摘要1目 录 3第 1 章 绪 论 11.1 引言 11.2 SLAM 研究的背景 31.3SLAM 技术研究现状

用卷积滤波器matlab代码KiU-Net-Pytorch | | | 在MICCAI 2020及其上发表的论文的官方Pytorch编码 期刊扩展： 关于此仓库： 此存储库托管以下网络的代码： KiU-Net 2D KiU-Net 3D Res-KiU网 致密网 它还具有组织用于通用2D图像分割和BraTS，LiTS数据集的3D体积分割的数据加载器； 便于对医学图像和体积分割算法进行基准测试。 介绍 在通用的“编码器-解码器”体系结构中，编码器的最初几个块学习数据的低级特征，而后面的块学习高级数据。 最终，编码器学会了将数据映射到较低维度（在空间意义上）。 随着网络深度的增加，接收场的大小也限制了网络将更多的精力放在更高层次的功能上。 在我们提出的体系结构中，我们引入了Ki-Net，其中我们使用了过完整的表示形式，这限制了接收域的增加。 这是通过对编码器的体系结构进行简单的更改来完成的，其中最大池化被上采样替代。 这有助于深层过滤器将更多的注意力集中在低级细节上，从而有助于细分。 当使用U-Net增强时，该网络称为KiU-Net，在分割较小的解剖标志和模糊的噪声边界的情况下，可以带来显

这是粒子滤波的matlab代码，是一个粒子滤波的简单编写，大家可以自由改写。所需进阶的代码大家自己都可以在此基础上编写出来。

T3PRF：R的三通回归滤波器 三通回归过滤器 考虑具有大量预测变量的线性回归模型。 如果预测变量的数量接近观察数量或更大，则OLS估计行为不佳或不存在。 一个典型的解决方案是假设一个潜在因素结构。 就是说，人们会以有限数量的潜在因素来解释预测变量。 主成分回归（PCR）是这种方法的一个例子，其中因素是预测变量的一些主成分。 在预测PCR的批评的背景下，提取的因子将不针对靶标进行选择。 选择因素（主要成分）以最大程度地减少重建误差，但不考虑与目标的相关性。 通过假定相同的潜在因素可以解释目标和预测变量，三通回归滤波器（T3PRF）选择组件的方式应尽可能减少重构误差，同时最大程度地提高与目标的相关性。 参考： Kelly，Bryan T.和Pruitt，Seth，三遍回归过滤器：一种使用许多预测变量进行预测的新方法（2014年5月）。 Fama-Miller工作文件； 芝加哥展位研究

3PRF 三通回归滤波器

优化版本的冷冻电镜的低通滤波算法v1.1，目标，将冷冻电镜图像，通过低通滤波算法降噪，输入冷冻电镜图像，输出信息集中的降噪图像。 参考文章：https://blog.csdn.net/caroline_wendy/article/details/126127817?spm=1001.2014.3001.5502

针对通用滤波多载波（universal filtered multi-carrier，UFMC）系统采用滤波器而导致符号定时同步算法精确度偏低的问题，提出一种适合UFMC系统的符号定时同步改进算法。该算法考虑了滤波器对符号的影响，提出一种用于符号定时同步的新的训练序列结构，并给出相应的定时测度函数的计算式。新的训练序列结构消除了采用滤波器带来的平台效应，使得算法的定时估计性能得到改善。仿真结果表明，改进算法的定时测度函数曲线在起始点有一个尖峰，提高了定时估计的精确度。

匀加速（变加速）运动Kalman滤波器MATLAB代码 kalman滤波器初学者

【图像修复】基于约束最小二乘方滤波实现图像复原matlab源码GUI.md

一、状态方程和量测方程 要给出卡尔曼滤波的信号模型，先来讨论状态方程和量测方程。图7-11是维纳滤波的模型，信号 可以认为是由白噪声 激励一个线性系统 的响应，假设响应和激励的时域关系可以用下式表示： (7-52) 上式也就是一阶AR模型。在卡尔曼滤波中信号 被称为是状态变量，用矢量的 形式表示为 ，在k时刻的状态用 表示， 在k－1时刻的状态用 表示。