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。

在Wang等给出的组合惩罚函数的基础之上，将SCAD惩罚部分推广到一般的非凸惩罚的形式，利用岭回归在解释变量相关度较高情形下的良好表现，提出一种推广了的组合惩罚．在参数个数发散的情形之下，利用贝叶斯信息准则(BIC)来选择调整参数，能同时完成变量选择和参数估计．而且还可以证明在合适的条件之下，这种估计具有Oracle性质．模拟研究的结果证明了所提出的方法在预测变量具有强相关性之下的优势．

基于MATLAB的OFDM多普勒频移估计算法仿真分析.pdf

MATLAB峭度代码

针对在任意阶正交幅度调制(M-QAM)的相干光通信系统中发射激光器与本振激光器之间存在频率偏差的问题，提出了一种基于幅度比值的低复杂度频偏估计算法。该算法先对接收信号做快速傅里叶变换(FFT)，再利用所获得的离散谱中主峰值与次峰值的关系进行频率插值，从而对频偏进行精确估计，大幅减少了运算复杂度。仿真了算法在20 Gbaud 16QAM 的单偏振传输系统中的性能，并与梯度下降法(GD)和调频Z 变换(CZT)的频偏估计算法进行了对比，仿真结果显示，基于幅度比值的频偏估计算法性能不随被估计信号的频率分布而产生波动，而且与3次迭代的GD 算法和CZT算法精度相当，但硬件复杂度降低了约75%。

人体姿态估计hrnet转onnx后的模型，精确度和转换之前的pytorch模型验证丝毫没有下降。

原模型为pytorch转后得到的onnx文件hrnet_coco_w32_256x192.onnx，用的coco val数据集做的量化，输入为（1，3，256，192），输出为（1，17，64，48）的关键点热图，后面通过高斯化函数可得到关键点，结果经测试。

针对整数倍频偏会造成OFDM码元序列的循环移位而导致系统性能下降的问题，提出一种新的OFDM整数倍频偏的频域估计算法。利用一个OFDM码元中各子载波上数据符号之间的差分关系和最大似然（ML）估计理论，导出了该整数倍频偏的ML估计器的估计公式。新算法在不增加算法复杂度的条件下，频偏估计性能优于传统方法。