在非合作卫星通信中，针对具有固定帧长和固定帧同步序列的单通道混合信号，根据源信号间的参数差异给出一种同时适用于低阶和高阶混合信号的载波初相估计算法。算法先对去频偏后的帧同步数据以帧长为间隔进行累加，进而根据功率最大化准则对累加结果做定时同步，从而实现对初相信息的提取。为便于比较，同时推导了单通道混合信号载波初相估计的修正克拉美罗界（MCRB,modified Cramer-Rao bound）。仿真结果表明，随着累加帧数的增加，初相估计性能逐渐接近MCRB。

16APSK调制载波频偏估计算法性能研究，李彬，李智信，本文研究了数据辅助和非数据辅助的16APSK调制信号载波频偏估计算法。对于数据辅助的情况，通过仿真比较了Kay、Fitz、L&R和M&M频偏估计�

介绍卡尔曼各种滤波算法，pdf文件，电子书，作者不详

本书全面系统地阐述了最优估计的理论和方法。首先介绍了维纳滤波的原理，然后分别针对离散系统和连续系统，详细介绍了卡尔曼滤波器的原理、推导过程及其稳定性和鲁棒性，并讨论其具体应用。

一种二阶动力电池的扩展卡尔曼滤波SOC估计，陈福熙，皇甫宜耿，为了提高电动汽车的整体性能,延长动力电池的使用寿命,需要一个高效的电池管理系统。针对锂离子电池存在平台电压导致SOC估计难度增�

Matlab代码考克斯估计适用于间隔检查的比例风险模型的方法 这是我的硕士论文中使用的仿真框架的最小示例。 该代码的目的是为执行蒙特卡洛模拟提供一个灵活的平台，以比较Cox回归算法的几种不同实现。 该软件克服的主要挑战是，因为这些软件包是用不同的语言（R和MATLAB）编写的，所以没有一种简单的方法可以使用完全相同的生成数据集在每个实现上运行仿真以进行公平的比较。 取而代之的是，生成的数据集需要以R和MATLAB格式保存到磁盘，运行模拟，然后整理结果。 这些脚本解决的第二个问题是，对于普通的便携式计算机而言，该程序将花费数月的时间才能运行：某些算法的计算量很大。 这些脚本允许模拟在高性能计算服务器上远程运行，以便以后可以下载结果摘要。 最后，可用的计算服务器没有MATLAB许可证，因此这些脚本允许使用MATLAB的开源实现Octave运行MATLAB语言算法。 实验与配置 该框架旨在允许使用相同的代码库来设置和运行大量实验。 在本文中，在各种数据样本大小和审查比例下，对各种技术进行了比较。 通过为每个实验创建一个单独的目录，并在名为setup.R的文件中设置实验参数来设置这些不同的“实

核密度非参数估计的matlab代码ICA-R-估计 参考： M. Hallin & C. Mehta (2015)。 非对称独立分量分析的 R 估计。 美国统计协会杂志，110(509)，218-232 独立分量分析 (ICA) 是一种多变量统计方法，其中将观察到的信号去卷积或分离为独立的潜在源信号。 在 ICA 模型中，观察到的 m 向量满足 , 其中 是一个非奇异维混合矩阵和 是一个向量，其分量 S_k(t) 具有成对独立分布（超过 t=1,2,...）。 ICA 的一个主要目标是从观察到的 X 向量中估计混合矩阵 ()。 将混合矩阵的准确估计的逆应用于观察到的混合 X 向量允许恢复 ICA 模型中的源信号。 在这个项目中，我们为混合矩阵提出了一个单步 R 估计器，旨在针对具有重尾分布的源信号和其他类型的噪声（相对于混合矩阵的现有估计器）实现更大的鲁棒性。 此外，我们能够通过半参数程序阐明 R 估计量的渐近特性，例如其极限分布。 评估 R 估计器首先需要 获得混合矩阵的初步估计量 L0，以实现根 n 一致性和 为各个未观察到的独立源信号指定单变量分布 f:=(f1,...,fm)

头部姿态估计广泛应用于多个领域,大多基于二维图像,而三维(3D)头部姿态估计与人脸三维重建结合的相关研究较少。利用重建的头部三维信息,可以为估计头部姿态提供更多有效的数据信息,能大大提高头部姿态估计的精确度和准确度。因此,将基于结构光三维重建和3D头部姿态估计相结合,重建人脸三维形貌并实现3D点云可视化。同时提出一种3D头部姿态估计算法,搜索鼻尖和鼻梁,建立空间直角坐标系和人脸本征坐标系,利用人脸的垂直对称性估计头部姿态欧拉角。利用模特人头进行实验,基于结构光三维重建的3D头部姿态估计算法的欧拉角在-25°~25°范围内均可测量,绝对误差的平均值和标准差均小于1°,测量平均值与真实值的线性相关度达99.8%。与基于二维图像的头部姿态估计相比,本文算法具有更高的准确度和鲁棒性。

函数 abgFilter 实现了 alpha-beta-gamma 滤波器的通用算法，该算法是给定观察数据的速度和加速度的线性状态估计。 它的作用类似于平滑。 也与卡尔曼滤波器和控制理论中使用的线性状态观察器密切相关。 它的主要优点是不需要详细的系统模型。

在需要对三维环境感知的领域中，如机器人避障、自动驾驶、增强现实等，二维的图像信息很难满足需求，深度估计技术可以很好的提供场景的深度信息。