通过分析现有图象雅可比矩阵的在线辨识方法, 提出一种新的辨识思路。将雅可比矩阵的在线
估计转化为系统的状态观测, 并设计了相应的Kalman-Bucy滤波估计算法。以双目立体视觉反馈下的
运动目标跟踪任务为例, 通过仿真和实验说明了所提出方法的有效性。

第4章行人步频探测和步长估计 第4章行人步频探测和步长估计 在行人航迹推算PDR算法中，步行速度和距离的确定，不再使用惯性导航 对加速度积分的方法，而是利用步态信号的周期性和信号统计特征与行走速度相 关的规律，采用步频探测和步长估计的方法。本章将回顾目前存在的步行速度和 距离估计算法，介绍基于多传感器平台MSP加速度计的步频探测算法和步长模 型，详细说明引入肌电信号EMG进行步频探测和步长估计的方法，并通过大量 的实验论证各种算法和模型的有效性。 4．1 传统步频探测算法和步长估计模型 如第二章介绍，在个人导航中，当GPS接收机无法正常工作时，使用自包 含传感器来辅助导航定位任务。传统惯性积分机制因为低成本加速度计的误差太 大而不可用，必须考虑其它替代方法。于是有学者根据行人步态的运动生理学特 性，提出了通过步频探测和步长估计间接地确定步行速度和距离的方法，从而避 免了积分机制对初始对准过程的苛刻要求和误差随时间累积的弊端。 然而，尽管加速度信号波形随着个人行走呈现出周期性的特征，加速度计放 置在人身上不同部位其波形和周期明显不同，如上半身的加速度波形没有stance 阶段，下半身的加速度信号具有双峰等。首先明确复步和单步的定义。复步 (Stride)，又叫跨步，其步长指从一只脚脚后跟着地到相同脚再次着地的距离。 单步(Step)，其步长指一只脚着地到另一只脚着地之间的距离。1个复步等同于 1个完整步态(Gait Cycle)，等于2个单步(Chai，2004)。当加速度计放置在人 上半身时，其测量的信号表现出与单步对应的波形，而放置在下半身时，其测量 的信号波形随该条腿对应复步变化，可参考图2．7。 由于加速度计测量的信号包含地球重力分量，受到仪器测量噪声和行走时身 体抖动的影响，开始步频探测前，一个必要步骤为信号预处理，剔除重力分量， 消除噪声，使加速度波形特征变得更清晰，如一个跨步对应信号经过降噪后从多 峰变为单峰。常用的预处理方法有：多点平滑(Fang et al，2005)，低通滤波(Jee et al，1999：Mezentsev，2005b)，差分处理(Weimann et al，2007)，小波去噪 (Ladetto，2000)等。 针对人身体不同部位加速度波形不同的特点，目前存在大量步频探测方法， 但是部分步频探测算法应用于具体某一类波形。目前常用的步频探测算法有： 峰值探测法(Peak Detection)：针对人体行走时上半身加速度信号每步呈现 39

本论文对比了欧洲标准DVB-T以及国家标准DTMB。主要是其中物理层信道估计和均衡算法的研究。

使用基于PCA的噪声水平估计进行图像拼接定位

洪水频率分布 (FFD) 是免费软件，用于分析洪水并估计不同重现期的分位数1- 在 FFD 2.0 中，我们引入了十 (10) 个概率分布： 正态分布、对数正态分布 (2p)、Gumbel 分布Racine-Normal 分布、(GEV) 分布、Gamma 分布 (2p)、Log Pearson 3 分布、Goodrich 分布、LogNormal (3P) 和 Weibull 分布 (2p) 2-在FFD 2.1中，一些分布的参数估计方法可以是： a- 力矩法或 b- L-力矩法3-分位数的结果估计的下限和上限为 95%（古德里奇分布除外）。 4-Quantile-Quantile 图 (QQ-plot) 与相关系数 R 一起显示。 5-显示分位数和观察数据之间的均方根误差 (RMSE)。 6-回报期为：2、5 10、20、50 100、500、1000和10000年7-在excel文件

最小二乘法用于参数估计，用于检测和参数估计.c语言实现。用六个方程估计3个参数。

高速移动下的无线宽带通信要经历时间和频率的双选择性衰落,为了使发送的数据经过衰落的信道后在接收端被正确地接收,必须要对信道状态信息进行估计。本文根据双选信道在时延-多普勒域具有稀疏性,研究了OFDM系统中基于压缩感知的双选信道估计。为了克服信道的双选特性对信道估计造成的不稳定性,采用了正则正交匹配追踪(Regularized Orthogonal Matching Pursuit,ROMP)算法对信道进行估计。理论分析和仿真结果表明,与传统的最小二乘算法比较,在获得同样估计性能的条件下,采用ROMP算法和OMP算法需要的导频数大大减小;而且采用ROMP算法的信道估计要比OMP算法更加稳定,在同等条件下信道估计性能更好。

基于深度学习的深度估计或vo中性能评估指标，rel、rmse、log10等

贝叶斯估计 贝叶斯估计 贝叶斯估计 贝叶斯估计 贝叶斯估计

对同类通信辐射源个体识别方法进行了深入的研究，提出了基于局部围线积分双谱的通信辐射源个体识别算法，融合了辐射源调制特征参量作为分类特征向量，采用了基于混合核函数的支持向量机（SVM）实现辐射源个体识别。实验结果表明，该方法具有较高的正确识别率（90%以上），并能够较好地解决同型号、同批次通信辐射源的个体识别问题。