三维凸包讲解及算法代码

SVD奇异矩阵分解在推荐系统中的应用python源码，感谢原作者。SVD的python实现，具体参考http://www.cnblogs.com/FengYan/archive/2012/05/06/2480664.html

5新概念模拟电路-源电路（信号源和电源）（Analog-Circuit-V）pdf

微电网下垂控制仿真，多个微源仿真，自己搭建的，希望对您们有用

【实例简介】dtw － DTW算法演示程序 mfcc.m － MFCC参数计算程序 dtw.m － 基本的DTW算法 dtw2.m － 优化的DTW算法 testdtw.m － DTW算法测试程序 vad.m － 端点检测程序 cdhmm － 连续高斯混合HMM演示程序 pdf.m － 高斯概率密度函数 mixture.m － 混合高斯的输出概率 inithmm.m － HMM参数初始化 getparam.m － 计算观察序列的参数 viterbi.m － 语音识别的Viterbi算法 baum.m － Baum-Welch训练算法（一次叠代） main.m － 多HMM训练主程序 train.m － 对一个HMM进行训练的程序 recog.m － 识别程序 vad.m － 端点检测程序 mfcc.m － MFCC参数计算程序 samples.mat － 作者的汉语数码0-9录音 hmm.mat － 一次HMM训练结果 record － 辅助录音程序 record.m － 录音程序的脚本文件 record.fig － 录音程序的GUI sample.m － 录音程序的回调函数

java单机斗地主源码。jdk1.6+eclipse正常运行 AI适中比较简单

基于at89c51单片机和lcd12864液晶屏显示的简易示波器，内含proteus仿真图和源码

林昌禄老师的天线工程手册，很经典的中文版。供大家下载参考文献303)第11章行波天线11.1行波人线的基本原理(305)11.2长线大线与V形天线菱形大线3104螺旋天线l1.5八木大线(324)l1.6表面波线(329)11.7漏波人线342)参与文献第12章宽频带天线12.1宽频带天线的基本概念12.2“宽带振子天线12.3加载天线(3692.4非频变大线(381)12.5宽频带喇叭大线(40212.6超宽频带接收天线(41012.7宽频带匹配技(413)参考文献第13章绒阵和平面阵13.1阵列线基础(4293.2线阵13.3平面阵13.4方向性和信噪比的最佳化13.5方向图综合(452参考文献(462)第14章微带天线463)概述(463)±4.2微带贴片大线466)14.3微带振子天线和微带隙缝天线(494)14.4宽频带、多频段和频率捷变技术(503)14.5微带线形天线与微带线阵5014.6微带面忤天线参考文献第15章喇叭天线(531)15.]通论15.2主模喇叭天线15.3双模喇叭天线547)15.4多模喇叭天线15.5波纹喇叭天线…56215.6组合喇叭人线15.7其他形式的喇58115.8校正喇叭口亩场的相位分布与透镜天线参考文献第16章反射面天线16·1基木方法和基木公式16.2单反射面天线—一抛物前天线16.3双反射亩天线16.4赋形双反射而天线610)6.5对称双镜天线的效分析6l2)6.6单偏置抛物亩人线16.7双偏置钷物面大线l6.8波束扫描反射面人线(628)6.9溅散板馈源天(638)喇叭抛物而天线(6416.1!