搜索资源列表
disp_rand
- 本程序用matlab生成白噪声，并且基于一个离散线性随机系统的模型生成了y(k)和x(k)，绘制出了x(k|k-1)和x(k)的对比曲线，求出了提前一步预报的误差协方差阵的稳定值-the procedures used Matlab generate white noise, and on a discrete linear stochastic systems model generated y (k) and x (k), mapping out the x (k | k-1) and x
rsvd
- 基于GM算法和QR分解实现的稳健奇异值分解算法，通过该算法可以获取一个数居阵的稳健方差－协方差阵。在该稳健方差－协方差阵上可以进行诸如，稳健主成份分解、稳健聚类、稳健因子分析等操作。-GM based on QR decomposition algorithm and the realization of the stability of singular value decomposition algorithm, the algorithm can be accessed through a
An_improved_ekf_new_methods
- 本文对于非线性非高斯问题，提出了一种改进扩展卡尔曼滤波（NIEKF）新方法。该方法将迭代滤波理论引入到扩展卡尔曼滤波器方法中，有效地重复利用新的测量信息，还利用Levenberg-Marquardt 方法调整预测协方差阵以保证算法具有全局收敛性。实验结果表明，所提方法具有更高的估计精度，是一种效率较高、性能较好的跟踪方法。-This non-Gaussian for nonlinear problems, an improved extended Kalman filter (NIEKF) th
w_SMI
- 针对均匀线列阵，当采用样本协方差矩阵求逆的方法时，得到的波束扫描估计方位谱。三个信号源-For uniform linear array, when using the sample covariance matrix inversion method, estimated by scanning the beam position spectrum. Three sources
3
- 导航系统误差及其协方差阵的随机加权拟合.-Navigation system errors and the covariance matrix of random weighted fit.
34535
- 导航系统误差及其协方差阵的随机加权拟合.-Navigation system errors and the covariance matrix of random weighted fit.
jianjiepingcha
- 水准测量中间接平差以及观测精度的计算，本程序由c++编写，可以得到平差后未知点坐标，协方差阵，观测值改正数等等。-Leveling in indirect adjustment and the calculation of the observational accuracy of the program written by c++ unknown point coordinates can be adjustment, the covariance matrix of observation
SMI_1
- 使用样本协方差矩阵求逆方法仿真的波束图。使用的是均匀线列阵，信号方向为10度，有噪声，没有干扰。-Using the sample covariance matrix inversion method for the simulation beam pattern. Using a uniform linear array, the signal direction of 10 degrees, there is noise, no interference.
diagonal_loading_SMI_1
- 针对样本协方差矩阵求逆方法中采样点小于阵元个数时作出的仿真。此改进方法可以在采样点小于阵元个数时提高波束形成器的性能。-For the sample covariance matrix inversion method of sampling is less than the number of array elements made the simulation. This improved method can be sampled at less than the number of ar
SMUSIC
- 单次快拍 MUSIC 算法，这种单次快拍 MUSIC 算法仅利用接收的一次快拍的 M（M 为阵元数）个数据，通过对这 M 个数据做统计处理，来估计阵列数据的协方差矩阵-Single snapshot MUSIC algorithm, this single snapshot the MUSIC algorithm only receiving a snapshot M (M array element number) data, statistical treatment of these M
music_circle
- 均匀圆阵仿真:m=8 阵元数 azimuth=[-55 0 40] 方位角 p=length(azimuth) 信号源个数 snap=1000 最大快拍数 drl=0.5 圆阵半径与波长之比 snr=15 信噪比dB 流程：1、构造信号2、构造噪声阵列流型矩阵3、观测信号4、观测信号协方差矩阵5、求解特征值与特征向量6、显示图谱。-The uniform circular array simulation: m = 8 element azimuth = [-55 0 40] azim
music(doa)
- 七单元天线阵MUSIC DOA估计： d=1 ， 天线阵元的间距； lma=2， 信号中心波长； 四输入信号； A=[A1,A2,A3,A4]， 得出A矩； 四信号的频率d=[1.3*cos(v1*n) 1*sin(v2*n) 1*sin(v3*n) 1*sin(v4*n)] 构造输入信号矢量 U=A*d 总的输入信号 总输入信号的协方差矩阵 [s,h]=eig(c) 求协方差的特征矢量及特征值 取出与零特征
DCTlicheng
- 研究表明，构成K一L变换矩阵的向量也就是ToePhtz矩阵的特征向量。与此同时，离散 余弦变换矩阵逼近于ToePutz矩阵的特征向量矩阵，所以离散余弦变换矩阵与自然图像的 K一L变换矩阵十分相似。经过离散余弦变换后的变换系数块的协方差矩阵Cy非常接近对角 阵，即除了对角线元素以外，其它很多元素都近似为0，并且在左上角集中了主要能量。这 反映了自然图像大部分区域变化不大，亮度突变只占少数，即图像能量以低频成分为主的特 性。通过变换后的量化，舍弃对视觉效果影响较小的次要信息，可达
pca
- PCA主成分分析，是一种常用的基于变量协方差矩 阵对信息进行处理、压缩和抽提的有效方 法。 -PCA principal component analysis, is a common and effective method is based on the covariance matrix of variable information processing, compression and extracted.
danzhenyuan_1
- 单阵元估计目标速度或者加速度，调用杂波协方差矩阵，傅里叶变换得出频谱函数-Single picket estimated target velocity or acceleration, call the clutter covariance matrix, Fourier transform spectrum function draw
code
- 1.CAmodelfusion.m 主要功能： （1）完成两个传感器各自对基于CA模型的目标状态的Kalman估计； （2）实现传感器的局部状态估计的SCC和CI融合算法的实现； （3）画出局部估计和两种融合估计的位置、速度、加速度的误差； （4）画出局部估计和两种融合估计的协方差椭圆。 2.CVmodelfusion.m 主要功能： 功能与CAmodelfusion.m基本相似，差异在于实现基于CV模型的估计和估计融合。 3.CovInter.m
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
Mahalanobis
- 马氏距离是一种有效地计算两个样本集之间相似度的算法（数据之间协方差距离），与欧式距离相比，它考虑了各种特征之间的联系。本实验旨在通过给出的样本数据，设计一个最小马氏距离分类器并对测试点进行分类，然后将其与最小欧式距离分类器进行比较，实验得出当协方差矩阵为单位阵时，最小马氏距离分类器将与最小欧式距离分类器等价。-Markov distance is an effective method to compute the similarity between the two samples (data
kalman1
- 以速度为11m/s沿x轴做匀速直线运动，通过卡尔曼滤波跟踪目标，作出相应协方差图像，内有注释，根据相应功能可更改注释。(At the speed of 11 m/s, we perform uniform rectilinear motion along the X axis. We track the target through Kalman filter and make corresponding covariance images. There are annotations in i