作者:桂. 时间:2017-03-23  06:28:45 链接:http://www.cnblogs.com/xingshansi/p/6603263.html [读书笔记02] 前言 仍然是西蒙.赫金的<自适应滤波器原理>第四版,距离上次看这本书已经过去半个月,要抓点紧了.本文主要包括: 1)何为维纳滤波器(Wiener Filter); 2)Wiener滤波器的推导: 3)应用实例: 4)Wiener变体: 内容为自己的学习总结,内容多有参考他人,最后一并给出链接. 一.维纳滤波器简介

======= Wikipedia的解释 ======= 自适应滤波器是能够根据输入信号自动调整性能进行数字信号处理的数字滤波器.作为对比,非自适应滤波器有静态的滤波器系数,这些静态系数一起组成传递函数. 对于一些应用来说,由于事先并不知道所需要进行操作的参数,例如一些噪声信号的特性,所以要求使用自适应的系数进行处理.在这种情况下,通常使用自适应滤波器,自适应滤波器使用反馈来调整滤波器系数以及频率响应. 总的来说,自适应的过程涉及到将代价函数用于确定如何更改滤波器系数从而减小下一次迭代过程成本的

在RLS自适应滤波器的实现过程中,难免不涉及矩阵的求逆运算.而求逆操作双是非常耗时的,一个很自然的想法就是尽可能的避免直接对矩阵进行求逆运算.那么,在RLS自适应滤波器的实现中,有没有一种方法能避免直接求逆运算呢?答案当然是用的:使用矩阵求逆引理来避免对矩阵进行直接求逆. 这里先对矩阵求逆引理做下介绍,也叫做Woodbury矩阵恒等式(或者称做Sherman–Morrison formula,这里统一称矩阵求逆引理)在线性代数中: \[{\left( {A + UCV} \right)^{ -

1 EMI滤波器的常见问题及发展趋势首先介绍了影响EMI滤波器性能/体积的因素及EMI滤波器的常见问题:低频传导发射高.高频传导/辐射发射高.体积大,从而分析出EMI滤波器的发展趋势为高性能和小体积,最后提出改善EMI滤波器性能的办法.2 无源EMI滤波器器高频性能改善设计从滤波器L/C器件性能影响因素.L磁饱和/频率的影响.LC温度的影响.滤波器L/C器件杂散耦合的影响.寄生参数/耦合的抑制五大方面分析无源EMI滤波器高频性能的改善方案.3 EMI滤波器小型化设计技术主要介绍了平面集成设计(电

0 介绍 本文承接上一篇,文章采用新的阐述方式,将数学中的表达与NumPy中的函数关联起来. 采用这种方式,可以直接建立数学表达与计算系统的对应关系,更易理解. 由于博客编写时间有限,每次尝试一个知识点的构建,望浏览者谅解. 编写的过程若有不断改进的地方,我会努力尝试. 1 空间的创立图 2 一维数组切片 3 NumPy中的数据类型转换 4 代码验证 4.1 代码块1 import numpy as np A = np.array([[1,2,3],[4,5,6],[7,8,9]]) print

// 注:本内容为作者原创,禁止在其他网站复述内容以及用于商业盈利,如需引用,请标明出处:http://www.cnblogs.com/lv_anchoret/ Preface 为了支持光线追踪的学习,决定写一个3D泛型数学库. 我采用的是windows平台以及C++Template技术 我的库文件组织目录如下 --lvgm ----test ------testVec.cpp ----type_vec ------lv_vec2.h ------lv_vec3.h ------type_vec

ConstraintLayout布局已经推出了很长一段时间,功能也是比较强大,能有效减少界面的视图层级嵌套,一定程度提升界面绘制效率. 在项目中,我也是最近才选择开始使用ConstraintLayout,之前一直用的是LinearLayout + FrameLayout进行复杂布局. 在使用ConstraintLayout的时候遇到了一个问题,需要在水平方向平分空间给三个视图,之前只是简单了解约束布局的使用,并没有真正去在实战中使用.在后面的查阅文档和实践中,总结了三等分水平空间可以有下面两种办

= 参考/转自: 1 ---https://blog.csdn.net/u010720661/article/details/63253509 2----http://www.bzarg.com/p/how-a-kalman-filter-works-in-pictures/ 3----徐亦达  机器学习课程(优酷) 4 -----https://blog.csdn.net/u010480899/article/details/55656209 不知道为什么,之前学习卡尔曼滤波器,总感觉差了点什

1.Oracle 查看表空间 SELECT b.comments as 注释, a.column_name as 列名, a.data_type || '(' || a.data_length || ')' as 数据类型, a.nullable as 是否为空 FROM user_tab_columns a, user_col_comments b WHERE a.TABLE_NAME = 'OA_W_YONGKUANMINGXI_TERMINAL' --表名 and b.table_name

// 注:本内容为作者原创,禁止在其他网站复述内容以及用于商业盈利,如需引用,请标明出处:http://www.cnblogs.com/lv_anchoret/  Preface 当初写这个库,是为了支持光线追踪的学习,所以,学完第一本书,这时候,我们整合一些物理光学方面的运算,封装到我们的泛型库里面 新库增加的目录: --lvgm ----opticsfunc.hpp ----randfunc.cpp  Ready 需要大家拥有之前的向量库做支持 我们这一篇涉及到的库文件比较少 我们这一篇涉及