抛物柱面天线16、12等强度线波束线(645)参若文献第17章相控阵天线6419)17.1相控:阵人线参数计算公式17.2料阵大线轴射方向性和旁瓣的挖制17.3阵元辐射器的选抒174移相器附遨择17.5相控忤馈电网络的设计(672)17.6相控阵天线的带宽678)17.7柑摔阵天线宽带和宽角匹配方法(681)17.8相控阵的暈化误差(684)17.9颛率扫描大线阵参考文献第18章信号处理天线与阵列倍号处理技术(693)(698.2倍号处理天线18.3自适应∵城滤波天线(718)4白适应抗扰大线系统(737)18.5空间谱估计技术(749第19章时域天线19.!时域人线的研究对象及指标(75l)9.2偶极天线(751)l9.3隙缝轴射器(754)19.4偶极子用作接收天线19.5加载天线19.6渐近线喇叭天线(756)19.7频率无关天线川时城人线19.8脉冲阵列天线75919.9时域凵径辋射及时域面大线19.10时域接收天线与发射天线的关系19.11馈电问题参考文献(769)第三篇天线应用第20章圆极化天线770)20.1引0.2圆极化波的特性与参数20.3圆极化器(7730.4电磁振子惻极化线0.5螺旋人线799)0.6隙缝闶极化天线20.7微带极化天线20.8反射器圆极化极化天线2(0.10其他圆极化天线与文献第21章长、中、短波和超短波通信天线21.!长、中波通信天线设计考虑2.2长、中波通信天线的基本形式及方问性1.3T型与T型大线214笼『型大线1.5高Q铁氧休加感人线(833)21.6短波通信天线设(8321.7水平极化与垂直极化知波通信天线1.8笕带短波通信人线21.9超短波通信天线设计(86721、10超短波接力通信大线1.于栘动通信873参考文献第22章卫星通信天线879)2.l卫星通倍天线发展状况(8792.2对称型双反射镜通信地球站天线的设计22.3对称双镜天线的赋形技术(892)224且星通信天线获得低旁瓣的办法22,5对称型双镜卩通信天线旁瓣源的分析与计算(907)2.6馈源的设计与选择22.7多波束星通信地球站天线22.8跟踪体制及选择参考文献939)第23章雷达天线9403.1达大线的般设计要求………23.2笔形泼束天线扇形波束天线23.4赋形波束人线—余割平方天线…(948)精密龈踪达天线一-单脉冲线及馈源设计(951)36H达天线的电扫描精度妓波束控制(96223.7超视进雷达大线23.8合成!径人线974)参考文献第24章测向天线980)24.)测向系统天线设计原则980)4.2测向系统单兀人线4.3测向系统的宽孔径天线(983244多波束测向24.5伏尔与多普勒伏尔地面天线992)塔康人线24.7仪表着陆系统和微波着陆系统天线(997248环境对测向线场性能的影24.9测向大线系统的误差分析与性能评估考文献第25章飞行体上的天线(I0235.1飞行体L的大25.2椭圆桂面和双曲柱上:的天线l025)253椭圆柱体上的天线园锥体上的天线(045)255椭球体上的天线(105025.6飞行体天线的电兼谷(1056)献第26章毫米波天线概述26.2反射面天线与亳米波馈26.3表衣面被与漏波大线264微带天线与其他的印制天线(I099)26.5集成大线(1108)参考文献第四篇相关论题第27章天线罩(1113般设计考虑(l11327.2外形与结构27.3材料选择(1115)274电磁性能设计参考文前第28章天线的雷达散射截面般概念(1143)28.2反射面天线的R(114728.3阵列人线的HCS1162大线RCS的减缩8.5天线H(S的测量参考文献第29章天线测量(119629.1天线测试场的设计与鉴定(1l969.2振幅方向图测量29.3增益测量(12l0294极化测量(l21929.5相位测量(1223)29.6近场测量(1226)29.7阻抗测量298模型天线法(1242)9.9射电源法(2439.10天线的时域测量参考文献第一篇天线基础第1章引1.1天线功能大线