![](../../asset/images/user/bgImg_default.jpeg)
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
1ADC采样模型假设ADC采样的值已经为稳定状态,设k+1k+1k+1时刻ADC采样值为Xk+1Xk+1X_{k+1},则kkk时刻ADC采样值为XkXkX_k,假设k+1k+1k+1时刻的采样值为Zk+1Zk+1Z_{k+1},则有:{Xk+1=Xk,Zk+1=Xk+1+δ,δ为噪声{Xk+1=Xk,Zk+1=Xk+1+δ,δ为噪声 \begin{cases} X_{k+1} = X...
本文是来源于B站Dr_CAN的视频的学习笔记,有需要详细了解的,可以到B站看相关视频DR_CAN的个人空间1、递归算法例:假设测一段距离,第一次测z_1=50.1mm,第二次测z_2=50.4mm,第三次测z_3=50.2mm,若想得到准确的值,可以计算这几次测量的平均值,据此,可以定义估计真实数据等于平均值,可得到如下公式x^k=1k(x1+x2+⋯xk)\hat{x }_k=\frac{1}{
4.1引言4.2预处理4.2.1.剔除离群点4.2.2数据归一化4.2.3丢失数据4.3峰值现象4.4基于统计假设检验的特征选择4.5接收机操作特性曲线4.6类可分性测量4.7特征子集的选择4.8最优特征生成4.9神经网络和特征生成/选择4.10推广理论的提示4.11贝叶斯信息准则...
模式识别(二)线性分类器2.1 引言2.2 线性判别函数和决策超平面2.3感知器算法2.4最小二乘法2.5 均方估计2.6逻辑识别2.7支持向量机2.1 引言2.2 线性判别函数和决策超平面2.3感知器算法2.4最小二乘法2.5 均方估计2.6逻辑识别2.7支持向量机...
模式识别(三)非线性分类器3.1引言3.2 异或问题3.3 两层感知器3.4 三层感知器3.5基于训练集准确分类的算法3.6反向传播算法3.7反向传播算法改进3.8代价函数选择3.9神经网络大小的选择3.10 仿真3.11 具有权值共享的网络3.12 线性分类器的推广3.13 线性分类法中l维的空间3.14多项式分类器3.15径向基函数网络3.16通用逼近3.17概率神经网络3.18支持向量机:非
1.1 引言1.2贝叶斯决策理论1.3判别函数和决策面1.4正态分布的贝叶斯分类1.5未知概率密度函数的估计1.6最近邻规则1.7贝叶斯网络
假设有一段10kHz的语言,现需要对2~3kHz之间的语言信号进行提取,要求1.5kHz及3.5kHz以上的频率需要有40dB的衰减1、求数字频率指标通带下边频:wpl=2∗π∗fpl/fs=0.4πw_{pl}=2*\pi *f_{pl}/f_s=0.4\piwpl=2∗π∗fpl/fs=0.4π通带上边频:wph=2∗π∗fph/fs=0.6πw_{ph}=2*\pi *f_{ph}/f
1 巴特沃斯滤波设计步骤①归一化处理。即令λ=ω/ωpλ=ω/ω_pλ=ω/ωp②计算阶数,截止频率和通带频率比;ωsω_sωs是阻带截止频率,ωpω_pωp是通带截止频率,δsδ_sδs是阻带应达到的最小衰减λs=ωs/ωpλ_s=ω_s/ω_pλs=ωs/ωpN=log(10(δs/10)−1)logλsN=\frac{\log\sqrt{(10^{(δ_s/10)}-1)}