转载自:http://www.cnblogs.com/rubbninja/p/4512765.html 各种研究领域(包括无线定位方向)都会碰到参数估计的问题,这时常常会看到克拉美罗界 (Cramér–Rao bound) 这个东西.很多随机信号的书都会介绍什么是克拉美罗界,但初学者学起来往往很吃力,本文从直观上简单讨论一下克拉美罗界的各个方面. 什么是参数估计问题 假设一种最简单的情况: 一个物理量为,我们使用某种方式去观测它,观测值为,由于存在噪声,此时,为高斯噪声,. 这种情况下,我们自然

Wideband DOA Estimation. 语音信号以及野外的车辆信号的声音都是宽带信号,所以传统的窄带DOA算法(MUSIC,ESPRIT等)都不适用.需要采用宽带DOA算法来计算目标信号的波达角. 信号处理方法中,广泛采用的是分频处理方法.得益于快速傅里叶变换(FFT)在时频分析中的快速性,将宽带阵列信号模型划分为若干个窄带信号模型,进行DOA估计,并综合各频带上的数据得出最终的结果,比如取平均等. 主要分为两种算法:非相干信号子空间法(Incoherent signal subspa

原创博文,转载请注明出处 下面的论文是我的雷达处理的作业,拿来共享,不喜勿喷.由于公式编辑器的原因,无法复制公式,全部内容请点击. 基于多重信号分类算法的DOA估计 1引言 多重信号分类(MUSIC)算法是Schmit R O等人在 1979 年提出的.这一类算法的提出开创了空间谱估计算法研究的新时代,促进了特征结构类算法的兴起和发展,该算法已成为空间谱估计理论体系中的标志性算法.此算法提出之前的算法都是针对阵列接收数据协方差矩阵进行直接处理,而MUSIC算法的基本思想则是将任何阵列输出数据的协

昨天查压缩感知的资料,无意间看到一位浙大女神Rachel Zhang的博客,果断关注了.我感觉应该向她好好学习.下面转自她的CSDN博客.网址是http://blog.csdn.net/abcjennifer/article/details/7724360 一.引论与综述 1  石光明,刘丹华,高大化,刘哲,林杰,王良君,压缩感知理论及其研究进展,http://www.cqvip.com/qk/90131x/200905/30412489.html 2  李树涛,魏丹,压缩传感综述,http:/

作者:桂. 时间:2017-06-03  15:40:33 链接:http://www.cnblogs.com/xingshansi/p/6937576.html 前言 本文主要记录麦克风阵列的几个基本知识点,并简单介绍基本的波束合成方法:Delay and sum (DSB). 一.栅瓣效应 类似干涉仪中的phase-wrapping问题:传感器的距离超过半波长的距离. A-Beam Pattern 以线性阵列为例 输出为 对应的增益,也就是output,取频率为1KHz的数据: 有时候也用极

本文本来是想放在Borsuk-Ulam定理的应用这篇文章当中.但是这个文章实在是太长,导致有喧宾夺主之嫌,从而独立出为一篇文章,仅供参考.$\newcommand{\di}{\mathrm{dist}}$ (图1:Kneser叙述他的猜想原文手稿)  引理1(Borsuk-Ulam) 对于任意$f:S^n\to\mathbb{R}^n$连续,存在$x\in S^n$使得$f(-x)=f(x)$. 目录 1 Lyusternik-Shnirel'man定理与Greene定理 2 Kneser猜想与

2.1.1 题目与摘要 1.为什么要增强IPD? The phase differences between the discrete Fourier transform (DFT) coefficients for two microphone signals are one of popular spatial cues in the frequency domain. 非理想情况下,IPD会失真,会偏离纯净语音提取的IPD. 2.IPD在复杂场景(混响.噪声)下受到了什么影响? 我们可以从

基于多重虚拟扩展阵列的宽带信号DOA估计[1]. 宽带DOA估计是阵列信号处理领域的一个重要研究方向.在DOAs估计的实际应用中,信号总是会被噪声破坏,在某些情况下,源信号的数量大于传感器的数量,因此不能通过一些传统的算法正确地解决源问题.文中提出了一种将空间重采样和四阶累积量相结合的宽带DOAs方法——多重虚拟扩展阵列(MVEA).在信源个数大于传感器个数的情况下,MVEA能够正确地找到宽带源的方向,通过空间重采样和四阶累积量的虚拟扩展,MVEA获得了比仅采用空间重采样虚拟扩展(SRVE)的方

实际卷积混合情况下,基于ICA的盲源分离算法快速收敛性能评估[1]. 提出了一种新的盲源分离算法,该算法将独立分量分析ICA和波束形成BF相结合,通过优化算法来解决盲源分离的低收敛问题.该方法由以下三部分组成:(1)基于到达方向(DOA)的频域ICA估计:(2)基于估计DOA的零波束形成:(3)基于迭代和频域算法多样性的(1)和(2)的集成.通过迭代优化,用基于零波束形成的矩阵代替ICA得到的混合矩阵的逆,ICA与波束形成的时间交替可以实现快速.高收敛的优化.实验结果表明,即使在混响条件下,该算