在无线电设备中的主裳功能有两个:第个是能量转换功能,第一个是定向镉射(或接收)功能能量转换功能是指导行波与自由空间波之间的转换,发射天线是将馈线引导的电磁波(高频电流)转换为向空问辐射的电磁波传向远方,接收天线是将空闾的磁波转换为馈线引导的电嵫波(高频电流)送给接收机定向作用是指线辐射或接收电磁波有定的方向性,根据无线电系统设备的要求,发射天线可把电磁波能量集中在一定方向轴射出去,接收天线可只接收特定方向传来的电憾波可以看出,发射天线和接收天线之间的关系类似于发电机与电动机之间的关系,前者是在导行波与自由河波之间往返变换,后者圳在机械能和电能之间往返变换,这种相似性表明:收、发天线之间存在着·定的可逆性。第二汽中4易原理的讨论将证明,只要天线中不含有非线件材料(如铁氧体器件),同一副天线用作发射和川作接收时,其基木特性保持不变。此,本于册中讨论的各种类型天线一般都不特别注明它是发射天线或是接收天线(除特殊应川场合外),都按发射天线处埋。1.2天线类型随着无线电技术的飞速发展和无线电设备应用场合的H靥扩展,已出现了适于不同用途种类繁多的天线,在天线工程设计中选择哪种类型大线很人程度上取决于特应川场合系统的电气和机械方面的要求阵列大线对品种繁多的大线进行分类是件十分难的事。若按工作性线、蛋达天线播天线、电视人线等:若按频段又可分为长波天10 K 100k IM IOM IG 10G 100(线、中波天线、短波天线微波线等。但这些分类法都显得笼不太科学因为有的线既可作发射又可作接收,甚至可收发共用;有的大线既叮用丁通信又可用背达;有的大线既适用于短波又适用于超知波甚至微波。很难将它归属于哪一类行业天线手册将从三个人的方面来讨论天线I程问题,即犬线基础、天线设计和天线应用。在大线分类上则按天线辐射方式进行,适当考虑天线结构、作频段和应川等判素。我们将天线分为四组人寸(/x基木类型:线元天线、行波天线、阵列大线和孔径大线。它们适用的频率范围和天线的大致电尺寸如图1-1所示。表1.1中举出图1-1天线分类些常用天线实例及属的天线类别当然,将天线类型简单地划分为这四红基本形式也仅是·种近似,不能说它十分严密的科学性,因为总还能找到一些例外。但这种分类法有利于读者对本于册的阅表1.1天线类型线元天线阵列大孔径天线单极天线侧射阵角铧喇叭偶极天线菱形天端射阵扇形喇叭螺旋天线直线阵员喇叨陈缠人平面阵多模喇叭载体大线对数时期天线圆形阵混合模喇叭微带天线慢曼波天线波纹喇叭加载大线快波大线信号处坪抛物而瘌叭有源天线漏波逗应阵仪锥大线表面波天线多波束阼单反射面天线鞭状夫线长介质棒天线相控阵双反射面天线密度加权阵球形反射面无线极低副瓣阵偏置反射面天线「焦反射面天线切割反射面天线孔径扫描天线透镜天线角形反射面大线背射人线1.3场区划分假设将发射大线置于图1-2所示球坐标系统的原点处,它向周围辐射电磁波,则其周围的电磁波功率密度(或场强)分布般都是距离r及角坐标(6,q)的函数。因此根据离开天线距离天线位置的不同,将天线周围的场区划分为感应场区,辐射近场区和辐射远场区感应场区感应场冈是指很靠近天线的区域。在这个场区里,电磁波的图t-2球坐标中的天线感应场分量远大于辐射场,而占优势的感应场之电场和磁场的时间相位相差90°,坡印亭矢量为纯虛数,因此,不辐射功率,电场能量和磁场能量柑互交替地贮存于天线附近的空间内。图1-3(a)所小电尺寸小的偶极天线,其感应场区的外边界是λ/2x。这里,入是工作波长。无限大孔径大线不存在感应场区,有限大孔径天线,在其中心区域感应场区仍可忽略,只是在孔径边缘附近存在感应场,感应场随离川天线距离的增加而极快衰减,超过感应场区后,就是辐射场占优势的辐射场区了。