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
上传时间： 2013-12-15
上传用户：yuchunhai1990
本程序是功率谱密度的仿真比较,关于三个信号源的具体情况参见《现代数字信号处理导论》上册，P202，习题5。 实验方法：周期图法、自相关法和协方差法。
上传时间： 2015-07-03
上传用户：佳期如梦
crc任意位生成多项式 任意位运算 自适应算法 循环冗余校验码(CRC，Cyclic Redundancy Code)是采用多项式的 编码方式，这种方法把要发送的数据看成是一个多项式的系数 ，数据为bn-1bn-2…b1b0 (其中为0或1)，则其对应的多项式为： bn-1Xn-1+bn-2Xn-2+…+b１X+b０ 例如：数据“10010101”可以写为多项式 X７+X４+X２+1。 循环冗余校验CRC 循环冗余校验方法的原理如下： (1) 设要发送的数据对应的多项式为P(x)。 (2) 发送方和接收方约定一个生成多项式G(x)，设该生成多项式 的最高次幂为r。 (3) 在数据块的末尾添加r个0，则其相对应的多项式为M(x)=XrP(x) 。(左移r位) (4) 用M(x)除以G(x)，获得商Q(x)和余式R(x)，则 M(x)=Q(x) ×G(x)+R(x)。 (5) 令T(x)=M(x)+R(x)，采用模2运算，T(x)所对应的数据是在原数 据块的末尾加上余式所对应的数据得到的。 (6) 发送T(x)所对应的数据。 (7) 设接收端接收到的数据对应的多项式为T’(x)，将T’(x)除以G(x) ，若余式为0，则认为没有错误，否则认为有错。
上传时间： 2014-11-28
上传用户：宋桃子
crc任意位生成多项式 任意位运算 自适应算法 循环冗余校验码(CRC，Cyclic Redundancy Code)是采用多项式的 编码方式，这种方法把要发送的数据看成是一个多项式的系数 ，数据为bn-1bn-2…b1b0 (其中为0或1)，则其对应的多项式为： bn-1Xn-1+bn-2Xn-2+…+b１X+b０ 例如：数据“10010101”可以写为多项式 X７+X４+X２+1。 循环冗余校验CRC 循环冗余校验方法的原理如下： (1) 设要发送的数据对应的多项式为P(x)。 (2) 发送方和接收方约定一个生成多项式G(x)，设该生成多项式 的最高次幂为r。 (3) 在数据块的末尾添加r个0，则其相对应的多项式为M(x)=XrP(x) 。(左移r位) (4) 用M(x)除以G(x)，获得商Q(x)和余式R(x)，则 M(x)=Q(x) ×G(x)+R(x)。 (5) 令T(x)=M(x)+R(x)，采用模2运算，T(x)所对应的数据是在原数 据块的末尾加上余式所对应的数据得到的。 (6) 发送T(x)所对应的数据。 (7) 设接收端接收到的数据对应的多项式为T’(x)，将T’(x)除以G(x) ，若余式为0，则认为没有错误，否则认为有错
上传时间： 2014-01-16
上传用户：hphh
贝叶斯分类器是一种最优分类器，它假设基于可获得的信息可以建立类别的概率密度函数，然后基于最小错误率分类准则进行分类。一般假设概率密度函数是正态分布，因为正态分布数学基础较好。问题就转化为正态分布参数的估计问题。幸运的是，参数估计问题已经被很好的解决了。 基于正态分布的协方差的不同，正态概率分布型的贝叶斯分类器可分为：欧式距离分类器、马氏距离分类器、线性判别分析、对角线性判别分析、二次判别分析和对角二次判别分析。 在具有模式的完整统计知识条件下，按照贝叶斯决策理论进行设计的一种最优分类器。分类器是对每一个输入模式赋予一个类别名称的软件或硬件装置，而贝叶斯分类器是各种分类器中分类错误概率最小或者在预先给定代价的情况下平均风险最小的分类器。它的设计方法是一种最基本的统计分类方法。 目标：编程实现正态概率分布型的贝叶斯分类器。
上传时间： 2014-01-05
上传用户：叶山豪
基于AR模型的现代谱估计，分别实现自相关法，协方差法，Burg法，对比分析性能，及与经典谱估计的比较
上传时间： 2016-03-17
上传用户：familiarsmile
含有噪声的余弦序列，分别采用周‘期图法’与‘改进协方差法’估计序的功率谱
标签： 序列
上传时间： 2016-03-26
上传用户：hopy
classify using Bayes method. 使用Bayes方法进行两类分类，包括协方差相等和不等两种情况，非常适合初学者的程序。
标签： Bayes classify method using
上传时间： 2013-12-08
上传用户：小鹏
计算多维正态分布的概率密度值，给出均值和方差矩阵
上传时间： 2014-11-02
上传用户：q123321
SVD去噪，构造的矩阵方法为对数据进行均匀分段，并对去噪前后的信噪比，均方差进行了对比。
上传时间： 2013-12-25
上传用户：偷心的海盗
