kalman滤波器ppt讲义-KalmFilter.ppt 希望对大家有所帮助

LTCC微波滤波器的设计与仿真，采用特殊结构实现相应的带宽下，指标的要求提升，减小设计的体积，优化技术指标，采用电路结构相结合的设计思路，完成指标优化

维纳滤波器在Matlab环境下，进行的仿真，没有调用库函数，而是自己按原理做出来的。

最小二乘法滤波器的vc++代码，可以移植到自己的程序中去的‘

平行耦合微带线带通滤波器在微波电路系统中广泛应用。为了提高带通滤波器性能，缩短设计周期，采用奇偶模原理分析与ADS（Advanced Design System）仿真相结合的方法，设计出一个中心频率为2.5 GHz，相对带宽为10%的平行耦合微带线带通滤波器。进一步优化参数，得到电路版图。最终结果证明，这种方法具有设计周期短、可靠性高的特点，且各项参数满足设计要求。

从滤波器到锁相放大器的应用，是测量电子电路设计——模拟篇的姊妹篇。主要介绍了如何从放大了的信号中除去噪声。

对非线性非Gauss 系统, 粒子滤波是一种有效的状态估计方法。粒子滤波的关键是建议分布的选择, 好的 建议分布会改进粒子贫化和样本耗尽等粒子滤波存在的普遍问题。该文用迭代无迹Kalman 滤波产生粒子滤波的 建议分布, 提出了一种新的粒子滤波算法—— 迭代无迹Kalman 粒子滤波。给出的建议分布将最新的观测融入样本 过程并修正该过程, 从而改进了滤波性能

matlab中的dft过滤代码该项目的目的是研究h [n] = [1,1,1,1]的2通道DFT滤波器组的实现，以了解其在实现单独滤波器方面的计算效率。 该代码是使用MATLAB编写的，文档也可以在此处找到。

图像去噪追求的目的是既能去除图像中的噪声，同时又能较完整的保持图像的细节信息。在研究几种基于中值的椒盐噪声去除方法基础上，设计了一种有效去除图像椒盐噪声的开关中值滤波器。提出的算法首先利用图像灰度值的两个极值把像素点分为信号点和可能噪声点。在滤波阶段，对于信号点保持其灰度值不变， 对于可能噪声点分两步进行处理: 根据噪声密度决定滤波窗口尺寸并判断滤波窗口内是否包含信号点，如果无信号点则以窗口内像素的中值作为可能噪声点的恢复值，这一步可对误判噪声点进行纠正; 而其余可能噪声点采用极值舍弃滤波和递归滤波估计其灰度值，滤波窗口尺寸固定为3×3，这一步用来去除噪声和保持图像细节。实验结果表明，本文算法在主客观方面都优于相比较的方法，且对不同水平的椒盐噪声都具有较好的去除性能。

用卷积滤波器matlab代码Matlab卷积自动编码器 卷积自动编码器的成本函数（cautoCost2.m）和成本梯度函数（dcautoCost2.m）。 网络体系结构相当有限，但是这些功能对于将输入与一组过滤器进行卷积然后重构的无监督学习应用程序应该是有用的。 这对于发现数据的平移不变特征也很有用。 输入被输入到卷积层，该卷积层是应用于所有用户定义的数据子集的一组过滤器。 卷积层的输入输出功能是S形的。 重建层（或输出层）是线性的。 夹在卷积和重建层之间的可选附加隐藏层是S形。 可以在文件cautoCost2.m的注释中找到更多信息。 注意：此代码在一些地方使用了parfor，这是并行的for循环。 这需要并行化工具箱。 如果没有并行化工具箱，请将parfor循环替换为for循环。