图1-3(6)所示电人寸大的孔径大线的帮射场区又分为近场区和远场区1.3.2辐射近场区辐射近场区里电磁场的角分布与离开大线的距离有关,即在不同距离处的天线方向图是不同的。这是因为:(a)由天线各辐射元所建立的场之相对相位关系是随距离而变的;(b)这些场的相对振幅也是随距离而改变的。在辐射近场区的内边界处(即感应区的外边界处),天线方向图是-个主瓣和副瓣难分的起伏包感应场区辐射远场区辐射近场区感应b)孔径天线(a)电尺小小偶坂天线图13天线周围的场区络。随饣离开线距离的增加,直到近远场辐射区时天线方向图的主瓣和副瓣才明显形成,但零点电乎和副辦电平均较3.3辐射远场区辐射近场区的外边就是轴射远场区。这个区域里的特点是:(1)场的大小与离开天线的距离成反比;(2场的角分布(即方问图)与离开天线的距离无关;(3)方向图瓣、鲥瓣和零值点已全部形成辐射远场风的起始边界通常规定为2D(1.1式中,R是从观察点到天线的距离,D足天线孔径的最大线尺寸在这个距离上,孔径中心与孔径边缘到观察点的行程差为边缘与中λ/16,相应的相仪差为225°如果在这个距离上对孔经天线的辐程差=k缘与中心射特性进行测量,其结果与在无穷远距离上测得的结果相差甚微程差=λ/4在【程上是完全可以接受的天线通常是用来向远场区传送能量,因此,天线上作者的主要兴趣也在这一区域上。对孔径线尺寸为D,孔径面上相位恒定的大电尺寸天线而言,远场区的大部分能量集中在±λD弧度的角空间内;在靠近天线的地方,能量主要集中在宽度为D的管道内,如图1-4所示。在近场区的起始部分,可认为辐射大体|是平平行波束区标准-3d点行的;在R≥D2/2A的过渡区域内,场以半角为A/D弧度的锥形向外发散,R=D2/2A处的孔径中心与边缘行程差为A;在R≥近场区R=2Da/k场区2D2/A处则是天线的辐射远场区场在近场区域内的细微变化情况是复杂的,它取决于孔径面图1-4孔径人线的辐射上的特定振幅分布,但流过任一近场“管道”截面的功率恒等于总的辐射功率、随着向远场区的接近,功率密度逐渐趋于1/R2规律变化4功率传输若收、发天线相互处于远场区内,相距为R,若已知发射功率为P1,问接收天线接收的功率为多少?这是-个很有实际用途的工程向题无论通信、需达或电视、播,只要是无线信总传输系统都会面临这题,它与天线特性密切相关,因此,下面进行简要讨论设收发天线设置的相对坐标如图1-5所示。发射线输入功率为P,天线效率为,则辐射功率将是P该辐射功率P住接收天线处产生的功率密度为日,q)D).(6,g)4πR

简单描述自适应滤波的原理及在MATLAB中实现的方法，并辅以相关MATLAB代码供大家交流。1绪论11引言人类传递信息的主要媒介是语言和图像。据统计,在人类接受的信息中,听觉信息占20%,视觉信息占60%,其它如味觉、触觉、嗅觉总的加起来不过占20%,所以图像信息是十分重要的信息。然而,在图像的获取和图像信号的传输过程中,图像信号中不可避免的混入各种各样的随机噪声,造成图像失真(图像退化)。造成人类所获取的信息和实际是有偏差的,成为人类从外界获取准确信息的障碍。因此,对图像信号中的随杋噪声的抑制处理是图像处理中非常重要的一项工作在图像的获取和传输过程中所混入的噪声,主要来源于通信系统中的各种各样的噪声,根据通信原理及统计方面的知识,可以知道在通信系统中所遇到的信号和噪声,大多数均可视为平稳的随机过稈。又有“高斯过程又称正态随机过程,它是一种普遍存在和重要的随机过程,在通信信道中的噪声,通常是一种高斯过程,故又称高斯噪声。囚此,在大多薮的情况下,我们可以把造成图像失真的噪声可视为广义平稳高斯过程本文针对图像信号中混入的随机噪声,在怎样把现有的滤波算法应用到实际的图像复原中去的问题上提出了解决方法,并且应用 Matlab软件编程对图像进行处理。