matlab代码，该代码包括锂离子电池实验数据，对于没有实验数据的用户十分友好，实验数据里有SOC-OCV曲线，以及实验室测量的电流电压。本代码采用了两个卡尔曼滤波器来完成SOC的估计，并与单独的卡尔曼滤波做了对比。代码的中文注释比较详细，帮助读者理解以及进行二次开发。程序可以完美运行，需要注意的点是先将文件里的数据导入matlab的工作空间，如有问题可在该页面下方进行评论或者私信我。

采用二阶RC模型，需要代入自己的数据的地方： R0 = @(x)(-0.07495*(x(4))^4+0.2187*(x(4))^3-0.1729*(x(4))^2+0.01904*(x(4))+0.1973); R1 = @(x)(0.07826*(x(4))^4-0.2208*(x(4))^3+0.217*(x(4))^2-0.08761*(x(4))+0.01664); R2 = @(x)(0.1248*(x(4))^4-0.2545*(x(4))^3+0.1254*(x(4))^2-0.03868*(x(4))+0.05978); C1 = @(x)(2431*(x(4))^4-4606*(x(4))^3+3084*(x(4))^2-589*(x(4))+209.8); C2 = @(x)(681.1*(x(4))^4-3197*(x(4))^3+4595*(x(4))^2-3114*(x(4))+1444);

相关向量机(RVM)的matlab源程序，包含快速算法，内含代码使用说明。 RVM采取是与支持向量机相同的函数形式稀疏概率模型，对未知函数进行预测或分类。 优点： (1) 不仅仅输出预测目标量的点估计值,还可以输出预测值的分布. (2) 使用更少数量的支持向量,从而显著减少输出目标量预测值的计算时间. (3) RVM不需要估计过多的参数. (4) RVM对是否满足Mercer 定理的核函数没有限制,适应性更好

在样本抽样过程中，怎样抽取分布函数的参数是统计学当中比较常用需要的解决方法，这里提供了运用MH算法抽取二元分布函数的两个参数的样本，通过模拟效果还可以。读者，根据自己的需要修改函数和参数即可。

宽带无线通信仿真，有关于瑞丽信道建模，导频信道估计，理想信道估计，最大比合并与等增益合并，直接序列扩频

程序说明 MATLAB中程序部分 x=ncx2rnd(6,8,20,1) kafangnc=project(x) 输入以上程序即可得到随机数列的n，v的估计值

采用无极卡尔曼滤波来估算电池SOC，在Simulink中搭建ukf的模型

针对现有双边滤波算法参数设定复杂、不具通用性等问题,提出一种基于参数估计的双边滤波算法。该算法从计算图像噪声水平和边缘强度出发,在弱纹理区域采用PCA对图像的噪声水平进行估计;利用Sobel算子检测出图像的有效边缘,并对其强度水平进行定义,进而在最佳峰值信噪比准则下自适应设置滤波参数的空间标准偏差和亮度标准偏差,从而得到自适应双边滤波器。最后,对本文滤波结果进行主客观质量评价。研究结果表明:本文算法是有效的

matlab中的pinv代码快速耐用PCA的IRCUR 这是Matlab的快速非凸鲁棒主成分分析（RPCA）算法的仓库，它被称为迭代鲁棒CUR（IRCUR）[1]。 为了正确显示数学符号，可能必须安装MathJax插件。 例如， 。 稳健的主成分分析 在此项目中，我们将重点放在完全观察到的设置下的RPCA问题上，即分离\ mathbb {R} ^ {m \ times n} $中的低秩矩阵$ L \和\ mathbb中的稀疏离群矩阵$ S \ {R} ^ {m \ timesn} $，根据它们的总和$ D = L + S $。 加速的关键思想 我们使用快速CUR分解代替低秩逼近，并重新设计了经典交替投影框架中的所有昂贵步骤，以将计算复杂度降低至$ O（\ max \ lbrace m，n \ rbrace r ^ 2 \ log（m） \ log（n））$翻牌圈。 更多细节可以在我们的论文中找到[1]。 Syntex 使用所有默认参数： [C, pinv_U, R, ircur_timer, ircur_err] = IRCUR( D, r, ''); 使用自定义参数： para.be

此程序描述基于最大似然准则的频率估计。该算法可以估计短突发信号的载波频偏，这种算法估计的精确度高。