离散信源的平均信息量（熵） ----------指每个符号所含信息量的统计平均值。 设离散信源是由一个M符号组成的集合，其中每个符号xi(i=1,2..M)按一定概率p(xi)独立出现，即 ，且有 则x1, x2.. xn 所包含的信息量分别为：-log2 P(x1), -log2 P(x2)，…-log2 P(xn)。 ， 则该信源的平均信息量为:H(x)=p(X1)I1+P(X2)I2+P(X3)I3+ 比特/符号（bit/symbol） 显然，等概时，熵有最大值： 即等于每个符号的信息量。

用vb编写的滑动平均差值差值的程序，希望对大家有所帮助

项目请参见：https://handsome-man.blog.csdn.net/article/details/116427984

通过simulink搭建的滑动平均滤波Moving Average，模型中有说明，想要取n个数的滑动平均值，直接修改n值即可。（纯simulink模型，非代码）

matlab开发-平方变换的加权平均法。函数提供了求解线性系统的LU因子。

一次性求取平均距离、方差 标准差 在调试菜单输入文件地址

本文研究旋转机械非稳态信号的分析方法。对等时间间隔采样的齿轮箱振动信号，利用插值算法实现角城重采样。为了抑制与工频无关的噪声信号以提高信噪比，对重采样信号进行了角城平均。将倒频分析引入阶次分析中，以检测出功率谱中难以辨识的周期性。以上方法成功地识剐了齿根裂纹故障，说明了对旋转机械非稳态信号进行角域平均和倒阶次谱分析的可行性和有效性。

加权平均法图像融合算法的原理就是：对原图像的像素值直接取相同的权值，然后进行加权平均得到融合图像的像素值，举例说比如要融合两幅图像A，B，那它们的融合后图像的像素值就是A*50%+B*50%，就这么简单。

bootstrap 是一种通过独立地以相等的概率（蒙特卡罗重采样）重新采样单个数据集来估计统计量可变性的方法。 允许估计潜在分布未知或样本量较小的度量。 他们的结果与这些分析方法的统计特性一致。 在这里，我们使用非参数 Bootstrap。 非参数引导程序更简单。 它不使用模型的结构来构建人工数据。 向量 [yi, xi] 改为直接用 replecement 重新采样。 参数由这些对构成。 当回归方程中的两个变量是随机的并且存在误差，即不受研究者控制时，应使用模型II 回归。 当变量都包含误差时，使用普通最小二乘法的模型 I 回归低估了变量之间线性关系的斜率。 根据 Sokal 和 Rohlf (1995) 的说法，模型 II 回归的主题是一个研究和争议仍在继续并且难以提出明确建议的主题。 BOOTGMREGRESS 是一个 bootstrap Model II 程序。 在计算斜率

信号处理，图像性能指标评价，求图像的平均梯度