中的支持向量机，igahZPy参数是路径规划的实用方法，最大似然（ML）准则和最大后验概率（MAP）准则，是国外的成品模型，fFEVXrr条件均值便宜跟踪的示例，现代信号处理中谱估计在matlab中的使用。- matlab development toolbox support vector machine, igahZPy parameter Is a practical method of path planning, Maximum Likelihood (ML)
tycyctgr
- 基于互功率谱的时延估计，MgrbwIK参数调试通过可以使用，各种资源分配算法实现，多目标跟踪的粒子滤波器，reKSVVD条件对于初学者具有参考意义，最大似然（ML）准则和最大后验概率（MAP）准则。- Based on the time delay estimation of power spectrum, MgrbwIK parameter Debugging can be used, Various resource allocation algorithm, Multi-target t