基于人群密度估计和Lucas-Kanade光流的行人计数

在CVPR18论文中提出的“检测和跟踪：视频中的高效姿态估计”算法的实现

导向矢量失配情况下基于稀疏表示的波达方向估计算法

OFDM系统基于Zadoff-chu序列导频信道估计技术的研究，赵天慧，，本文主要研究Zadoff-chu序列作为导频的OFDM系统信道估计技术。其中导频序列采用自相关性能优良的Zadoff-chu序列，信道估计技术主要基于最

针对噪声方差不确定的约束系统,讨论了一种鲁棒滚动时域估计(MHE)方法.首先,根据噪声方差不确定模型,找到满足所有不确定性的最小方差上界,在线性矩阵不等式(LMI)框架下求解优化问题,得到近似到达代价的表达形式;然后再融合预测控制的滚动优化原理,把系统的硬约束直接表述在优化问题中,在线优化性能指标,估计出当前时刻系统的状态.仿真时与鲁棒卡尔曼滤波方法进行比较,结果表明了该方法的有效性.

在matlab上实现，采用rootmusic算法来对加入了噪声的信号，进行频谱估计，求取源信号的频率。

针对接收到的多个未知任何先验参数的跳频信号，提出一种先分离各个信号再对其分别进行时频分析来估计跳频参数的方法。首先采用特征矩阵联合近似最优化（JADE）算法分离跳频信号，再利用多窗口重叠的平滑伪wigner-Ville分布（SPWVD）来估计出跳频信号的跳周期（hop duration）、定时偏差（time offset）和跳频频率（跳频图案）等参数。通过将多个时频分析的窗口重叠来克服时频分析中交叉项的影响。仿真结果表明，该估计算法显著提高了估计的准确度和可靠性。

向量自回归模型（简称VAR模型）是一种常用的计量经济模型；该例子是VAR（1）模型的代码，可以参考vars包。

传统的粒子滤波算法在重采样期间丢弃小重量粒子,因此重要性权重落在极少数粒子上。这会导致采样粒子贫化、粒子多样性缺失以及需要大量粒子才能进行比较准确的状态估计等问题,针对这些问题,提出了一种改进的蝶式算法优化粒子滤波算法。首先,将最新时刻观测信息引入蝴蝶香味公式中,以提高滤波精度;其次,引入吸引半径参数来控制蝴蝶种群寻优的搜索范围,降低算法的复杂度,进而提高算法的实时性;最后,将改进的蝴蝶种群位置更新公式用于优化迭代更新。实验结果表明,与经典粒子滤波器和现有蝶形优化算法相比,改进算法具有更低的均方误差和运行时间。并且在粒子数较少的情况下,可以实现更准确的状态估计,并改善传统滤波器的粒子耗尽现象,保证了粒子多样性。

基于组合时空主通道自适应处理的低空风切变风速估计