在Alpha稳定分布下结合共变理论、循环平稳理论和分数低阶矩等理论, 推导了BPSK 信号的循环平稳特性和低阶循环谱密度, 结果表明稳定分布下BPSK信号的低阶循环谱结构同高斯假设下的谱结构是一致的. 最后在Matlab 下进行了仿真验证, 仿真结果与理论推导相符合, 但基于稳定分布所设计的算法具有良好的抗脉冲噪声的性能, 对复杂背景下的调制识别或者盲分离提供新的途径.

检测障碍物是机器人自主移动的基础. 为了提高检测的障碍物效率和准确率, 提出一种基于RGBD摄像头的障碍物检测方法, 主要分为障碍物识别和检测长度, 宽度两部分. 在障碍物形状不规则的前提下, 通过摄像头实时采集图像传输到数据处理中心, 用改良的帧差法、最小矩形法匹配法和图像处理等方法来确定障碍物轮廓, 利用深度图像及其阈值得出障碍物距摄像头的相对位置, 同时, 用坐标转换法计算出障碍物的高度与宽度. 结果显示, 在不同位置检测同一物体的误差不超过9%. 因此, 改良的帧差法检测障碍物轮廓准确率高, 坐标转换法速度快, 可以证明基于RGBD摄像头的障碍物检测设计检测效果良好.

很好的matlab写的高斯混合模型包，包括聚类回归等等。 有详细的函数功能说明。

基于简单高斯模型的肤色检测 阈值分割采用了OTSU方法 opencv 1.0和2.2都编译通过

为了进一步提高室内检测跟踪系统的有效性和稳定性,以经典的混合高斯模型为基础,结合了积分直方图方法,提出了一种室内场景中适应光照变化的运动目标检测算法。该方法通过当前帧和背景帧的全局积分直方图差分来确定光线变化的程度。对于全局的光线突变,进行模型的全局更新。对于局部的光线变化,用光线变化比例作为高斯模型权值更新率因子,实时控制更新速率。再对高斯模型提取的前景,用区域局部积分直方图进行虚假前景的判断和消除,从而进一步提纯真实前景。仿真实验结果表明:算法较好地消除了场景中光照变化对目标检测的影响。

混合高斯模型源代码，1D与2D模型，非常适合初学者，编程环境matlab

采用opencv3.1开发的基于混合高斯模型的运动目标提取

在VS2015使用C++实现光流法和混合高斯模型来检测运动中的人并标记运动框，文件包含工程文件，需要使用其中一个方法检测运动目标那么需要将另一个方法的代码进行注释，保证工程中只执行一种方法

包含源码、数据集、实验报告 python实现k-means聚类方法和混合高斯模型，可供学习使用

在matlab平台上的运动图像检测、采用的是混合高斯模型和RGB颜色模型联合判断的烟雾运动的方法，亲测可用