基于EM算法的盲信道估计与迭代检测，郭文彬，杨鸿文，针对多径信道下的编码BPSK信号，提出了一种基于EM算法的信道估计联合迭代检测方法。接收端先根据EM算法进行盲信道估计和信源分离，�

线谱的提取为舰船的检测识别和方位跟踪提供了依据,研究线谱的提取具有实际的应用意义。采用Welch算法和Chirp-Z变换联合处理舰船的辐射噪声信号能够有效地提取线谱。根据对仿真信号和某实船的辐射噪声信号分析的结果表明,该方法原理简单,能够精确地提取特征线谱,其中频率分辨力可达0.36Hz;根据所提取的船只的特征线谱,设定滤波区间对船辐射的噪声信号进行滤波,可以更准确地跟踪船的航迹。

此 GUI 基于以下 matlab 代码： http : //www.mathworks.com/matlabcentral/fileexchange/22293-kmplot 档案里有针对中国人的介绍。

核密度估计参考教案： 根据从一个总体中抽出的样本取估计总体分布的密度函数，在应用上有重要的意义。 关于密度函数的参数估计就是在假定该随即变量的密度函数的形式已知的前提下，对密度函数的参数进行估计。

matlab开发-一幅图像的噪声估计。它可以从单个图像精确地估计噪声级。

matlab开发-信号相关噪声估计。该代码将估计信号相关噪声模型的三个参数。

NoiseLevel 估计输入单个噪声图像的噪声水平。 [nlevel th num] = NoiseLevel(img,patchsize,decim,conf,itr) 输出参数nlevel：估计的噪音水平。 th：在最后一次迭代中提取弱纹理补丁的阈值。 num：上次迭代中提取的弱纹理补丁的数量。 维度输出参数与输入图像的通道相同。 输入参数img：输入单张图片patchsize（可选）：补丁大小（默认值：7） decim（可选）：抽取因子。 如果你输入大数，计算会加速。 （默认值：0） conf（可选）：确定弱纹理阈值的置信区间。 在此算法中，通常将此值设置为非常接近的值。 （默认值：0.99） itr（可选）：迭代次数。 （默认：3） 例子： img = double(imread('img.png')); nlevel = NoiseLevel(img); 网页： http

基于角度预估计的声源定位MUSIC算法实验研究_钟林波.pdf

matlab开发-使用信道估计和MMSEEstimators。基于最小二乘和最小均方误差的信道估计OFDM系统

载噪比是GPS接收机中的一个重要测量值和控制参数。针对高灵敏度GPS接收机中的载噪比测量，提出了一种自适应载噪比估计算法。该算法根据信号功率的大小自适应调整载噪比估计时间来获得准确且稳定的载噪比估计值。该算法已经在GPS接收机中实用，测试结果表明，载噪比大于40 dB-Hz时，估计时间小于1 s，估计值的标准差小于0.2 dB，随着载噪比的降低，估计时间呈指数关系增加，载噪比为14 dB-Hz时，更新时间为12.48 s，估计值的标准差小于0.8 dB。