噪声估计分布这是 Ref. 的配套发行版。 纸： O. Laligant、F. Truchetet、E. Fauvet，“数字阶跃模型信号的噪声估计”，IEEE Trans。 图像处理，2013 年 12 月，22(12):5158:67 联系人：olivier.laligant@u-bourgogne.fr 这种分配允许： - 引入新的噪声估计器 (NOLSE)，对各种类型的噪声具有有趣的性能- 在被各种合成噪声破坏的真实图像上测试各种噪声估计器- 使用各种噪声估计器估计图像中的噪声水平结果可用于各种应用。 标题图像示出了图像恢复的示例，其中通过噪声估计器获得恢复方法的参数。 估计量： - 新估算器 NOLSE 的 nolse.m、fnolse.m 类似脚本和函数版本- SI Olsen 的 averageN.m 噪声估计（请参阅 averageN 的帮助） -J.Immerkæ

多种内插算法的信道估计研究，杨洪涛，，本文以基于导频的信道估计算法[1]展开，研究了梳状导频插入方式下的信道估计算法的原理和性能，针对梳状导频插入方式，在频域上对

针对频谱感知的实际应用，在循环平稳理论的基础上，研究了经过脉冲成形滤波器滤波后的MPSK信号的循环谱特性，通过分析有限数据条件下剩余带宽对循环谱估计的影响，提出一种恒包络处理与频域平滑循环周期图结合的符号速率估计算法。仿真表明该方法在有限数据条件下具有良好的性能，而且在剩余带宽较小时，也能有效地估计MPSK信号的符号速率。

估计稀疏 3D 点云的法线和曲率，方法是使用 n 个最近邻点来近似每个点的平面。 - 能够在 60 秒内处理超过 100 万个点的点云。 - 强大到翻转正常方向- 使用最近邻搜索（与范围搜索相反）来最小化参数调整并允许处理具有高度非均匀密度的点云。

英文 该目录包含文件，用于复制Creel，Gao，Hong和Kristensen撰写的论文“贝叶斯间接推断和GMM的ABC”中用于获取DSGE模型结果的过程，该文件将很快提供。 DSGE.pdf文件是摘录，提供了说明和结果。 估计器是使用重要性采样和局部线性非参数回归计算的近似贝叶斯计算估计器。 需要Open MPI，Julia（带有MPI和Distances软件包），Octave（带有MPI软件包）和其他支持代码，可从 要复制结果，请从bash提示符处执行“ sh MasterScript”。 如有疑问，请写信给

高博等人翻译的状态估计的书 最全，适合做机器人相关开发的同学学习

它是从面部估计年龄、性别和吸引力的样本。 它提供了一个深度学习迁移学习的例子。 它是基于CNN的算法。 包括预训练的网络。 我应用了基于 vgg-face 和 UTKFace 年龄和性别数据集的迁移学习以及 SCUT-FBP 数据集的吸引力。 请运行 demo_test 它也是 demo_train.m 中的训练代码示例 vgg-face https://github.com/rcmalli/keras-vggface UTKFace https://susanqq.github.io/UTKFace/ SCUT-FBP http://www.hcii-lab.net/data/SCUT-FBP/EN/introduce.html

高斯混合模型（Gaussian mixture model，簡稱 GMM）是單一高斯機率密度函數的 延伸，由於 GMM 能夠平滑地近似任意形狀的密度分佈，因此近年來常被用在語音 與語者辨識，得到不錯的效果。 8 – 1. 單一高斯機率密度函數的參數估測法 8 – 2. 高斯混合密度函數的參數估測法 8 – 3. 求取 GMM 參數的另一種方法

应用叠加导频，对OFDM信道进行估计，同时利用消息传递算法进行迭代符号检测。 本代码分为如下几个部分：1，随机产生通信符号，2，随机产生导频符号，3，通信符号与导频符号按照一定比例叠加（其中叠加比例在0.6-0.9之间），4，接收机利用接收信号，对信道进行估计，5，利用信道值进行符号检测，6，迭代进行第四-第五步，直到收敛为止。

MATLAB程序和论文都在里面，程序不用修改直接运行，2021年这门课程题目大改，六十多分的一大批，因为最后复习的还算全面，最终期末成绩95，自己复习所做的笔记也发布了，很全很全，因为自己还付出了比较多的时间所以就设定了积分，毕竟是劳动成果嘛，如果没有积分的也可以直接联系我呀！