golfbears的博客

对比IMCRA来研究一下Cohen的TBRR跟踪方法前言MCRA1vs2-信噪比门限得出的语音存在概率IMCRA vs TBRR-的语音存在概率计算：IMCRA的语音不存在算法TBRR的语音存在概率后记参考文献前言科恩大神的巅峰之作MCRA是菜鸟容易看懂的一个算法，但不妨碍它成为经典噪声跟踪的天花板，他再接再厉提出了Improved版本和TBRR版本的MCRA，罗爱洲也在专著中改进了一版号称MCRA-2。但这么多烟花缭乱的改进本质上改的是啥呢？答案是语音存在概率！MCRA1vs2-信噪比门限得出的

正交性前言內积、长度和正交性[1]內积长度和距离正交向量非正交向量正交集，正交基和正交投影內积空间和格拉姆-施密特正交化参考前言多维空间，向量和矩阵，以及正交性的概念都是欧几里得多维空间的扩展，因为人类的认知很难超越三维思考，所以我们对n维的理解往往降维到2-3维来类比，所以学习和分析这些概念和问题，三维思考是最直观的工具，在你即将迷失在矩阵空间的时候，她会想灯塔一样。。。。內积、长度和正交性[1]这三个概念是基础，然而并不容易搞懂。內积假设u,vu,vu,v是RnR^nRn中的向量：u=[u1

阵列信号处理-波达方向DOA前言MUSIC和ESPRIT三级目录参考文献前言波达方向-Direction Of Arrival是研究波束形成的重要课题，引用之前的老图，DOA要估算出来的就是两个角度：俯仰角φ\varphiφ和方位角θ\thetaθ，而如果是全向麦克风组成的线性阵列（z轴），那么方位角就可以省略了，只研究俯仰角就可以了，所以很多算法简化假设条件，然而实际中无法省略，不过可以通过阵列的摆放，设计的估算角度范围小一些，算法也会容易一些。经典的DOA估算方法有波束形成测向方法（base），

阵列信号学习笔记array signal process basis