搜索资源列表
10_methods
- 在MATLAB环境下，背景为非高斯噪声下非常适用的滤波新算法。-in MATLAB environment, the background of the non-Gaussian noise filtering is applied to the new algorithm.
LMSwithUncorrelatedCaussiandata
- 本文是关于LMS算法在非相关的高斯噪声下的收敛性！希望对大家有用-paper on the LMS algorithm in the non-Gaussian noise under the Convergence! We hope to useful
GCCstandard
- 广义的互相提取时延算法,此程序是基于matlab的源程序,适用于非高斯信号和高斯白噪声的情况
10_methods
- 在MATLAB环境下，背景为非高斯噪声下非常适用的滤波新算法。-in MATLAB environment, the background of the non-Gaussian noise filtering is applied to the new algorithm.
LMSwithUncorrelatedCaussiandata
- 本文是关于LMS算法在非相关的高斯噪声下的收敛性！希望对大家有用-paper on the LMS algorithm in the non-Gaussian noise under the Convergence! We hope to useful
GCCstandard
- 广义的互相提取时延算法,此程序是基于matlab的源程序,适用于非高斯信号和高斯白噪声的情况-Generalized mutual delay extraction algorithms, this procedure is based on the matlab source, applicable to non-Gaussian signal and Gaussian white noise situation
by1
- 边缘检测算法的基本步骤 （1）滤波。边缘检测主要基于导数计算，但受噪声影响。但滤波器在降低噪声的同时也导致边缘强度的损失。 （2）增强。增强算法将邻域中灰度有显著变化的点突出显示。一般通过计算梯度幅值完成。 （3）检测。但在有些图象中梯度幅值较大的并不是边缘点。最简单的边缘检测是梯度幅值阈值判定。 （4）定位。精确确定边缘的位置。 Canny边缘检测算法 step1:用高斯滤波器平滑图象； ste
Particle_Filter
- 粒子滤波程序，仿真实现自由度机器人对目标的跟踪，使用kalman滤波估计总雅可比矩阵J，噪声为非高斯噪声-Particle filter procedure, simulation robot tracking of targets, the use of kalman filter estimated total Jacobian matrix J, the noise of non-Gaussian noise
cyclic2_am
- 基于matlab，针对调幅AM、调频FM和调相PM信号，分析在不同的噪声环境，包括高斯白噪声、色噪声、非高斯噪声及正弦干扰中，各种信号的二阶循环谱。可根据需要改变程序中信号或噪声环境，分析结果。-Based on matlab, AM for AM, FM FM and PM phase modulation signals, analysis of noise in different environments, including
rob_hess_pf
- 粒子滤波现在已经成为目标跟踪领域的主流算法，它的应用范围广泛，在非线性、非高斯噪声下依然表现良好。该代码是Rob Hess 编写的。他的个人主页是：http://web.engr.oregonstate.edu/~hess/ -Now,Partical filter has become the main algorithm in moving target tracking region.It still perform very
matlabgaosi
- 使用MATLAB语言编写的非高斯噪声程序，通俗易懂，非常好用-Using the MATLAB language for non-Gaussian noise process, user-friendly, very easy to use
Particle_filter
- 基于粒子滤波器的机动目标跟踪技术 首先 ， 概 要介绍传统的Kalman滤波器，以及有所改进的扩展Kalman滤波器。 其次，为了能更好地解决在动态模型为非线性且噪声为非高斯的条件下对机动目标的 跟踪问题，通过概率统计理论详细阐述粒子滤波器基本原理。然后，针对不同的使用 条件，根据粒子滤波器的基本理论做出适当的修改和整理，就得到了四个相关的粒子 滤波器的变型，使用州以JLAB把它们对机动目标的跟踪性能作了详细地计算机
77433652yuanchengxu
- 这些MATLAB的M文件分为两部分：程序清单A中收录了产生PPM-TH和PAM-DS这两个信号源的所有函数；程序清单B中收录了加性高斯白噪声（AWGN）信道建模，正交和非正交单脉冲PPM-TH接收机结构，以及反极性PAM-DS单脉冲接收机结构仿真所需的所有函数。-The MATLAB M-file is divided into two parts: A list of procedures in the collection of p
LPFleida
- Pf粒子滤波实现的目标跟踪程序，可实现针对非高斯噪声情况下的跟踪-Pf particle filter to achieve tracking procedures, can be non-Gaussian noise for tracking cases
2paper2
- 根据图像数字水印基本原理和水印信道的构造及生成方式，从信息论的角度，对基于高斯噪声信道的数字水印容量进行探索。针对高斯信源分布具有最大的不确定性、能够在所有的二阶随机分布中提供最大信息熵的特点，分析在高斯分布情况下的整个水印信道通信过程，并引入平均互信息理论，给出基于高斯的水印信道容量的最大通信速率。同时分析加性噪声信道下的容量问题，将高斯分布扩展到非高斯分布，优化容量计算表达式，利用Matlab软件工具给出非高斯信源水印容量与受限失真
non-guassian
- 关于非高斯噪声环境下的各种调制方式信道容量仿真-Non-Gaussian noise environment on a variety of channel capacity modulation simulation
bimodal-noise
- 在复杂的电子系统中，影响信号接收的很多噪声为非高斯噪声，这些噪声是没有预料到的，以致破坏了接收机的功能，研究表明：这些噪声可以看成双模噪声，双模噪声从整体上讲属于非高斯噪声。-In complex electronic systems, many of the signal received by a non-Gaussian noise, the noise is not anticipated, resulting in damag
ICA
- 独立分量分析（ICA）以非高斯源信号为研究对象，在统计独立的假设下，对多路观测到的混合信号进行盲信号分离，已广泛应用于无线通信、生物信号提取、语音信号处理、图像处理和噪声抑制等领域。 -The independent component analysis (ICA) addresses non-Gaussian source signals under amusing independent each other, it perform
non-Gaussian-noise-Identification
- 该文提出一种基于广义分数阶傅里叶变换和分数低阶Wigner-Ville 分布的数字调制识别新方法，该方法提取广义分数阶傅里叶变换的零 中心归一化瞬时幅度谱密度的最大值和分数低阶Wigner-Ville 分布幅度的最大值作为识别特征参数，并采用判决树分类器，实现了非高斯噪声下数字调制信号识别。-This paper presents a generalized fractional Fourier transform and frac
levy
- 生成levy噪声，levy噪声作为一种非高斯噪声，在科研中经常使用(The generation of levy noise, levy noise as a non Gauss noise, is often used in scientific research)