1.2研究目标及现状121图像复原技术的目标为了从含有噪声的数据中提取我们所感兴趣的、接近规定质量的图像,我们需要设计个系统满足:当信号与噪声同时输入吋,在输出端能将信号尽可能精确地重现出来,而噪声却受到最大抑制,即最佳滤波器。122图像复原抆术的研究现状日前的图像复原技术,即去噪的滤波技术可以分为两大类:传统滤波和现代滤波。传统滤波技术是建立在已知有用信号和干扰噪声的统计特性(自相关函数或功率谱)基础上的噪声去除;现代滤波技术则是不需要知道图像的先验知识,只是根据观测数据,即可对噪声进行有效滤除。早在20世纪40年代,就对平稳随机信号建立了维纳滤波理论。根据有用信号和干扰噪声的统计特性(自相关函数或功率谱),以线性最小均方误差(MSE)估计准则所设计的最佳滤波器,称为维纳滤波器。这种滤汲器能最大程度的滤除干扰噪声,提取有用信号。但是,当输入信号的统计特性偏离设计条件,则它就不再是最佳的了,这在实际应用中受到了限制。到60年代初,由于空间技术的发展,出现了卡尔曼滤波理论,即利用状态变量模型对非平稳、多输入多输出随机序列作最优估计。卡尔曼滤波器既可以对平稳的和平稳的随机信号作线性最佳滤波,也可以作为非线性滤波[2]。然而只有在对信号和噪声的统计特性已知的情况下,这两种滤波器才能获得最优解。在实际的应用中,往往无法得到这些统计特性的完验知识,或者统计特性是随时间变化的,因此,这两种滤波器就实现不了真正的最佳滤波。Widrow B.和Hof于1967年提出的自适应滤波理论,可使在设计自适应滤波器时不需要事先知道关于输入信号和噪声的统计特性的知识,它能够在自己的工作过程中逐渐估计出所需的统计特性,并以此为依据自动调整自己的参数,以达到最佳滤波效果。一旦输入信号的统计特性发生变化,它又能够跟踪这种变化,自动调整参数,使滤波器性能重新达到最佳。自适应滤波器自动调节参数可以通过各和不同的递推算法来实现,由于它采用的是逼近的算法,使得实际估计值和理论值之间必然存在差距,也就造成了自适应滤波问题没有唯一的解。依照各种递推算法的特点,我们把它应用于不同的场合。现在广为应用的自适应滤波方法主要是基于以下几种基本理论,再融合递推算法导出来的:(1)基于维纳滤波理论的方法维纳滤波是在最小均方误差准则下通过求解维纳霍夫方程来解决线性最优滤波问题的。基于维纳滤波原理,我们利用相关的瞬时值通过在工作过程中的逐步调整参数逼近信号的统计特性,实现最优滤波。由此,我们得到一种最常用的算法—最小均方算法,简称LMS算法。(2)基于卡尔曼滤波理论的方法卡尔曼滤波是线性无偏最小方差滤波递推滤波,它能使滤波器工作在平稳的或非平稳的环境,得到最优解。利用卡尔曼滤波理论的递推求解法导出自适应滤波器更新权矢量得不同递推算法。比LMS算法有极快的收敛速率,可是计算复杂度也增大∫,它需要计算卡尔曼矩阵。(3)基于最小二乘准则的方法维纳滤波和卡尔曼滤波推导的算法是基于统计概念的,而最小二乘佔计算法是以最小误差平方和为优化目标的。根据滤波器的实现结构,有以下3种不同的最小二乘自适应滤波算法:自适应递归最小二乘法(RLS),自适应最小二乘格型算法,QR分解最小二乘算法。(4)基于神经网络理论的方法神经网络是有大量的神经元相互连接而成的网络系统,实质上它是一个高度非线性的动力学网络系统,这个系统具有很强的自适应、自学习、自组织能力,以及巨量并行性、容错性和坚韧性,因而,它可以做很多传统的信号和信息处理技术所不能做的事情。因其超强的自动调节能力,使符它在自适应信号处理方面有着广阔的前景[2]在一系列的自适应算法中,虽然基于后面3种基本理论的方法在收敛速率和稳定、坚韧性方面有着更好的性能,但是,基于维纳滤波理论的IMS算法因其算法简单,而且能达到满意的性能,得到了青睐,成为了应用最广泛的自适应算法。