算法
文章平均质量分 91
晨晨丶
好好学习,天天向上!
展开
-
希尔伯特-黄变换(Hilbert-Huang Transform, HHT)详解
希尔伯特-黄变换(Hilbert-Huang Transform, HHT)是一种用于分析非线性和非平稳时间序列的方法。这种方法是由NASA的黄锷华教授在1998年提出的。HHT由两个主要步骤组成:经验模态分解(Empirical Mode Decomposition, EMD)和希尔伯特谱分析(Hilbert Spectral Analysis, HSA)。原创 2024-03-25 12:00:02 · 1810 阅读 · 1 评论 -
快速傅氏变换(Fast Fourier Transform,FFT)算法基本原理详细解析
快速傅里叶变换(FFT)是一种用于计算离散傅里叶变换(DFT)及其逆变换的高效算法。DFT是一种数学技术,用于将一个函数或信号分解成不同频率的成分。FFT广泛应用于信号处理、图像处理、通信系统等领域,因为它能够快速而有效地计算DFT,大大提高了处理速度。原创 2024-03-19 09:17:03 · 1449 阅读 · 1 评论 -
PCA主成分分析-原理详解
主成分分析(Principal Component Analysis,PCA)的背景和发展可以追溯到20世纪初,是多元统计分析领域的一个基石。PCA最早由卡尔·皮尔逊(Karl Pearson)在1901年提出,目的是通过数学变换简化复杂数据的维度,同时尽量保留原始数据的重要信息。后来,哈罗德·霍特林(Harold Hotelling)在1933年进一步发展了这一理论。自那以后,PCA成为了多个领域,包括统计学、数据分析、机器学习等领域内一个非常重要和广泛使用的工具。原创 2024-03-17 08:30:00 · 2515 阅读 · 1 评论 -
雷达MIMO - 多输入多输出 - 详细解析
多输入多输出(Multiple Input Multiple Output, MIMO)技术是一种无线通信技术,通过在发送端和接收端使用多个天线来增加通信系统的容量和效率,同时提高信号的质量和传输速率。MIMO技术能够利用多径传播的特性来实现空间复用,从而大幅提升无线信道的数据吞吐量和系统性能。这种技术在现代无线通信系统中得到了广泛应用,特别是在Wi-Fi(IEEE 802.11n/ac/ax)、蜂窝移动通信(4G LTE、5G)以及其他无线通信标准中。原创 2024-03-15 09:34:59 · 785 阅读 · 1 评论 -
DBF-数字波束形成(空域滤波)
数字波束形成(Digital Beamforming, 简称DBF)是一种高级的信号处理技术,广泛应用于雷达、声纳、无线通信等领域。它通过对来自阵列天线的信号进行精确控制,以实现对信号的方向性发送或接收,从而增强特定方向上的信号接收能力,同时抑制其他方向的干扰。数字波束形成技术可以提供比传统模拟波束形成技术更高的灵活性和性能。原创 2024-03-16 08:31:11 · 2641 阅读 · 2 评论 -
阵列信号相关处理算法 - 合集
阵列信号处理算法综合介绍原创 2024-03-15 08:23:14 · 1242 阅读 · 1 评论 -
MUSIC算法 - Multiple Signal Classification - 详解
MUSIC是将任意阵列输出数据的协方差矩阵进行特征值分解,对应不同特征值的特征向量构成相互正交的信号子空间和噪声空间。大特征值对应的特征向量构成向量子空间,小特征值对应的特征向量构成的是噪声子空间。原创 2024-03-14 09:24:12 · 713 阅读 · 1 评论 -
Nadaraya-Watson核回归
Nadaraya-Watson核回归是一种非参数估计方法,用于估计条件期望。这种方法属于核平滑技术的一部分,广泛应用于统计学和机器学习中的回归问题。核回归的核心思想是利用核函数来平滑样本点周围的数据,从而对给定点的响应变量的条件期望进行估计。原创 2024-03-14 08:26:24 · 891 阅读 · 1 评论 -
残差连接 residual connection 详解
残差连接是一种强大的网络设计技巧,它通过简单的改进显著提升了深度学习模型的性能和稳定性,特别是在构建深层网络时。在Point Transformer网络中,残差连接的应用同样关键,它帮助模型更有效地处理3D点云数据,提高了模型在复杂三维空间任务中的性能。原创 2024-03-12 08:36:35 · 1718 阅读 · 1 评论 -
空间变换网络 Spatial Transformer Networks-STN 详细解读
空间变换网络(STN)提出了一种神经网络的新颖子结构,能够显著增强网络对于几何变换的鲁棒性。STN通过在传统神经网络架构中嵌入一个可微分的空间变换模块,允许网络自动学习到对输入图像进行最优空间变换的能力。这一过程包含三个关键部分:定位网络(localization network)、网格生成器(grid generator)和采样器(sampler)。定位网络负责预测空间变换的参数;网格生成器根据这些参数创建一个对应变换后的输出图像的坐标网格;采样器则使用这个网格来产生变换后的输出图像。原创 2024-03-11 09:00:00 · 1828 阅读 · 2 评论 -
farthest point sampling - FPS - 最远点采样详解 - 附代码实现
远点采样(Farthest Point Sampling,FPS)算法是一种在数据点集中有效选择代表性样本点的方法,广泛应用于计算机图形学、机器学习和点云处理等领域。该算法通过迭代方式选取点集中彼此距离最远的点,确保选出的样本点覆盖范围广泛,有效捕捉到数据集的整体结构特征。FPS算法开始时随机选择一个起始点,然后在每次迭代中,选取到当前已选点集距离最远的点作为新的样本点,直至达到预定的样本数量。此方法不仅提高了数据处理的效率,减少了计算负担,还能在进行点云简化、网格重建、特征提取等操作时,保留重要的几何信原创 2024-03-10 10:26:35 · 896 阅读 · 1 评论