作者:桂. 时间:2017-04-02  08:08:31 链接:http://www.cnblogs.com/xingshansi/p/6658203.html 声明:欢迎被转载,不过记得注明出处哦~ [读书笔记08] 前言 西蒙.赫金的<自适应滤波器原理>第四版第五.六章:最小均方自适应滤波器(LMS,Least Mean Square)以及归一化最小均方自适应滤波器(NLMS,Normalized Least Mean Square).全文包括: 1)LMS与维纳滤波器(Wiener F

滤波器设计是一个创建满足指定滤波要求的滤波器参数的过程.滤波器的实现包括滤波器结构的选择和滤波器参数的计算.只有完成了滤波器的设计和实现,才能最终完成数据的滤波. 滤波器设计的目标是实现数据序列的频率成分变更.严格的设计规格需要指定通带波纹数.阻带衰减.过渡带宽度等.更准确的指定可能需要实现最小阶数的滤波器.需要实现任意形状的滤波器形状或者需要用fir滤波器实现.指定的要求不同,滤波器的设计也不同. Matlab的信号处理工具箱软件提供了两种方式设计滤波器:面向对象的和非面向对象的.面向对象的方

转载请注明文章来源 – http://blog.csdn.net/v_hyx ,请勿用于任何商业用途         对于滤波器设计,以前虽然学过相关的理论(现代数字信号处理和DSP设计),但一直不求甚解,也没用过.趁着最近使用了一下,就来重学一回,温故而知新.       先来说说IIR滤波器设计,理论与原理参考如下博客,写得简明易懂,不错. http://blog.csdn.net/thnh169/article/details/9034483  [数字信号处理]IIR滤波器基础 http:

数字滤波器 在信号处理领域中,对于信号处理的实时性.快速性的要求越来越高.而在许多信息处理过程中,如对信号的过滤.检测.预测等,都要广泛地用到滤波器. 其中数字滤波器具有稳定性高.精度高.设计灵活.实现方便等许多突出的优点,避免了模拟滤波器所无法克服的电压漂移.温度漂移和噪声等问题,因而随着数字技术的发展,用数字技术实现滤波器的功能越来越受到人们的注意和广泛的应用.其中有限冲激响应(FIR)滤波器能在设计任意幅频特性的同时保证严格的线性相位特性,在语音.数据传输中应用非常广泛. 在信号处理中,滤

原 https://blog.csdn.net/alwaystry/article/details/52756051 图像算法五:[图像小波变换]多分辨率重构.Gabor滤波器.Haar小波 2018年11月30日 01:49:25 芥末酱- 阅读数:720    版权声明:不允许转载本博客文章,否则违版必究. https://blog.csdn.net/weixin_42346564/article/details/84642513 matlab设计: 与单纯运用某种自适应算法相比,基于小波分

Libfilth使用说明 winshton 2009年2月 (*本文大部分翻译自libfilth,还有一部分是个人使用实践 *时间水平均有限,翻译的不完整,尤其第二章可以忽略) 版本历史修改记录 版本 作者 日期 备注 V1.0 winshton 2009-2-1 创建               目 录 版本历史修改记录    1 1. 概述    5 2. 库文件分析    5 2.1. filth.h/filth.c    6 2.1.1. quantize()    6 2.1.2. f

本文主要介绍了自适应的中值滤波器,并基于OpenCV实现了该滤波器,并且将自适应的中值滤波器和常规的中值滤波器对不同概率的椒盐噪声的过滤效果进行了对比.最后,对中值滤波器的优缺点了进行了总结. 空间滤波器 一个空间滤波器包括两个部分: 一个邻域,滤波器进行操作的像素集合,通常是一个矩形区域 对邻域中像素进行的操作 一个滤波器就是在选定的邻域像素上执行预先定义好的操作产生新的像素,并用新的像素替换掉原来像素形成新的图像. 通常,也可以将滤波器称之为核(kernel),模板(template)或者窗

作者:桂. 时间:2017-03-26  06:06:44 链接:http://www.cnblogs.com/xingshansi/p/6621185.html 声明:欢迎被转载,不过记得注明出处哦~ [读书笔记04] 前言 仍然是西蒙.赫金的<自适应滤波器原理>第四版第二章,首先看到无约束维纳滤波,接着到了一般约束条件的滤波,此处为约束扩展的维纳滤波,全文包括: 1)背景介绍: 2)广义旁瓣相消(Generalized Sidelobe Cancellation, GSC)理论推导: 3)

本文主要介绍了自适应的中值滤波器,并基于OpenCV实现了该滤波器,并且将自适应的中值滤波器和常规的中值滤波器对不同概率的椒盐噪声的过滤效果进行了对比.最后,对中值滤波器的优缺点了进行了总结. 空间滤波器 一个空间滤波器包括两个部分: 一个邻域,滤波器进行操作的像素集合,通常是一个矩形区域 对邻域中像素进行的操作 一个滤波器就是在选定的邻域像素上执行预先定义好的操作产生新的像素,并用新的像素替换掉原来像素形成新的图像. 通常,也可以将滤波器称之为核(kernel),模板(template)或者窗

      自适应滤波器一直是信号处理领域的研究热点之一,经过多年的发展,已经被广泛应用于数字通信.回声消除.图像处理等领域.自适应滤波算法的研究始于20世纪50年代末,Widrow和Hoff等人最早提出最小均方算法(LMS).算法由于结构简单,计算量小,易于实时处理,因此在噪声抵消,谱线增强,系统识别等方面得到了广泛的应用.为了克服定步长LMS算法中收敛速度.收敛精度及跟踪速度等对步长大小选取相互矛盾的缺点,人们提出了许多变步长LMS算法,但是,当输入信号具有强相关性时,例如语音信号,LMS算