1.领域：matlab，威布尔分布估计算法 2.内容：对统计数据进行威布尔分布估计并对其进行三参数的评估与计算+matlab操作视频 3.用处：用于威布尔分布估计算法编程学习 4.指向人群：本硕博等教研学习使用 5.运行注意事项： 使用matlab2021a或者更高版本测试，运行里面的Runme_.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。 具体可观看提供的操作录像视频跟着操作。

高博翻译的《机器人学中的状态估计》，SLAM，机器人，状态估计。非常清晰，保证下载后不亏。

通过本课程的学习，使学生掌握现代信号谱估计的基本理论、处理方法， 提升学术研究能力。 1、学习随机信号功率谱估计的基本理论和方法 2、培养应用信号处理理论估计随机信号功率谱的能力 3、培养利用随机信号功率谱估计理论解决实际问题的能力

估计已执行的关于均值的学生 t 检验的准确统计功效。 在这里，根据 Winer (1970)，我们使用非中心累积分布函数的精确幂。 它会提醒您应该到达的测试的统计结果。 输入： t - 学生的 t 统计量（它被认为是估计的非中心参数） df - 自由度c - 指定的测试方向 [1 = 单尾（默认）；2 = 双尾]。 alpha - 显着性水平（默认值 = 0.05） 输出： -指定方向测试（测试的统计结果你应该已经到了）。 -力量

针对影响射频窄带信号时延估计精度的3个主要因素:中频偏差、信号带宽及信噪比,提出了一种基于频差补偿的相位谱时延估计方法。其采用平方倍频法分别估计两路信号的中频,通过频差补偿消除中频偏差对时延估计精度的影响;利用线性调频Z变换(CZT)在有限带宽内增加时延估计的有效点数;并针对相位法自身的特点利用Kalman滤波器优秀的抗噪声特性提高时延估计的精度。理论分析和实验仿真均验证了该方法的有效性。

1986年Smith, Randall C与Chessman, Peter发表的关于SLAM的第一篇论文。

预报误差估计法 对于模型结构已知的系统，如果我们获得参数的某个估计，则可对输出进行预报，那么用预报误差的大小来衡量参数估计的优劣也是合理的。定义输出估计误差： e(k)=y(k)- (k)， 将收敛于e(k)的协方差阵。通常采用的预报误差准则有： J1(θ)=Tr(ΛD(θ)), J2(θ)=log det(D(θ))。可以证明，当e(k)～N(0,Σe)时，若J1(θ)中的Λ取为Λ=LΣe-1，则预报误差估计等价于极大似然估计；

ARFIMA(p,d,q) 最大似然估计量： - 惠特尔估计- 精确的最大似然估计器 - 以及其他一些可能有用的功能，包括预测。我还没有实现预测误差带计算（从截图中可以判断）。 要求： - 统计工具箱-优化工具箱-Kevin Sheppard 的 MFE 工具箱 http://www.kevinsheppard.com/wiki/MFE_Toolbox 可选要求： -Simone Fatichi 的 ARFIMA(p,d,q) 模拟器（MATLAB Central FileExchange #25611） 后者是测试算法性能所必需的（在 arfima_test 中实现）。 注意：这一次，有一个 C/MEX 文件来加速这个过程，没有 .m 等效文件。它用几个编译器（LCC 和 MS VC++ 2008）编译，证明对我来说是稳定的。 计划进一步更新： -其他估计算法-文档-

扩频信号参数估计，完整仿真扩频信号通信过程。包括信号生成、信号检测、调制识别、信号解调以及信号的参数估计等。具备m、gold、周期扩频码（可达127、255、511、2047等）。

此函数提供多元正态分布条件期望和协方差矩阵的矢量化估计。 均值是一个矩阵，其中行表示期望向量。 Sigma 是协方差矩阵。 Ind 是第一个无条件参数的索引。 值是条件值的矩阵，其中的行对应于平均行。