快速计算数组均方根误差RMSE 和RPD的程序

%% 近场 CBF 测角均方根误差 检测概率

%% 近场MUSIC 测角均方根误差 检测概率

程序可计算峰值信噪比、均方根误差、归一化相关性 评价去噪后的图像与原始图像的近似程度,可以用峰值信噪比来衡量。峰值信噪比( Peak Signal to Noise Ratio,PSNR)的数值越大,说明近似程度越好。峰值信噪比的定义如下: 另外一种评价两幅图近似程度的方法是均方根误差(Mean Square error,MSE)法，即 MSE值越小，表明去噪后的图像与原始图像更相似，去噪效果好。 还有一种是归一化相关性( Normalized correlation,NC)评价法,即 其值越接近1，说明去噪后的图像与理想图像越相似。

MUSIC算法参数估计的均方根误差（RMSE）

使用软阈值、硬阈值和低通滤波的方法对图像去噪，并求信噪比和均方根误差评价效果

6%Mean Square Difference 就是减去平均值再求RMS）CORs

此函数参考原始信号计算信号的 RMSE（均方根误差）。 可以为 1-D/2-D/3-D 信号计算 RMSE。

RM_STATISTICS。 矢量均方根误差 [Mse, Dse, stdL1, stdL2, alfa1]=RM_vec2rmse(uN, vN, uM, vM); ％ 输入% uN 是向量 N 的东向分量% vN 是向量 N 的北向分量％uM是向量M的向东分量% vM 是向量 M 的北向分量 ％ 输出% Mse 是系统误差向量的模块（统计偏差） % Dse 是系统误差向量（统计偏差）的方向，度数%（从北向顺时针） % stdL1 - 随机误差椭圆的主要半轴% stdL2 - 随机误差椭圆的次半轴% alfa1 - 随机误差椭圆的主轴方向 两个时间序列的接近度可以用均方根误差 (RMSE) 来估计。 对于向量过程，均方根误差是“可验证”和“真实”向量序列之间差异的均值平方和方差的组合。 RMSE=(mean(R))^2+((R -mrean(R))^2)/L。 向量差的均值 mea

er = rms_error(A1,A2) 这里A1，A2是原始数据和重构数据。 A1，A2的顺序无关紧要，互换它们也会得到相同的结果。