为此,本文主要研究LMS自适应滤波器在图像去噪方面的应用。2理论基础21基本自适应滤波器的模块结构自适应滤波器通常由两部分构成,其一是滤波子系统,根据它所要处理的功能而往往有同的结构形式。另一是自适应算法部分,用来调整滤波子系统结构的参数,或滤波系数。在自适应调整滤波系数的过程中,有不同的准则和算法算法是指调整自适应滤波系数的步骤,以达到在所描述的准则下的误差最小化。自适应滤波器含有两个过程,即自适应过程和滤波过程。前一过程的基本目标是词节滤波系数"(),使得有意义的目标函数或代价函数()最小化,滤波器输出信号y()逐步逼近所期望的参考信号4k),由两者之间的误差信号(k)驱动某种算法对滤波系数进行调整,使得滤波器处于最佳工作状态以实现滤波过程。所以自适应过程是一个闭合的反馈环,算法决定了这个闭合环路的自适应过程所需要的时间。但是,由于目标函数)是输入信号(k),参考信号(k)及输出信号y(k)的函数,即20=ack,.y,因此目标函数必须具有以下两个性质(1)非负性g (=8[x(k), d(k), y(k] 20Vx(), u(k), y(k)(2.1)(2)最佳性E()=E[x(k),d(k),y(k)]=0(22在自适应过程中,自适应算法逐步使目标函数(最小化,最终使()逼近于(),滤波参数或权系数()收敛于",这里"是自适应滤波系数的最优解即维纳解。因此,自适应过程也是自适应滤波器的最佳线性估计的过程,既要估计滤波器能实现期望信号()的整个过程,又要估计滤波权系数以进行有利于主要目标方向的调整。这些估计过程是以连续的时变形式进行的,这就是自适应滤波器需要有的自适应收敛过程。如何缩短自适应收敛过程所需要的收敛时间,这个与算法和结构有关的问题时人们一直重视研究的问题之—[2]。当然滤波子系统在整个自适应滤波器的设计中也占有很重要的地位,因为它对最终的滤波性能有很大的影响。本文要研究的是基于维纳滤波原理的LMS算法,那么下面我们需要介绍一下基本维纳滤波原理。22基本维纳滤波原理基本维纳滤波就是用来解决从噪声中提取信号问题的一种过滤(或滤波)方法。它基于平稳随机过程模型,且假设退化模型为线性空间不变系统的。实际上这种线性滤波间题,可以看成是种估计问题或种线性佔计问题。基本的维纳滤波是根据全部过去的和当前的观察数据来估计信号的当前值,它的解是以均方误差最小条件下所得到的系统的传递函数万(3)或单位样本响应h(k)的形式给出的,因此更常称这种系统为最住线性过滤器或滤波器。设计维纳滤波器的过程就是寻求在最小均方误差下滤波器的单位样本响应h(k)或传递函数h(x)的表达式,其实质是解维纳-霍大( Wiener-Hopf方程。基木维纳滤波器是这样的,有两个信号x(k)和y(k)同时加在滤波器上。典型地y(k)包含一个与x(k)相关地分量和另一个与x(k)个相关地分量。维纳滤波器则产生y(k)中与x(k)相关分量地最优估计,再从y(k)中减去它就得到ε(k)。y(kak)输出rk)维纳德波n=∑v(D)x(k-)f=0图21基本维纳滤被模型假定一个N个系数(权值)的FR滤波器的结构,维纳滤波和原始信号y(k)之间的差信号c(k)为ek= yk-nk=ye∑w(i)x(23)其中和w分别为输入信号矢量和权矢量,由下式确定(24)k-N-1)H(N-1)误差平方为2Y, x,w+w x.x,w对(3)式两边取期望得到均方误差(MSE),若输入x(k)与输出yk)是联合平稳的,则ELel=Ely,-2ELYXiwItElwx, x, w2.62P其中E[代表期望,=Ex是(k)的方差,P=E[yx1是长度为N地互相关矢量,R=Exx是NxN的自相矩阵。