建立稀疏多项式混沌展开的自适应算法；Polynomial chaos (PC) expansions are used in stochastic finite element analysis to represent the random model response by a set of coefficients in a suitable (so-called polynomial chaos) basis.

随着光纤通信系统容量的增加和信道间隔的降低,非线性噪声必然成为限制光传输系统发展的重要因素。提出了一种比较准确的仿真模型用来估计把非线性噪声当作加性高斯处理的高斯噪声(GN)模型的适用范围，同时对该模型进行了大量的仿真验证，包括不同的光纤类型和不同的调制格式。仿真结果证明,GN模型的非线性噪声功率谱密度理论解析式在预色散的系统中是非常准确、可靠的。同时，表明在没有预色散的系统中，非线性噪声与调制格式有关，但是预色散能够消除调制格式对非线性噪声的影响。

离散时间信号，时域离散随机信号，维纳滤波器，线性预测，自适应处理，LMS,最小二乘估计，RLS,卡尔曼滤波

PyTorch中的RAHGCN 1.概述 该存储库是PyTorch中通过强化学习（RAHGCN）实现的自适应双曲图卷积神经网络。 下游任务包括： 链接预测（ lp ） 节点分类（ nc ） 2.设定 2.1下载代码 首先从Github下载源代码。 git clone git@github.com:fuxingcheng/RHGNN.git" cd rahgcn 2.2启动虚拟环境 我们建议在虚拟环境中设置我们的项目。 您可以选择conda或virtualenv来创建和管理虚拟环境。 如果您尚未安装conda，请按照的说明进行安装。 如果尚未安装virtualenv，则只需运行pip3 install virtualenv 。 对于conda ： conda env create -f environment.yml python=3.6 source activate ra

块匹配算法，有助于掌握块匹配的相关知识，提高编程能力

Video-Compression-motion-estimation-block-video-encoder：此存储库与视频压缩有关，更具体地说，与视频编码器的运动估计块（ME块）有关。 这是一个研究项目，旨在开发一种有效的运动估计算法，从而使视频压缩技术能够与高帧率视频和高分辨率视频保持同步。

压缩感知的方法进行DOA估计。关键字：压缩感知，DOA

使用模式空间法对均匀圆阵进行处理，使之变换为虚拟的均匀线阵，然后使用MUSIC等算法进行DOA估计

实现LCM自适应波束形成的MATLAB程序，附有说明，便于调试

该函数提供了一个ARMA谱估计，最大熵满足相关约束（极点数）和倒谱。 该函数需要3个输入：输入信号、分母阶数、分母阶数和输出变量分别为：分子系数、分母系数和输入噪声功率的平方根。