matlab加噪声代码-PCA_MUSIC:我的论文“源数目未知的PCA和MUSIC算法的贝叶斯推理”的Matlab代码,IEEETrans。

上传者: 38538312 | 上传时间: 2022-05-17 17:10:43 | 文件大小: 10.04MB | 文件类型: ZIP
matlab加噪声代码来源数量未知的PCA和MUSIC算法的贝叶斯推断 给定Y = VA + Z,如何在不过度拟合的情况下最佳估计V,A的未知维? 对于流行的PCA模型,这是50年前的挑战(例如,因子分析,降维等) 第一次,我通过贝叶斯方法中的最大后验(MAP)估计(即,估计速度快,且具有线性复杂度)找到了针对该挑战的封闭式解决方案。 为了解决这个问题,我最终在附录中得出了全新的概率分布(即Double-gamma和Double-inverse-gamma分布)。 在仿真中,我们发现SNR = -10(dB)是对独立信号源进行准确估算(即,不过度拟合)的极限。 通过中心极限定理,我们知道三个标准差是所有平均随机变量的极值。 因此,可以通过信号加噪声百分比\ tau(Y)(即SNR> -10(dB)<=> \ tau(Y)<90> -10(dB)<=>“噪声偏差<3 *源的偏差” PS:我们将MAP方法与标准MATLAB软件包(音乐和aictest)进行了比较。 代码中的所有内容都应该清楚。 非常欢迎所有反馈! 参考: V

文件下载

资源详情

[{"title":"( 18 个子文件 10.04MB ) matlab加噪声代码-PCA_MUSIC:我的论文“源数目未知的PCA和MUSIC算法的贝叶斯推理”的Matlab代码,IEEETrans。","children":[{"title":"PCA_MUSIC-master","children":[{"title":"2018=PCA MUSIC","children":[{"title":"c1_para_groundtruth.m <span style='color:#111;'> 1.28KB </span>","children":null,"spread":false},{"title":"C0_RUN.m <span style='color:#111;'> 416B </span>","children":null,"spread":false},{"title":"c2_MonteCarlo.m <span style='color:#111;'> 1.05KB </span>","children":null,"spread":false},{"title":"Func_MUSIC.m <span style='color:#111;'> 7.08KB </span>","children":null,"spread":false},{"title":"A0_MAIN.m <span style='color:#111;'> 407B </span>","children":null,"spread":false},{"title":"D0_PLOT.m <span style='color:#111;'> 5.30KB </span>","children":null,"spread":false},{"title":"B0_SETTING.m <span style='color:#111;'> 1.87KB </span>","children":null,"spread":false},{"title":"Func_DTFT.m <span style='color:#111;'> 7.01KB </span>","children":null,"spread":false},{"title":"Figs","children":[{"title":"VietHung_ICASSP_2018.png <span style='color:#111;'> 3.80MB </span>","children":null,"spread":false},{"title":"Fig5.png <span style='color:#111;'> 621.83KB </span>","children":null,"spread":false},{"title":"Fig2.png <span style='color:#111;'> 430.74KB </span>","children":null,"spread":false},{"title":"Fig4.png <span style='color:#111;'> 2.03MB </span>","children":null,"spread":false},{"title":"Conclusion.png <span style='color:#111;'> 407.44KB </span>","children":null,"spread":false},{"title":"Fig1.png <span style='color:#111;'> 653.36KB </span>","children":null,"spread":false},{"title":"Abstract.png <span style='color:#111;'> 747.70KB </span>","children":null,"spread":false},{"title":"Abstract arxiv.png <span style='color:#111;'> 315.92KB </span>","children":null,"spread":false},{"title":"Fig3.png <span style='color:#111;'> 1.82MB </span>","children":null,"spread":false}],"spread":true}],"spread":true},{"title":"README.md <span style='color:#111;'> 2.33KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明