DML algorithm针对DOA估计

对信号进行相应的操作，比如前期进行检测和估计，然后进行调制。本书基于随机过程，研究了各种估计算法，线性滤波算法是最基本算法之一，对研究非线性算法有着很好的铺垫作用

burg算法对现代谱进行估计伯格算法（burg algorithm)一种直接由已知的时间信号序列计算功率谱估计值的递推算法。由于是J．P·伯格提出的，故得名伯格算法。

波动性已被用作预测伴随资产的风险的间接手段。 波动性解释了回报的变化。 预测波动性一直是金融系统中的一个刺激问题。 该研究检查了不同的波动率估计量并确定了有效的波动率估计量。 该研究描述了预测技术相对于各种波动率估算器的准确性。 波动率估计方法包括Close、Garman-Klass、Parkinson、Roger-Satchell和Yang-Zhang方法，预测是通过ARIMA技术完成的。 该研究评估了各种波动率估计器的效率和偏差。 基于 ME、RMSE、MAE、MPE、MAPE、MASE、ACF1 等各种误差测量参数的比较分析给出了预测的准确性，并使用最佳波动率估计器。 在 10 年的时间里对五个波动率估计器进行了分析，并对波动率预测进行了严格审查，该研究将帕金森估计器视为最有效的波动率估计器。 基于各种误差测量参数，在通过 ARIMA 技术进行预测时，帕金森估计器被认为是比任何其他基于 RMSE、MPE 和 MASE 的估计器更准确的估计器。 该研究表明，基于 MAE 和 RMSE 的值，预测值是准确的。 本研究是为了满足交易者、期权从业者和股票市场的各种参与者对了解有效波动率估计器以高精度预测波动率的需求而进行的。

最大后验估计讲得很好，很容易理解二值特征时MAP 的重要性。 其中的例子很形象。

基于卫星通信快速、准确捕获载波频率的需求，提出了一种根据反余弦函数的大载波频偏估计算法。
通过详细的理论推导和仿真验证，表明了该算法抗噪声能力强、频偏估计范围大、估计精度高以及易于实现
的良好性能。

3 matlab噪声的自相关函数和功率谱密度及功率谱估计

kmeans EM 估计算法 在原本的EM上结合Kmaens做了优化

用于快时变信道的信道估计算法，基于BEM实现

普通的 DQN 算法通常会导致对值的过高估计，通过神经网络估算的Q值本身在某些时候会产生正向或负向的误差，在 DQN 的更新方式下神经网络会将正向误差累积。对于动作空间较大的任务，DQN 中的过高估计问题会非常严重，造成 DQN 无法有效工作的后果。 为了解决这一问题，Double DQN 算法提出利用两个独立训练的神经网络估算值函数，将训练网络作为 Double DQN 算法中的第一套神经网络来选取动作，将目标网络作为第二套神经网络计算值，极大的缓解了DQN过估计的问题。 这个程序完整实现了DoubleDQN算法，并且在Pendulum-v0环境上验证了过估计问题，可以从实验结果中看出，DoubleDQN确实缓解了DQN的过估计问题。