非平稳信号的类似于STFT的时频表示-从均匀采样的数据到任意非均匀采样的数据

方位多通道SAR 非均匀采样信号重构 带通滤波器采样 Krieger重构滤波器

非均匀采样有很多种，一般来说只要采样间隔不是恒定的，就可以认为是非均匀采样，但是对于大多数非均匀采样其并不具有特别的性能。本案例研究的非均匀采样特指两种情况：随机采样和伪随机采样。随机采样中每个采样点的选择是完全随机的，是理想化的非均匀采样；伪随机采样中每个采样点的选择是经过挑选的伪随机数。非均匀采样的一个很大的优点就是它具有抗频率混叠的性能，从而可以突破奈奎斯特频率的限制，实现以比较低的采样频率检测到很高频率的信号。 　　采样时刻的选择无疑是非常重要的，它决定了采样后得到的信号的性质。时钟抖动的均匀采样在工程实践中是普遍存在的，并且是不可避免的，例如AD时钟频率存在一定偏差。有抖动的均匀采

大数据-算法-非均匀采样数据系统的辨识方.pdf

非均匀采样系统的实现可以包括两个方面： 　　（1）对信号进行非均匀采样得到非均匀采样信号； 　　（2）进行非均匀采样算法处理。 　　前一个方面主要是硬件实现的问题，即如何在硬件上实现对信号的非均匀采样，后一个方面主要是选择合适的处理算法，以便对信号进行适当的处理，得到所需的结果。 　　从一般意义上来看，信号的每个采样点需要两个量来代表：采样值大小和采样时间。对于均匀采样，由于任何两个采样点的间隔都是相等的，因此，均匀采样只需要记录采样值和标记采样点的顺序即可。但是，对于非均匀采样，由于采样点的间隔是不相等的，因此，非均匀采样除了要记录采样值大小以外，还需要记录采样时间。在实际实现中，非

非均匀采样干扰数据的频谱恢复方法分析

非均匀采样和量化 对给定的空间分辨率，图像的质量可以根据图像特性利用自适应的采样过程来改进。例如，在灰度变化显著的有很多细节的区域应当采用较密的采样。又例如，可以计算所有灰度值出现的频率。若某范围内的灰度值出现频繁，而在其他范围内灰度值出现较稀，则在该范围内量化灰度就要较密，在其他范围内较稀。

图像的非均匀采样： 在灰度级变化尖锐的区域，用细腻的采样，在灰度级比较平滑的区域，用粗糙的采样。 图像的非均匀量化： 非均匀量化是依据一幅图像具体的灰度值分布的概率密度函数,按总的量化误差最小的原则来进行量化.具体做法是对图像中像素灰度值频繁出现的灰度值范围,量化间隔取小一些,而对那些像素灰度值极少出现的范围,则量化间隔取大一些. 由于图像灰度值的概率分布函数因图像不同而异,所以不可能找到可用于所有图像的最佳非等间隔量化方法. 2.4 图像取样和量化

非均匀分簇matlab代码time-delay_mutual-信息 此源包含针对非均匀采样总体的TDMI计算的非优化版本，有时甚至是愚蠢的并行化版本。 假定数据文件是以下形式的矩阵：mrn时间值 下面列出了代码的三个不同版本： single_case_raw ---包含TDMI计算的高度可调（因此使用起来有些困难）版本。 single_case_clean ---包含不可调整但易于使用的TDMI计算版本 cluster_code ---包含示例脚本和运行该脚本的代码，用于通过扭矩队列群集将TDMI计算的愚蠢并行版本提交给matlab。

针对非均匀周期采样系统, 通过状态空间模型离散化方法得到其输入输出表达形式. 鉴于参数化后得到的 辨识模型同时包含1 个参数向量和1 个参数矩阵, 利用递阶辨识原理, 将辨识模型分解为分别含有参数向量和参数 矩阵的2 个虚拟子系统; 考虑到系统的因果约束问题, 将包含参数矩阵的子系统分解为子子系统进行辨识, 从而提出 这类非均匀采样系统的递阶最小二乘辨识方法. 仿真例子表明该算法是有效的.