针对分数阶傅里叶变换（FRFT）对Chirp信号进行多径时延估计时的不足，改进了一种按照多径分量能量大小依次消除的FRFT多径时延估计算法。该算法以迭代方式进行，按多径分量的能量大小依次返回多径分量的估计值；在每次迭代中，包含子迭代以准确判定当前分量的多径参数和起止时间，然后利用当前多径参数生成探测信号时域副本，将其从残余信号中减去，达到多径信号的分离。以根据功率时延分布特点拟定的信道模型作为传输环境，对该算法进行了仿真验证。仿真表明，相比于其他三种时延估计算法，改进算法能够更准确地对多径时延进行估计。

Multi-Stage Pose Network

在多输入多输出-正交频分复用(MIMO-OFDM)系统中,通过联合估计信道矩阵和干扰协方差矩阵(ICM)的方法来抑制同信道干扰.首先,利用最小二乘法和残差估计方法获取信道矩阵和ICM的初始估计值;然后,基于Cholesky分解方法对ICM的估计值进行改善,并利用改善后的ICM估计值对信道矩阵估计值进行更新.该方法充分利用了时域和频域中的所有可用信息,提高了信道估计精度,较好地抑制了同信道干扰.仿真结果表明:与其他可实现的非迭代方法相比,该方法所得的信道频率响应估计均方误差性能增益高于2 d B;信干噪比(SINR)越大,比特误码率性能的改善程度越好,并且随着天线数的增多,性能增益也增大.

线性调频连续波激光雷达在光电器件响应速度有限的条件下，要满足较高的距离分辨率的测量要求，就需要比同体制微波雷达大得多的相对带宽。这就导致线性调频连续波微波雷达的距离与速度去耦合方法不能被直接应用。针对探测近距高速运动目标和实时性高的要求，根据激光雷达目标回波的特点，提出了一种快速线性调频信号参数估计方法，利用均匀分成两段的中频信号的傅里叶变换来获取目标的距离与速度信息。在目标距离50 m，速度1000 m/s，中频信噪比为0的仿真条件下，雷达测距误差小于15 mm，测速误差小于10 m/s。仿真实验表明，该方法具有较高的测量精度和较强的抗干扰能力。

为了解决在低照度条件下,可见光成像设备采集的图像亮度低、细节不清晰等问题,提出一种基于亮度通道细节增强的低照度图像处理算法。首先,将图像从RGB转换到Lab颜色模型,将Lab模型中的亮度通道通过指数派生函数校正构造为光照分量,再经过Retinex增强得到初步增强图像。然后,采用结构张量和多尺度引导滤波分别对初步增强图像进行细节提取,并将两种方法提取的细节信息进行了融合。最后,将细节图像和初步增强图像融合得到了目标图像。实验结果主观上得到了亮度合适、细节清晰的增强图像,客观上在亮度失真、信息熵和能量梯度上均有良好且稳定的表现,表明该算法能够有效提高图像的亮度和细节信息,并保持自然的色彩和光照效果。

最大似然法则下的固定相偏估计

OFDM由于其频谱利用率高，成本低等原因越来越受到人们的关注。随着人们对通信数据化，宽带化，个人化和移动化的需求，OFDM技术在综合无线接入领域将越来越受到广泛的应用。 OFDM技术是一种特殊形式的多载波调制技术，OFDM技术尤其适用于多径传播所引起的频率选择性衰落较为严重的宽频带信道上的高速数据传输，OFDM技术在数字广播电视，宽带无线接入系统（IEEE.802.11a, HiperLAN, IEEE 802.16, HiperMAN, ADSL等）标准中得到十分广泛的应用。 OFDM系统有很多优点，为了充分利用OFDM的优势，提高基于OFDM的系统的性能，需要解决制约其发展的一下关键技术。

matlab开发-共胚生成与估计。为硕士论文撰写的Copula函数。

Matlab实现基于EKF(Extended Kalman Filter, 扩展卡尔曼滤波)的无人机姿态估计 使用EKF(Extended Kalman Filter, 扩展卡尔曼滤波)算法来对四旋翼无人机的姿态进行滤波和估计，姿态包括：俯仰角、滚转角、偏航角的角度值和角速度值。前提：角度值无法直接通过传感器直接测得，角速度值可以测得。 代码说明 test1.m：一维线性卡尔曼滤波的例子 jaccsd.m：用于求解EKF算法中的雅克比矩阵 EKF.m：EKF算法仿真程序 仿真结果 说明： 1.仿真软件采用MATLAB2010b 2.控制量和姿态角速度值采用随机生成的数据(使用实际数据更好) 3.仿真过程偶尔会出现错误结果，原因是EKF计算过程中有几率出现奇异矩阵，导致算法无法进行下去

orb算法matlab代码开放的心态 使用ORB-SLAM2和单反相机，一种非常便宜且便携的手势估计解决方案，适用于教育性3d绘画和其他用途。 作者：THE Hack 2019 Dream Blue Team开发人员：@ pityhero233 开发人员须知 由于ORBvocabulary超出了GitHub的最大文件大小，因此已将其从存储库中排除。 请从Vocabulary /文件夹中解压缩它，或从GitHub手动克隆它。 灵感 我们首先从Google听说过这个想法。 是Google Inc.的flipbrush项目，它使用HTC VIVE VR设置进行3D绘画。 它很棒而且很棒，但是超过900美元的成本几乎使它无法适应日常使用。 以前，我们具有制造自动驾驶汽车的经验，我们发现可以在这种情况下将几种用于汽车本地化的算法应用于这种情况，因此我们尝试使用廉价的相机来构建自己的TiltBrush版本。 它能做什么 这是一个概念验证的演示，具有两个不同的后端，使用户能够以毫米级别的精度在不受限制的空间中绘画作品。 我是如何建造的 首先，通过分析GoPro运动相机的开源android客户端，我们