针对杂波环境下扩展目标形状难以估计、目标跟踪精度低等问题，提出一种自适应估计扩展目标形状的伽玛高斯混合势概率假设密度算法(GGM-CPHD)．该算法将目标的扩展形状建模为椭圆随机超曲面模型，并将其嵌入到GGM-CPHD滤波器中，更新扩展目标的质心、椭圆形状和方向等信息以完成对扩展目标的跟踪．通过杂波环境下未知数目的扩展目标仿真实验，表明了所提出算法在质心状态和椭圆长短轴的估计精度方面要优于传统的基于随机矩阵的伽玛高斯逆韦氏CPHD滤波器．

1. Gamma 分布的特点是两个参数：Shape 和 scale。 2. 对于给定的数据，我们可以使用最大似然法或矩量法来估计形状和尺度。 3. 在这段代码中，我们使用矩量法来估计这些参数。 4. 如果 plotit == 1，该函数将绘制数据的直方图和拟合。 5. 使用 matlab 内置的 trapz 命令对分布进行归一化。

《设计模式:可复用面向对象软件的基础》是引导读者走出软件设计迷宫的指路明灯，凝聚了软件开发界几十年设计经验的结晶。四位顶尖的面向对象领域专家精心选取了具有价值的设计实践，加以分类整理和命名，并用简洁而易于重用的形式表达出来。本书已经成为面向对象技术人员的圣经和词典，书中定义的23个模式逐渐成为开发界技术交流所必备的基础知识和语汇。

Gamma校正的快速算法及其C语言实现,有很经典的算法实现，是不错的参考资料

（3）干涉纹图的生成 interf_SLC 960524.slc 960523.slc 960524.par 960523.par off pwr1 pwr2 int 1 5 rasmph_pwr int pwr1 2500 （4）基线估算————基线估算方法的选择！！ base_init 960524.par 960523.par off int base 2——计算初始基线 （5）平地效应的去除 ph_slope_base int 960524.par off base flt 1 0 rasmph_pwr flt pwr1 2500

生成 Gamma 随机变量“统计分布”，埃文斯，黑斯廷斯，Kong雀，第 2 版， 威利，1993 年，第 75-81 页 输入： (N,M) = 要生成的随机变量数组的大小b = 比例参数 > 0 c = 形状参数 > 0 概率密度函数 (pdf) p(x) = (x/b)^(c-1) * exp(-x/b) / (b * gamma(c)) 其中 gamma(c) 是 gamma 函数（ http://en.wikipedia.org/wiki/Gamma_function ） 伽马分布的基本统计数据平均值 = bc 方差 = b^2 c 生成方法来自http://en.wikipedia.org/wiki/Gamma_distribution#Generating_gamma-distributed_random_variables 符号：theta = b k = c 该

大气湍流效应会导致自由空间光通信(FSO)系统链路性能恶化。研究了在自由空间光通信中采用正交频分复用（OFDM）调制技术，分析了采用OFDM调制的自由空间光通信系统在Gamma-Gamma大气湍流信道下的误码率性能。比较了不同大气湍流强度下，采用开关键控(OOK)调制系统和OFDM调制系统的误码率。仿真结果表明，随着湍流强度加强，OOK调制系统和OFDM调制系统性能都在不断恶化，不同湍流强度下，16QAM-OFDM系统比4QAM-OFDM系统误码率更大, 4QAM-OFDM系统性能优于OOK调制系统。

GAMMA电压的产生： Gamma1 Gamma2 Gamma3 Gamma4 Gamma10 VREF

Java代码实现gamma函数

图像处理中改进的Gamma矫正方法