基于子阵列互累积量(Cross-Cumulant)的远场和近场混合声源定位[1]. 文中采用Uniform linear array (ULA)阵列,将其分为两个互相重叠的子阵列,构建关于子阵列输出信号的两个特殊cross-cumulant matrices,而这两个矩阵仅仅与源信号的DOA有关. 信号模型 阵列模型如下: K个窄带信号,阵元数目为2M+1的对称ULA阵列.假设中间阵元为相位基准.则第m个传感器的接收信号可以表示为: 其中为第k个入射信号的波形,为第m个传感器的噪声,为第k个源信

目录 概 主要内容 IBP CROWN CROWN-IBP 训练的技巧 写在最后 代码 Gowal S., Dvijotham K., Stanforth R., Bunel R., Qin C., Uesato J., Arandjelovic R., Mann T. & Kohli P. Scalable verified training for provably robust image classification. In IEEE International Conference o

克拉美-罗界.又称Cramer-Rao lower bounds(CRLB),克拉美-罗下界. 克拉美罗界是对于参数估计问题提出的,为任何无偏估计量的方差确定了一个下限.无偏估计量的方差只能无限制的逼近CRB,而不会低于CRB,因此这个界也可以称为CRLB,意为克拉美罗下界. CRLB可以用于计算无偏估计中能够获得的最佳估计精度,因此经常用于计算理论能达到的最佳估计精度,和评估参数估计方法的性能(是否接近CRLB下界). 克拉美罗界本身不关心具体的估计方式,只是去反映:利用已有信息所能估计参数的

PV.EV.AC.BAC.EAC.ETC等计算公式含义 PV Planned Value:计划值 应该完成多少工作, (按照计划截止目前应该花费的预算) AC Actual Cost:实际成本, 完成工作的实际成本是多少 (截止目前实际的花费) EV Earned Value:挣值 完成了多少预算的工作 (实际完成的工作,按照预算标准应该有的花费)以上三个指标是成本管理最基本的三个概念: BAC Budget cost at completion:完工预算 全部工作的预算是多少?按照原计划,完成

MySQL 各种超时参数的含义 今日在查看锁超时的设置时,看到show variables like '%timeout%';语句输出结果中的十几种超时参数时突然想整理一下,不知道大家有没有想过,这么多的timeout参数,到底有什么区别,都是做什么用的呢? MySQL [(none)]> show variables like '%timeout%'; +------------------------------+----------+ | Variable_name | Value | +

CV界的明星人物们 来自:http://blog.csdn.net/necrazy/article/details/9380151,另外根据自己关注的地方,加了点东西. 今天在cvchina论坛上看到的一篇帖子,总结了当前CV界最火的一些人.列举的比较全面了.bfcat还想补充几个,加在后面了. CV人物1:Jianbo Shi史建波毕业于UC Berkeley,导师是Jitendra Malik.其最有影响力的研究成果:图像分割.其于2000年在PAMI上多人合作发表”Noramlized c

        CV人物1:Jianbo Shi史建波毕业于UC Berkeley,导师是Jitendra Malik.其最有影响力的研究成果:图像分割.其于2000年在PAMI上多人合作发表”Noramlized cuts and image segmentation”.这是图像分割领域内最经典的算法.主页:www.cis.upenn.edu/~jshi/ 和www.cs.cmu.edu/~jshi/ (补充:Jianbo Shi还有一个经典的工作就是KLT点跟踪算法,虽然KLT三个字母里面没

工作中遇到 else if( (s_buf.st_mode&S_IFMT) == S_IFDIR) return 2; else if( !(s_buf.st_mode&S_IFREG) || access(file, W_OK) == -1) return 0: return 1;     来了解一下stat结构体 sturct stat 结构体中 st_mode 的含义 2013-03-15 22:02 4346人阅读 评论(5) 收藏 举报  分类: 系统编程(17)  在<s

linux在执行完一条命令后,使用 echo $? 会显示上一条命令是否执行成功,相关状态码如下 0为成功 表格 D-1. "保留的"退出码 退出码的值 含义 例子 注释 1 通用错误 let "var1 = 1/0" 各种各样的错误都可能使用这个退出码, 比如"除0错误" 2 shell内建命令使用错误(Bash文档上有说明)   很少看到, 通常情况下退出码都为1 126 命令调用不能执行   程序或命令的权限是不可执行的 127 "

一.C/C++语言 struct深层探索 1.自然对界 struct是一种复合数据类型,其构成元素既可以是基本数据类型(如 int.long.float等)的变量,也可以是一些复合数据类型(如 array.stuct.union等)的数据单元.对于结构体,编译器会自动进行成员变量的对齐,以提高运算效率. 缺少情况下,编译器为结构体的每个成员按其自然对界(natural alignment:即默认对齐方式,是指按结构体成员中 size最大的成员对齐)条件分配空间.各个成员按照它们被声明的顺序在内存

tomcat每次启动时,自动在logs目录下生产以下日志文件,按照日期自动备份   localhost.2016-07-05.txt   //经常用到的文件之一 ,程序异常没有被捕获的时候抛出的地方 catalina.2016-07-05.txt  //经常用到的文件之一,程序的输出,tomcat的日志输出等等 manager.2016-07-05.txt //估计是manager项目专有的 host-manager.2016-07-05.txt//估计是manager项目专有的 localho