极大似然估计（RML）辨识仿真MATLAB程序

粗略了解最优估计理论的基本框架和内容。

针对大型网络中效率计算时间复杂度高、计算耗时长的问题，提出一种基于分形特性的网络效率估计方法。利用复杂网络拓扑结构的分形特性，分析网络效率与节点关联和的关系，用部分节点关联和来估计网络全局效率。此外，为了快速判断复杂网络的分形特性，提出基于节点关联和的分形特性判别方法。在构造网络和真实网络中进行实验分析，结果表明，所提方法能准确有效地估算网络全局效率，比原始的网络效率计算方法可缩减不低于90%的计算时间。

此函数提供了时变维纳滤波器的实现。 这种维纳滤波器可以处理非平稳信号。 给定噪声信号和参考信号，维纳滤波器可以应用于噪声信号以估计与参考信号相干的贡献。

频率估计的某种算法，精度较高，易于使用。

在快速傅里叶变换(FFT)粗估计的基础上，通过曲线拟合，得到一种实现简单的次优高精度频率估计算法。现有的精确估计算法多采用FFT输出的幅度信息，或是FFT的复数输出进行精确估计。本文提出了利用幅度平方信息做精确估计的算法，有效地简化了运算复杂度，实现结构简单。通过仿真验证了本算法在低信噪比下也具有较高的估计精度。

范特里斯的经典著作，检测调制理论

基于UKF-AUKF锂电池...线参数辨识和SOC联合估计_卢云帆.caj

DFA 算法是一种用于估计长期时间相关性的标度分析方法。 描述：去趋势波动分析（DFA）算法是一种缩放分析方法，用于估计幂律形式的长期时间相关性。 换句话说，如果事件序列具有自相关缓慢衰减的非随机时间结构，则 DFA 可以量化这些相关衰减的速度，如 DFA 幂律指数所示。 我们在这里介绍了作为神经生理学生物标志物工具箱的生物标志物实现的 DFA 算法。 您可以在http://www.nbtwiki.net下载此工具箱。 关于去趋势波动分析的教程可以在这里找到： http ://www.nbtwiki.net/doku.php? id= tutorial:detrended_fluctuation_analysis_dfa

基于变分贝叶斯期望最大化（VBEM,variational Bayes expectation maximization）算法和Turbo原理，提 出了时变信道条件下MIMO-OFDM系统中的联合符号检测与信道估计算法。设计的软入软出空时检测器在采用 列表球形译码避免穷尽搜索的同时，考虑了信道估计误差方差矩阵的影响;利用空时检测获得的发送信号后验概率 分布估计，推出了新的Kalman前向后向递归信道估计器。仿真结果表明，在时变多径信道条件下，提出的算法 比传统EM算法和面向判决算法更加具有顽健性。