搜索资源列表
disanzhang
- 功率谱估计和信号频率估计方法 周期图法 BT法-Power spectrum estimation and the signal frequency estimation methods periodogram
FourMethodsOfPeriodogramEstimate
- 非参数的功率谱估计包括四个，周期图法，Blackman-Turkey,Welch-Bartell,改进的周期图法，输入信号为白噪声通过切比雪夫滤波后的信号-Non-parametric estimation of the power spectrum consists of four, periodogram, Blackman-Turkey, Welch-Bartell, improved cycle diagram method,
capon_example
- 基于capon的谱估计，关于DOA的算法，可用-Capon based spectral estimation algorithm on DOA, the available
ESPRINT
- ESPRINT谱估计，计算DOA，可以与capone进行对比。-ESPRINT spectrum estimation calculates DOA, with capone comparison.
AICandMDL
- 经典的信息论准则估计信号源个数。 使用空间谱估计理论，模拟发射信号由天线阵列接受采样。经过AIC和MDL两种算法，估计出采样序列中信号的个数，所加噪声是白噪声。-Classical information theory for sources number estimation. It s spatial spectrum estimation theory. it analogs transmission signal from
spectrum-estimation-
- MATLAB中几种功率谱估计函数的比较分析与选择-MATLAB power spectrum estimation function of several comparative analysis and selection
-power-spectral-
- 改进周期图法功率谱估计中的窗函数仿真分析-Improved cycle power spectral estimation of the window function simulation analysis
wavelet-packet-
- 小波包分解Welch平均法在焊接电弧声功率谱估计中的应用-Application of wavelet packet Welch method in the welding arc sound power spectrum estimation
parameter-estimation-
- Welch法谱估计和参数模型谱估计的MATLAB分析-Welch spectral estimation MATLAB analysis and parameter estimation of the model spectrum
millimeter-wave
- 子波高分辨谱估计方法及其在毫米波雷达目标一维距离成像中的应用-Wavelet resolution spectral estimation method and its application in the millimeter-wave radar target from imaging
-multi-beam-
- 菲涅尔区聚焦多波束天线空间谱估计性能分析-Fresnel zone focusing spectrum estimation performance of multi-beam antenna spatial analysis
jiao
- 该程序是关于参数化功率谱估计，这些源程序是经过验证的，很好使用-The program is about the parametric power spectrum estimation, the source is a proven, well used
gonglvpuguji
- 实现功率谱估计的两种方法，直接法与自相关法-Power spectrum estimation of the two methods, the direct method and the autocorrelation method
MUSIC
- MUSIC算法。可进行波达方向估计（DOA），并进行高分辨率现代谱估计。-MUSIC algorithm. DOA can be estimated (DOA), and modern high-resolution spectral estimation.
CHAOGAOSI
- 研究表明超高斯分布更加贴近语音信号的实际分布，然而语音信号很难用单一的概率密度 函数准确描述，针对这一情况，提出了一种用超高斯混合模型对语音信号幅度谱建模的新方法，并推导了 基于此模型的幅度谱最小均方误差估的估计式。仿真结果表明：与传统的短时谱估计算法相比，该算法不 仅能够进一步提高增强语音的信噪比，而且可以有效减小增强语音的失真度，提高增强语音的主观感知 质量。 -Recent research indicates
Laplace
- 传统的短时谱估计语音增强算法通常假设语音谱分量相互独立，没有考虑语音谱分量间的相关性。针对这 一问题，该文提出一种新的基于多元Laplace分布模型的短时谱估计算法。首先，假设语音的离散余弦变换(DCT) 系数服从多元Laplace分布，以此利用谱分量间的相关性；在此基础上，利用多元随机矢量的高斯尺度混合模型表 示，推导得到语音DCT系数矢量的最小均方误差(MMSE)估计的解析表达式；并进一步推导了基于该分布模型的 语音
ARMA-model-spectrum-estimation
- ARMA模型谱估计 通过观测信号来观察信号的功率谱密度-ARMA model spectrum estimation
DOA
- 波达方向（Direction Of Arrival）估计，又称为谱估计（spectral estimation）、波达角（Angle Of Arrival）估计。一个信源有很多可能的传播路径和到达角。如果几个发射机同时工作，每个信源在接收机处形成潜在的多径分量。因此，接收天线能估计出这些到达角就显得很重要，目的是破译出哪个发射机在工作以及发射机所处的可能位置。通过测量辐射信号的波达方向（DOA全称Direction Of Arrival
music
- 功率谱估计 music算法matlab实现-music algorithm of power spectral estimation and its realization
amp-latency-AR-test
- Burg算法功率谱估计,采样点数nfft不会影响MAX值和位置. s=data22(6,:) s=s(50:150) nfft=2048 fs=500 EEG [px1,f1]=pburg(s,6,nfft,fs) figure plot(f1,px1) title( CI——Burg算法功率谱估计 ) xlabel( Frequency(Hz) ) ylabel( Power )