基本的子空间辨识程序，先求解系统矩阵A、B，再求C、D

随机子空间法的系统定阶方法研究，赵常举，熊晓燕，本文主要对基于环境激励的随机子空间法的模态定阶方法进行了对比研究。随机子空间法是近年来研究比较活跃的一种基于结构响应数据

在计算机上产生一组实验数据，首先产生一段零均值白噪声数据u（n）,令功率为 ，让u(n)通过一个三阶FIR： 得到y(n). .y(n)上加三个实正弦信号f1’=0.1,f2’=0.25,f3’=0.26调整 和正弦信号幅度信噪比大致为10dB,50dB,50dB. . (1) 令N=256,描绘xn波形； (2)得出真实功率谱密度 . (3) 利用此实验数据Pisarenko谐波分解法估计该实验数据的正弦频率及幅度。

WEB数据库中低维子空间偏移定位仿真.pdf

针对传统模态识别方法难以准确识别重频、高阻尼比的模态参数的特点,主要研究了系统在环境激励下不同工况用随机子空间法和Polymax算法识别的模态参数(模态频率、模态阻尼比和模态振型)的变化情况。随机子空间法是一种时域模态参数识别方法,在相邻模态的识别方面,它明显优于一些传统的模态识别方法。Polymax模态识别方法也称为多参考点最小二乘复频域法,在阻尼比的识别方面具有明显的优势。本文通过悬臂梁的对比实验研究验证了它们在不同激励条件下的有效性和可靠性。

信道估计算法基于子空间方法。 该方法仅适用于可识别的 STBC（不包括 >=1-rate STBC）。 有关算法和可识别条件的更多详细信息，请参见出版物 [1]。 zip 文件包含三个 m 文件。 - space_time_coding.m（执行时空编码） - subspace_channel_estimation_STBC.m（信道估计） - one_shot.m（显示示例） 要使用这些文件，请将这三个文件解压缩到同一文件夹中。 然后，在 matlab 命令窗口中调用脚本 one_shot。 参考： [1] 阿马尔，N.； Ding, Z. “通用线性空时分组码的盲信道可识别性” IEEE Transactions on Signal Processing Volume 55，第 1 期，2007 年 1 月 页码：202 - 217

hosvd matlab代码超图聚类 基于张量的MATLAB代码用于超图分区和子空间聚类的方法 该目录包含与论文[1]相关的所有实现。 这也包括[2,3,4]中提出的方法的实现。 D. Ghoshdastidar和A. Dukkipati。 统一超图分区：可证明的张量方法和采样技术。 机器学习研究杂志18（50），第1-41页，2017年。 D. Ghoshdastidar和A. Dukkipati。 种植分割模型下光谱超图分割的一致性。 统计年鉴， 2017，45（1）：289-315。 D. Ghoshdastidar和A. Dukkipati。 均匀超图分割的一种可行的广义张量谱方法。 在第32届国际机器学习会议（ICML）的会议记录中，PMLR 37：400-409，2015。 D. Ghoshdastidar和A. Dukkipati。 种植分配模型下均匀超图谱分配的一致性。 2014年，《神经处理系统进展》（NIPS） 。 如果您在工作中使用这些代码/结果，请引用[1]。 如果使用[2,4]中的方法，请相应引用。 版权 版权所有（c）2017 特此免费授予获得此软件和相关文

CS有很多还原算法，子空间追踪就是贪婪算法中的一类，

压缩感知包含许多种的重构算法，这个文件中介绍的是基于子空间追踪算法的重构算法，可以用于ofdm系统等等

稀疏子空间聚类(Sparse subspace clustering,SSC)是一种基于谱聚类的数据聚类框架.高维数据通常分布于若干个低维子空间的并上,因此高维数据在适当字典下的表示具有稀疏性.稀疏子空间聚类利用高维数据的稀疏表示系数构造相似度矩阵,然后利用谱聚类方法得到数据的子空间聚类结果.其核心是设计能够揭示高维数据真实子空间结构的表示模型,使得到的表示系数及由此构造的相似度矩阵有助于精确的子空间聚类.稀疏子空间聚类在机器学习、计算机视觉、图像处理和模式识别等领域已经得到了广泛的研究和应用,但仍有很大的发展空间.本文对已有稀疏子空间聚类方法的模型、算法和应用等方面进行详细阐述,并分析存在的不足,指出进一步研究的方向.