一种简单的自适应限波器，基于matlab实现，自适应频率估计matlab实现，自适应限波器matlab实现，自适应频率估计matlab实现。

结合旋转机械启停阶段振动信号的特点, 提出了一种基于Viterbi 算法和短时傅里叶变换( STFT-VA) 的瞬时频率估计算法, STFT-VA算法在高噪声、临近阶比和交叉阶比情况下有较高的精度。实现了基于STFT-VA算法的自适应Vold-Kalman阶比跟踪( AVKF-OT) , 和传统的以硬件实现的Vold-Kalman 阶比跟踪( VKF-OT) 相比, 此方法具有无需转速计等硬件、用纯软件的方法实现。实验结果表明, 该方法能够在时域中准确地提取幅值和复杂频率变化的阶比, 适合于复杂旋转机械振

对于频率估计，采用了插值法，其中信号参数，采样的条件都可以非常灵活的设置

matlab灰色处理代码基于相位的视频震颤频率检测方法 实验设置如下： 经验1.1）欧拉频率估计：姿态估计+跟踪器+相位指针+相位指针上的FFT。 Exp 1.2）欧拉频率估计：姿势估计+跟踪器+灰色+ FFT超过灰色。 将exp1.1与1.2进行比较以显示相位的影响。 Exp 2.1）拉格朗日频率估计：所有帧的姿态估计+关节（x，y）上的FFT（无平滑度）。 Exp 2.2）拉格朗日频率估计：所有帧的姿态估计+跟踪器+关节（x，y）上的FFT（加上跟踪器）。 比较exp1.1与2.1以显示使用欧拉坐标的重要性。 所需包装： -对于图像处理，请从中进行编译，否则您将错过一些视频处理功能。 -对于姿势估计部分，如果您想重新训练CPM网络，请从中安装自定义版本。 -使用复杂的可控金字塔生成相位图像，请使用以下命令进行安装：sudo pip install perceptual。 -为了使用卡尔曼滤波器平滑关节轨迹，请安装：sudo pip install filterpy。 安装 运行代码以获取模型文件。 $ src/get_model.sh 如果上述方法失败，请与我联系以获取Google

频率估计的某种算法，精度较高，易于使用。

在快速傅里叶变换(FFT)粗估计的基础上，通过曲线拟合，得到一种实现简单的次优高精度频率估计算法。现有的精确估计算法多采用FFT输出的幅度信息，或是FFT的复数输出进行精确估计。本文提出了利用幅度平方信息做精确估计的算法，有效地简化了运算复杂度，实现结构简单。通过仿真验证了本算法在低信噪比下也具有较高的估计精度。

此程序描述基于最大似然准则的频率估计。该算法可以估计短突发信号的载波频偏，这种算法估计的精确度高。

这是信号频率估计算法仿真与分析的Matlab仿真源代码： 一、文件夹部分： 1、各种噪声生成初步结果在noise_picture文件夹 2、各种窗函数随采样数变化的结果在window function文件夹 3、由主函数f_est_main各种噪声生成的结果在four_noise_picture_new文件夹 4、由主函数f_est_main各种加噪信号生成的结果在four_sig_noise_picture文件夹 5、由于主函数f_est_main生成的最终结果图片数量多、整个文件夹所占的容量大（700M以上），已将其删除，更改参数后运行主函数即可重新生成并自动保存结果图片。 二、m文件部分： 1、f_est_main为主函数 2、f_est_Eric_Peter_P、f_est_Eric_Peter_Q、f_est_max、f_est_max_secMax、f_est_max_secMax_pinyi、f_est_mrife、f_est_mrife1、QUADINT和RIFEVINC是主函数调用的频率估计方法 3、cal_item用于求噪声的某一系数；cal_noiseE用于求噪声能量 4、bubbleplot_6d和grid3用于绘制气泡图，bubbleplot_6D.gif是生成的气泡图动图

功率谱估计编程，可以进行时域频域的转换，并提取频率、振幅、功率谱密度等相关参数

用maltab实现的载波频率估计，适合频谱对称的调制信号