基于合成孔径雷达（SAR）图像的海面风场估计已经得到广泛认可。多数风速反演算法是以估计的风向、校正的δvv为先验条件，应用海风模型计算而得的。在相同风向的情况下，应用不同的海风模型会得到不同的风速反演值，因此选择合适的模型是风场估计的关键。同时，风向数据的精确度也很重要，即使不大的误差也会给风速的反演结果带来明显偏差。为解决上述问题这里提出一种不需要预先已知风向数据的风场估计算法。该算法将基于海洋SAR图像中风浪的条纹信息，以及风浪条纹生成的自相关函数的周期性估计风速数据，同时由风浪条纹的最短周期方向估计风向数据，从而估计出完整的风场矢量。仿真结果显示，该算法对风速和风向数据有较高的估计精度。
上传时间： 2013-10-17
上传用户：520
用Burg算法估计AR模型参数，进而实现功率谱估计. 形参说明： x——双精度实型一维数组，长度为n，存放随机序列。 n--整型变量,随机序列的长度。 p--整型变量,AR模型的阶数。 a--双精度实型一维数组，长度为(p十1)。存放AR模型的系数a(0),a(1),...,a(p)。 v--双精度实型指针,它指向预测误差功率，即AR模型激励白噪声的方差。
上传时间： 2013-12-21
上传用户：330402686
现代谱估计用莱文森-德宾(Levinson-Durbin)算法求解尤利-沃克(Yule-Walker)方程。 形参说明： r:双精度实型一维数组，存放Yule-Walker方程的元素r(0),r(1),...r(p)。 p:AR模型阶数。 a:AR模型系数a(0),a(1),...a(p)。 v:预测误差功率
标签： Levinson-Durbin Yule-Walker 谱估计 算法
上传时间： 2014-01-26
上传用户：ippler8
估计位场数据局部趋势的简单程序 利用线性回归法估计局部梯度依据数据离散，估计伴随误差
上传时间： 2015-05-25
上传用户：yt1993410
参数估计.doc 通过本章的学习， 我们应该知道： 1. 统计抽样推断的常用术语 2. 抽样推断基于什么样的原理 3. 点估计与区间估计的具体操作 4. 抽样组织方式及其相应的误差计算 5. 每次抽样需要多大的样本容量
标签： 参数估计
上传时间： 2015-12-20
上传用户：lps11188
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。
上传时间： 2013-12-26
上传用户：zl5712176
Convolution_decoder_bit_by_bit for DS-UWB is revising信号模板的估计， 信道的变化， 加入自适应均衡，译码反馈用于信号模板估计，消除信道变化的影响，
标签： Convolution_decoder_bit_by_bit revising DS-UWB for
上传时间： 2013-12-29
上传用户：jennyzai
最小均方（LMS）自适应算法就是一中已期望响应和滤波输出信号之间误差的均方值最小为准的，依据输入信号在迭代过程中估计梯度矢量，并更新权系数以达到最优的自适应迭代算法。LMS算法是一种梯度最速下降方法，其显著的特点是它的简单性。这算法不需要计算相应的相关函数，也不需要进行矩阵运算。
上传时间： 2013-12-15
上传用户：zhaiye
若不希望用与估计输入信号矢量有关的相关矩阵来加快LMS算法的收敛速度，那么可用变步长方法来缩短其自适应收敛过程，其中一个主要的方法是归一化LMS算法（NLMS算法），变步长 的更新公式可写成 W（n+1）=w（n）+ e（n）x（n） =w（n）+ （3.1） 式中， = e（n）x（n）表示滤波权矢量迭代更新的调整量。为了达到快速收敛的目的，必须合适的选择变步长 的值，一个可能策略是尽可能多地减少瞬时平方误差，即用瞬时平方误差作为均方误差的MSE简单估计，这也是LMS算法的基本思想。
上传时间： 2016-07-07
上传用户：changeboy
这是一篇讲述运动估计中快速亚像素运动估计算法的文章，其中利用相邻匹配点匹配误差值减少待检测匹配点的方法有效地提高了算法的速度。
上传时间： 2013-12-27
上传用户：as275944189
