利用MATLAB实现了基于互质阵的DOA估计，相比于传统的DOA算法，基于互质阵的DOA估计能够实现自由度的扩展，提高分辨能力

基于边缘检测的3D-HEVC深度图运动估计算法

将Copula 理论引入分布估计算法的研究中, 并在估计概率模型时分两个步骤进行: 1) 估计各变量的边缘分 布函数; 2) 构造经验Copula 函数或正态Copula 函数. 根据Copula 函数和各边缘分布进行采样, 在简化估计模型运算 复杂度的同时, 充分反映了变量之间的关系. 仿真实验验证了该算法的可行性和有效性..

一阶前向预测的DOA估计算法MATLAB程序，编译通过。

准确的时延估计（Time Delay Estimation，TDE）是基于到达时间差（Time Difference of Arrival，TDOA）的声源定位技术的前提.在众多时延估计算法中，广义互相关（Generalized Cross Correlation，GCC）算法因其较低的运算复杂度和易于实现的特点得到了广泛的应用.针对不同的噪声情况，GCC时延估计算法利用不同的加权函数来抑制噪声干扰.本文在介绍麦克风阵列模型和GCC时延估计算法的基础上，针对GCC算法的弊端提出了一种改进算法，并在多种信噪比条件下，对部分加权函数的GCC时延估计算法进行了MATLAB仿真，通过比较其时延估计性能和声源定位精度，分析了这些加权函数各自的优劣性.

现有的DOA估计算法都是基于较为理想的模型提出的,在实际工程中,这些算法的性能受快拍数少、阵列误差的影响会严重恶化.针对这一问题,文中提出一种稳健的未知信源数目的DOA估计算法.该算法先利用投影变换技术对阵列接收数据进行预处理,抑制模型误差并降低数据维数,从而提高算法的稳健性并减少计算量,然后根据变换后的m-Capon算法空间谱函数估计DOA.仿真结果表明:该方法在快拍数少、系统误差不大(小于10%)的情况下依然具有一定的方位“超分辨”能力,而且有较强的稳健性,性能远优于现有的MUSIC算法和对角加载m-

分布式估计算法举例 重复以上步骤 从示例中可以看出，所谓的分布估计算法就是一个不断地更新概率模型，使概率模型越来越能反映优秀个体的分布的过程。

Keywords: passive localization; direction-finding (DF); crossing localization; weighted maximum likelihood estimation (WMLE); error analysis

信号检测与估计三卷全Steven M. Kay 统计信号处理基础--估计理论 统计信号处理基础--检测理论 统计信号处理基础--算法开发

MUSIC角度估计算法Matlab仿真