本文是基于随机幅度的改进希尔伯特频谱表示方法（IHSRM）的扩展，该方法是作者先前为模拟具有自然地震记录的非平稳特征的空间相关地震地震动（SCEGMs）而开发的。 实际上，根据基本类型（随机相位方法和随机幅度方法）和矩阵分解方法（Cholesky分解，根分解和本征分解），IHSRM具有各种类型。 为了评估该方法的不同类型对统计误差（即偏差误差和随机误差）的影响，对该方法进行了误差评估。 首先，推导了基于随机相位的IHSRM，并通过理论推导证明了其可靠性。 分别给出了基于随机相位和基于随机幅度的IHSRM的统一公式。 然后，推导了模拟地震运动统计误差的封闭形式解。 通过将封闭式解与估计值进行比较，证明了所提出的封闭式解的有效性。 最后，比较了不同类型的IHSRM的协方差（方差和交叉协方差）的随机误差，结果表明：（1）提出的IHSRM不是遍历的； （2）基于随机幅度的IHSRM比基于随机相位的IHSRM具有更高的协方差随机误差； （3）基于随机相位的IHSRM的协方差随机误差的值取决于矩阵分解方法，而基于随机振幅的协方差的随机误差则不取决于矩阵分解方法。

matlab 均方误差的代码 EKF-2D-SLAM EKF-SLAM步骤 运动更新 运动更新时，固定点坐标不变，所以只需要根据运动方程更新(x,y,α)及其协方差与互协方差即可。 观测到曾经观测过的固定点 这时候依次对观测到的特征点信息进行EKF更新 Landmark observations are processed in the EKF usually one-by-one 观测到新的固定点 这时候观测到新的固定点，需要进行状态增广。根据逆观测方程，使用观测信息推测出新加的增广状态均值与方差，然后加入到总体的状态与协方差矩阵中。 Matlab代码 主文件为slam.m，运行即可。 文档 paper文件夹里面有pdf文档，里面的公式可能会有些许笔误，最新的更新请访问 结果展示 传感器探测范围与路标点 第一次状态增广 状态持续扩大 状态增广已停止 改动 2020/2/21增加了轨迹显示

联合估计条件下多传感器配准误差可观测性问题研究

用阿贝准则判断样本是否存在周期性系统误差的Matlab实现。采用下划线命名法，输入参数为S和样本矩阵，及样本平均值。

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