被动目标跟踪不相关转换非线性滤波研究，郗瑞卿，兰剑，针对被动目标系统中的非线性估计问题，本文采用最近提出的不相关转换滤波（Uncorrelated Conversion Based Filter , UCF）非线性估计器，对运动

在车道偏离预警、防止及车道保持等基于机器视觉的驾驶安全辅助系统中，为解决单一直线模型无法预估道路曲率，而曲线拟合方法计算量大等问题，应用车道线直线模型，提出了一种基于远端直线拟合的弯道曲率估计方法，其特征在于车道线仍使用全局直线描述，估计曲率时对远端候选点进行直线拟合．由于保证了较多的候选点数量且使用Hough变换检测直线，以及利用跟踪、滤波等方法，算法在保证车道线检测鲁棒性的同时，基于远端直线拟合方法实现了对弯道曲率的相对定量估计．采用装有全球定位系统(GPS)的实车试验进行验证，结果表明：所提方法在增

中文为旋转因子不变法，该类算法包括ESPRIT、MUSIC等等。 其核心思想：基于相位的处理，由于相位=频率*时间差；因此可以测量角度的算法，都可以测量频率

对噪声背景中插值FFT 方法估计正弦信号频率的精度进行了研究，导出了不加窗和加Hanning 窗时频 率估计均方根误差与信噪比及FFT 长度的关系式；分析了不加窗情况下当信号频率接近FFT 频率分辨率!f 的整数倍 时，由于插值的方向错误对频率估计精度的影响；指出了不加窗时该方法在噪声背景中的频率估计误差远远大于文 ［2］中用一个特定的纯测试信号得到的结果；讨论了加窗对频率估计误差的影响. 最后给出了Monte CarIo 模拟实验与 理论分析的对比结果.

matlab中的gompertz代码介绍： 随机多方扰动 (RMP) 允许每个参与者通过非线性函数传递数据并使用参与者特定的随机矩阵将数据投影到较低维度来扰乱他/她的表格数据。 我们基于随机化的方案在两个阶段扰乱数据：第一个非线性阶段阻止贝叶斯估计攻击，而第二个线性阶段阻止独立分量分析攻击。 对于非线性扰动阶段，提出了一种新的非线性函数，称为“重复 Gompertz”函数。 该函数旨在调节受扰数据的 pdf，以保护异常和正常数据记录。 我们的方案是根据其对最大先验（MAP）估计攻击的恢复抵抗力来评估的。 对于异常检测，使用了堆叠去噪自编码器 (DAE)。 自编码器的超参数是根据验证集的最佳性能设置的。 每个数据集中的特征值被归一化为 [0, 1] 并与 5% 的异常记录合并，这些异常记录分布在 [0, 0.05] 或 [0.95, 1] 之间。 异常由自动编码器根据训练记录的输入和输出之间的平均绝对误差 (MAE) 进行识别。 根据三西格玛规则，一种众所周知的异常检测措施，重建误差预计为高斯分布，因此99.73%的误差值预计在阈值\mu(e) + 3\sigma(e ）。 大于阈值的错

这是一个基于空时分组编码的MIMO_OFDM通信系统的仿真设计。此系统包括QPSK调制解调，IFFT调制，空时编解码，基于训练符号的信道估计等通信模块。

中值过滤代码matlab 光场深度估计 该工具包含一些光场深度估计方法。 如何使用 运行main.m （此软件已在带有Windows 10 64位环境的Matlab 2016a上进行了测试） 参数data_type选择数据集。 data_type = 1新的基准数据集 Honauer, Katrin, Ole Johannsen, Daniel Kondermann and Bastian Goldluecke. A Dataset and Evaluation Methodology for Depth Estimation on 4D Light Fields[C]// Asian Conference on Computer Vision. Springer, Cham, 2016: 19-34. data_type = 2旧基准数据集 Wanner, Sven, Stephan Meister and Bastian Goldluecke. Datasets and Benchmarks for Dens-ely Sampled 4D Light Fields [C] // P

matlab开发-速度估计的数值方法。用几种不同的方法进行数值微分。

DeepLabCut：无需标记的深度学习(动物)姿态估计与行为跟踪

基于贝叶斯估计的图像去噪算法研究，简单介绍一般图像去噪方法，详细介绍贝叶斯模型以及用于小波去噪的方法