槑～-CSDN博客

原创维纳滤波器（Wiener)递推，波形估计，相关matlab代码以及思路

维纳滤波器是一种从噪声中提取信号的最佳线性估计方法，假定一个线性系统的单位脉冲响应为h(n)，输入信号为x(n)，且输入的随机信号x(n)是一个含噪声信号。

2023-09-11 17:40:25 843

原创卡尔曼滤波递推，波形估计，相关matlab代码以及思路

1、一连续平稳的随机信号，自相关函数，信号为加性噪声所干扰，噪声是白噪声，测量值的离散值为已知。Q =[0.5, 1;% 过程噪声协方差矩阵。ylabel('信号幅值');% 协方差的一步预测。% F 为状态转移矩阵。% P1 为前一时刻协方差矩阵。% Q 为过程噪声的协方差矩阵。% x1 为前一时刻状态值。% R 为观测噪声协方差。

2023-09-11 17:27:35 267

原创 MATLAB 数据融合，基本思路，数据加权过程

根据通道性能动态调整权重（可以估计信噪比，方差，信号的强度来决定权重比？% 计算每个通道的贡献，将权重值和i点数据相乘，表明该点信号融合的分量。% 通道1的初始权重。% 通道2的初始权重。title('通道1数据');title('通道2数据');title('原始信号');title('融合结果');

2023-09-11 17:08:24 599 1

例如，粉噪声在音频领域中被用作人类听觉系统的模型，蓝噪声常用于数字音频的抖动（dithering）技术，红噪声可以用于模拟随机过程和天文学中的信号处理，紫噪声在光学和电信领域中有应用。在不同的频率范围内，有色噪声可能具有不同的概率密度函数形态，如粉噪声、蓝噪声、红噪声等。有色噪声是指在频率上不均匀分布能量的噪声信号，与高斯白噪声相比，有色噪声在频谱上的能量分布不是平坦的，而是存在频率相关性或偏差。相比于高斯白噪声，有色噪声在频谱上的能量分布不是平坦的，而是存在频率相关性或偏差。

2023-06-07 20:49:58 2929 1

原创高斯白噪声与非高斯噪声

在时间域上，高斯白噪声的样本值是完全随机的，并且彼此之间是独立的。在高斯分布中，样本值的取值服从正态分布，具有平均值为0和方差为σ²的特性，其中σ²表示噪声的功率。α稳定噪声的特点是具有尖峰的形状和重尾分布，具有较高的峰值和较长的尾部。需要注意的是，实际应用中的噪声往往不是完全的高斯白噪声，可能会包含其他成分或特性。然而，高斯白噪声在理论上和许多实际应用中仍然具有重要的作用，尤其是作为理想化的噪声模型进行分析和建模。在频域上，高斯白噪声的功率谱密度是常数，即在整个频率范围内具有相等的能量。

2023-06-07 20:48:24 2492 1

原创归一化（Normalization）：一种常见的数据处理方法

归一化（Normalization）是一种常见的数据处理方法，用于将数据调整到特定的范围或标准化的形式。归一化方法的选择取决于具体的应用和数据特点。小数定标归一化（Decimal Scaling）：通过移动数据的小数点位置来实现归一化，使数据落在 [-1, 1] 或 [-0.5, 0.5] 等区间内。归一化范数（Normalization by Norm）：将数据向量除以其范数，使得数据向量的范数为1。Z-score归一化（Standardization）：将数据转化为均值为0、标准差为1的标准正态分布。

2023-06-07 20:44:08 2792 1