这是培生经典书，关于自适应、最优估计、最优控制。书名副标题GPC是广义预测控制之意。书是扫描版，但很清楚。作者是牛人bitmead。对于那些关心卡尔曼滤波的人来说，这也是基本参考。作者在其课程中多处引用他自己的这本书，牛人看来都相信自己！

三种相干信源DOA估计算法的性能分析，王曹莉，杨常伟，本文分析了前后向空间平滑算法，虚拟平移整个天线阵法，信号特征矢量法三种去相关预处理方法，从基本原理和仿真结果两个方面分析

该脚本通过 Kozachenko-Leonenko 方法计算一维日期的熵点估计。

使用多种群遗传算法进行DOA估计, 可以避免常规遗传算法容易陷入局部解的问题

改文件包中包含EM算法，已经使用GMM算法进行参数估计，并同时示例进行分类训练和预测

LASOR: Learning Accurate 3D Human Pose and Shape Via Synthetic Occlusion-Aware Data and Neural Mesh Rendering

高压线路的电阻、电抗和对地电纳在数值上差别很大,常规参数估计方法将其作为独立变量分别估计,导致电 阻、电抗和对地电纳的估计值误差不一致,其中小阻抗的误差常常很大。针对上述问题,提出了一种基于单位长度参数和长度的线路参数估计新模型。其中,状态变量为线路两端的多时段电压幅值与相角,参数变量为线路的单位长度参数和长度。由于引入了长度作为电阻、电抗和对地电纳的公共变量,突出了线路参数整体对潮流状态的影响,因而新模型可以保证线路参数估计值误差的一致性,避免了常规模型中小阻抗大误差的问题。另外,还提出了参数估计的混沌

在数理统计课程中，使用R语言，进行区间估计。在数理统计课程中，使用R语言，进行区间估计。

matlab录入语音信号代码 作者 标题 丹尼尔·莫雷诺·曼萨诺（Daniel Moreno Manzano） 音高估计和发声检测 在本文中，我将解释两种不同方法的发展，以便在语音音频中找到音高，首先区分有声和无声部分。 这些算法将在MATLAB:copyright:中开发。 首先，将对数据进行分析，以便在音频文件数据库中找到要使用的重要参数，并希望了解如何以人的声音音高工作。 在每种方法中，将提出对该思想的简要解释。 此外，还将解释重要的代码部分并公开一些结果。 介绍 两种算法以及分析中处理数据的方式都相同。 音频文件将在32 ms的窗口中进行评估，这是检测仅在浊音部分而不是清音部分的音调的最佳方法。 使用fda_ue数据库（测试数据库）时，窗口将以15 ms的周期移动；使用ptdb_tug数据库（ train数据库）时，窗口将以10 ms的周期ptdb_tug 。 我选择的信号处理方法是： 自相关 零交叉+倒谱 要求：在本项目中，将其视为实验是很重要的，以便了解音高处理和估算。 数据 可以通过下一个Google云端硬盘链接获取所使用的数据： 为了在不更改代码的情况下工作，预定义的目录方案是 . ├──

matlab隶属度代码用于贝叶斯估计（MBE）的Matlab工具箱 概要 这是用于贝叶斯估计的Matlab工具箱。 该代码的基础是在以下论文（Kruschke，2013），书籍（Kruschke，2014）和网站（）中描述的Kruschke R代码的Matlab实现。 该工具箱旨在为用户提供与Kruschke的代码类似的可能分析，但仍使其可在仅Matlab的环境中使用。 另外，将来我将尝试添加其他功能，以使其不仅适用于组比较，而且还适用于其他功能。 程式码范例 本示例使用Kruschke的BEST论文（2013年）中提供的数据。 运行脚本mbe_2gr_example.m。 %% Load some data % EXAMPLE DATA (see Kruschke, 2013) % see http://www.indiana.edu/~kruschke/BEST/ for R code y1 = [101,100,102,104,102,97,105,105,98,101,100,123,105,103,100,95,102,106,... 109,102,82,102,100,1