matlab离散傅里叶变换平滑代码数字信号处理实验室代码 Matlab代码，用于DFT，IDFT，脉冲，采样定理，自相关，线性和圆形卷积等功能。 DFT 离散傅里叶变换（DFT）是用于数字信号处理中数值计算的主要变换。 它非常广泛地用于频谱分析，快速卷积和许多其他应用。 DFT将N个离散时间样本转换为相同数量的离散频率样本，并定义为 DFT之所以被广泛使用，部分原因是它可以使用快速傅立叶变换（FFT）算法非常有效地进行计算。 代号 逆DFT（IDFT）将N个离散频率样本转换为相同数量的离散时间样本。 IDFT的形式与DFT非常相似，因此也可以使用FFT高效地进行计算。 冲动 在信号处理中，动态系统的脉冲响应或脉冲响应函数（IRF）是动态系统的输出，当出现短暂输入信号（称为脉冲）时。 更一般地，脉冲响应是任何动态系统对某些外部变化的React。 采样定理 连续时间信号可以在其样本中表示，并且可以在采样频率fs大于或等于消息信号的最高频率分量的两倍（即fs≥2fm）时恢复。 自相关 自相关，也称为串行相关，是信号与自身的延迟副本之间的相关关系，它是延迟的函数。 非正式地，这是观察之间的相似

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

(完整版)基于MATLAB的快速傅里叶的非线性薛定谔方程.ppt

模拟图像处理(Analog image processing)； 模拟处理包括：光学处理（利用透镜）和电子处理，如：照相、遥感图像处理、电视信号处理等，电视图像是模拟信号处理的典型例子，它处理的是活动图像，25帧/秒。

The Bayesian method is the natural approach to inference, yet it is hidden from readers behind chapters of slow, mathematical analysis. The typical text on Bayesian inference involves two to three chapters on probability theory, then enters what Bayesian inference is. Unfortunately, due to mathematical intractability of most Bayesian models, the reader is only shown simple, artificial examples. This can leave the user with a so-what feeling about Bayesian inference. In fact, this was the author's own prior opinion.

分数阶傅立叶变换 分数阶傅立叶变换 分数阶傅立叶变换

matlab傅里叶描述子代码信息 使用傅立叶变换和互信息进行形状识别。 以下论文使用了该仓库中的Matlab和C ++代码： N Govender，J Warrell，P Torr和F Nicolls，“使用傅立叶描述符和互信息的2D主动形状识别的概率模型”，计算机科学进展，土耳其伊斯坦布尔，2014年8月22-23日，第69-74页

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。

适用于初学者的数据库课件，根据数据库原理课程，由范明叶阳东编写。

k-means聚类算法及matlab代码贝叶斯非参数小方差渐近聚类 这是贝叶斯非参数小方差渐近聚类算法库：DP均值，动态均值，DP-vMF均值，DDP-vMF均值。 出于比较原因，该库还实现了k均值和球形k均值。 该库带有一个可执行文件，该可执行文件允许使用DP-vMF-means，DP-means，球形k-means和k-means进行批量聚类。 示出了算法的简单性。 有关使用DDP-vMF-means的示例，请参考，该文档依赖于此程序包的dpMMlowVar库使用DDP-vMF-means从Kinect RGB-D流执行实时方向分割。 如果您使用DP-vMF手段或DDP-vMF手段，请引用： Julian Straub, Trevor Campbell, Jonathan P. How, John W. Fisher III. "Small-Variance Nonparametric Clustering on the Hypersphere", In CVPR, 2015. 如果您使用动态均值，请引用： T. Campbell, M. Liu, B. Kulis, J. How