一个MSE滤波系数的图形是碗形地,且只有唯一地底部,这个图称为性能曲面,它是非负的。性能曲面地梯度可由下式给出2P+2R(2.7)Ytrim图22误差性能曲面每组系数w(i)(i=1,2,N-1)对应曲面是一点,在由面是地最小点梯度为0滤波权矢量达到最优”呷R P(28)即著名的维纳霍夫方稈的解。自适应滤波地仟条是采用合适的算法来调节滤波权重W,0)W,1),…W,N-1),从而找到性能曲面地最优点维纳滤波的实际用途有限,因为:(1)它需要已知自相关矩阵R和可相关矢量P,这两个量通常是未知的。(2)它包含∫矩阵的求逆,非常的耗时3)若信号为非平稳的,则R和P是时变的,导致必需重复计算。对于实际的应用需要一种能够依次加入地抽样点而得到"的算法。自适应算法就就是用于达到这个目的,而且不需显式计算R和P或进行矩阵求逆[3]3自适应滤波原理及算法在实际应用中常常会遇到这样的情况:随机信号的统计特性是未知的,或者信号的统计特性是缓慢的变化着的(非≯稳信号),这就促使人们去研究一类特殊的滤波器,这类滤波器具有以下特点:当输入过程的统计特性未知时,或者输入过程的统计特性变化时,能够相应的调整自身的参数,以满足某种准则的要求,由于这类滤波器能变动自身的参数以“适应”输入过程统计特性的估计或变化,因此,就把这类滤波器称为自适应滤波器41。在本文中我们研究的是退化图像复原的问题,由于图像自身的多样性和所混入的噪声的随机性和多样性,我们选择自适应滤波取出图像中混入的噪声。3.1横向滤波结构的最陡下降算法3.11最陡下降算法的原理首先考虑如下图所示的横向FIR自适应滤波器x(k-1k-2)x、-M+2)xR-M+l)e自适应控制算法1图31自适应横向滤波器结构它的输入序列以向量的形式记为X(k)=[x(k)x(k-1)(k-M+1)(3.1假设x()取自一均值为零,自相关矩阵为R的广义平稳随机过程,而滤波器的系数矢量(加权矢量)为:k)=[w,(k)w2(k)(32)以上二式中括号内的k为时间指数,因此,X()和W()分别表示时刻k的滤波器输入序列和加权值,滤波器的输山y(k)为:y(k)=∑w(n)x(n-t+1)33)式中M为滤波器的长度。图31中的“k称为“期望理想响应信号”,有时也可称为“训练信号”,它决定了设计最佳滤波器加权向量W(k)的取值方向。在实际应用中,通常用一路参考信号来作为期望响应信号。(k)是滤波器输出y(k)相对于a(k)的误差,即e(k)=d(k)-v(h)(34)显然,自适应滤波控制机理是用误差序列(k按照某种准则和算法对其系数w)n),=1.2…,M进行调节的,最终使自适应滤波的目标(代价)函数最小化,达到最佳滤波状态。按照均方误差(MSE)准则所定义得目标函数是E(h)=Ele()(35)eId()-2d(k)y(k)+y(k)将式(3.4)代入式(3.5),目标函数可以化为c(k)=Ele(k)(3.6)E[d(k)]-2Eld(kw(k)x(k]+ elw(kX(eX(s)w(k)当滤波系数固定时,目标函数又可以写为c(k=[d(k]-2W(k)P+W(k)RW (k)(3.7)其中,P-趴是长度为N的期望信号与输入信号的互相关矢量,R=Exx是Nx的输入向量得自相关矩阵。由式(37)可见,自适应滤波器的目标函数()是延迟线抽头系数(加权或滤波系数)的二次函数。当矩阵R和矢量P已知时,可以由权矢量W(k)直接求其解。现在我们将式(3.7)对W求倒数,并令其等于零,同时假设R是非奇异的,由此可以得到目标函数最小的最佳滤波系数w为R P(38)

【实例简介】PTT文档介绍FOC电机控制技术，包含了针对dspic的控制说明，可清楚的了解永磁同步电机和直流无刷电机的转动原理。

使用python进行58同城招聘信息进行爬取