- 博客(6)
- 收藏
- 关注
原创 Machine Learning -- Linear Regression with Multiple Variables(Andrew Ng)
Machine Learning – Linear Regression with Multiple Variables(Andrew Ng)1. Feature ScalingIdea: Make sure features are on a similar scale.Example: x1 ~ [0,2000]; x2 ~ [1,5];If you use these two features
2016-11-15 19:46:52
439
原创 DFT与DTFT,DFS
http://www.cnblogs.com/BitArt/archive/2012/11/24/2786390.html
2015-12-14 19:26:09
676
原创 MATLAB下处理FFT横坐标问题
t=0:0.0001:0.1; %时间间隔为0.0001,说明采样频率为10000Hzx=square(2*pi*1000*t); %产生基频为1000Hz的方波信号n=randn(size(t)); %白噪声f=x; %在信号中加入白噪声figure(1);subp
2015-12-07 14:30:17
8460
原创 MATLAB中FFT
-FFT是离散傅立叶变换的快速算法,可以将一个信号变换到频域。有些信号在时域上是很难看出什么特征的,但是如果变换到频域之后,就很容易看出特征了。这就是很多信号分析采用FFT变换的原因。另外,FFT可以将一个信号的频谱提取出来,这在频谱分析方面也是经常用的。虽然很多人都知道FFT是什么,可以用来做什么,怎么去做,但是却不知道FFT之后的结果是什意思、如何决定要使用多少点来做FFT。现在
2015-12-04 17:00:38
2331
原创 自适应滤波中的期望信号
-去相关可能是一个非常直观的角度。假定输入的是一个被白噪声污染的信号x(n)=s(n)+v(n),其中s(n)代表信号,v(n)代表噪声。期望信号是d(n)。y(n)表示x(n)通过维纳滤波器之后的输出。按照维纳滤波器误差能量最小的准则,即E[(y-d)2]最小。也就是说y(n)与d(n)相关性最强的情况下,误差能量最小。这时候即把误差能量准则转化为两个信号的相关性的问题了。我们知道,一般
2015-12-03 15:56:13
5967
1
原创 16进制与浮点数转换
文章来源:http://blog.csdn.net/educast/article/details/8522818感谢原作者。关于16进制浮点数对于大小为32-bit的浮点数(32-bit为单精度,64-bit浮点数为双精度,80-bit为扩展精度浮点数),1、其第31 bit为符号位,为0则表示正数,反之为复数,其读数值用s表示;2、第30~23 bit为幂数,其
2015-04-13 14:51:25
9933
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人