误差与不确定度知识 整理，可用思维导图文件打开

高分辨率ADC应用中的闭环增益误差和闭环带宽限制的考虑.docx

图像运动补偿编码，包含了对于视频中连续两帧的帧间预测，给出了后一帧对于前一帧的分块运动向量和误差，并对运动向量霍夫曼编码，误差量化编码。

提出了一种基于最小二乘法的加速度传感器误差补偿方法，用来提高列车横向加速度的检测精度。利用正弦信号对加速度传感器进行了性能测试，确定了放大器倍数，证实了加速度传感器输出信号在波峰和波谷处误差最大，误差与输入加速度信号的幅值成正比，与输入加速度信号的周期成反比。为了减少误差，对加速度传感器进行了误差补偿，推导了补偿器的数学模型，使用最小二乘法对模型参数进行了辨识，求出该模型最优的待定常量，确定了补偿器模型。针对典型的列车横向加速度检测系统，以采集的列车横向加速度为输入信号，利用实验来验证补偿器的有效性。实验结果表明，经过补偿后，加速度传感器输出信号误差明显减少，均方误差收敛到10－4。传感器的测量精度有了显著提高，完全满足工程要求。

为对传感器进行非线性校正以进一步提高其测量精度，提出了基于神经网络的校正办法。理论分析了传感器非线性误差的复杂性，并以位移传感器标定为例，详细介绍了传感器非线性校正的过程和方法。采用了最小二乘拟合、BP神经网络以及RBF网络三种方法进行校正，设计并实现了RBF网络的校正模型。实验结果证明，RBF网络的校正方法比BP网络校正方法精度提高了约44%，其补偿效果更优，且其在传感器种类变化或环境影响较大的情况下比最小二乘拟合更具非线性补偿优势。

nara_wpe 语音混响的加权预测误差 由外壳中的反射引起的背景噪声和信号混响是声信号处理和远场语音识别中的两个主要障碍。 这项工作解决了基于WPE的信号去混响技术，用于语音识别和其他远场应用。 WPE是一种令人信服的算法，它可以基于长期线性预测来盲目地消除声学信号。 主要算法基于以下论文：吉冈，拓，和中谷智宏。 “用于盲MIMO脉冲响应缩短的多通道线性预测方法的推广。” IEEE音频，语音和语言处理交易20.10（2012）：2707-2720。 内容 迭代脱机WPE /块在线WPE /递归帧在线WPE 所有的算法都在Numpy和TensorFlow中实现（适用于1.12.0版）。 经过Python 2.7、3.5和3.6的持续测试。 自动生成的文档： 模块化设计，方便进行更改以进行进一步的研究 安装 如果您只想使用它，请直接通过Pip安装它： pip install na

这是《测量平差与误差理论基础》详细手写笔记，属于原创，弥补测量平差网上资源少的问题，可供大家参考和学习。

透镜中心误差国家标准GB7242-1987

获得泽尼克多项式的频谱信息是正确利用该多项式进行误差拟合的关键。推导出了泽尼克多项式的傅里叶变换公式,在频域中分析了不同阶数该多项式的径向频谱信息和幅角频谱信息,得到了有限项泽尼克多项式能够有效表达面形误差的最大径向空间频率和角频率。基于频域分析理论,利用泽尼克多项式对不同口径局部误差进行了拟合,并利用齐戈(Zygo)干涉仪对带有不同面形误差的光学元件进行了试验分析。结果表明,当误差的径向空间频率或角频率超出泽尼克多项式所能表达的频谱范围时,拟合误差迅速变大。

计算机视觉中三维位置信息的误差估计.pdf