图像处理基础

模极大值滤波，对信号进行分解和重构。所采用信号是matlab自带信号。(Modulus maxima filtering, the signal decomposition and reconstruction. Signal is used in signal matlab own.)

多类图像特征结合上下文信息进行目标识别（分类、分割）(Many types of image features combined with context information for target identification (classification, segmentation))

Lempel-Ziv 78 Coding (LZ) example(Lempel-Ziv 78 Coding (LZ))

说明：  阵列信号处理，采用遗传算法对阵列进行稀疏化处理，对于研究阵列天线的学者有帮助(Array signal processing and sparse processing with genetic algorithm are helpful to scholars who study array antenna.)

卡尔曼滤波器，也称为线性二次估计（LQE），是一种使用了一系列的观察随时间的测量，含有噪声（随机变化）和其它不准确的算法，并产生往往比更精确的未知变量的估计那些基于单个测量一个人。更正式，卡尔曼滤波器递归操作上嘈杂的输入数据流，以产生底层系统状态的统计optimalestimate。该过滤器被命名为鲁道夫（鲁迪）E.卡尔曼，其理论的主要开发者之一。卡尔曼滤波器具有技术许多应用。一个常见的应用是用于指导，导航和车辆控制，特别是飞机和航天器。此外，该卡尔曼滤波器是在例如信号处理和计量领域中使用的广泛应用的概念银泰序列分析。该算法工作在一个两步骤的过程。在所述预测步骤中，卡尔曼滤波器产生的当前状态变量的估计值，以及它们的不确定性。一旦下一个测量（一定损坏与一定量的误差，包括随机噪声）的结果观察到，这些估计是使用加权平均，具有更多的权重被给予较高的确定性的估计进行更新。由于该算法的递归性的，它可以实时运行仅使用本输入的测量和先前计算出的状态，并且它的不确定性矩阵;不需要额外的过去的信息。它是卡尔曼滤波假设所有的误差项和测量高斯分布一种常见的误解。卡尔曼的原纸使用正交投影理论表明该协方差最小化导出的过滤器，以及此结果不需要任何假设，例如，该误差是高斯型的。[1]然后，他表明，该过滤器产生的确切条件概率估计在特殊的情况下，所有的误差是高斯分布。

matlab编写的有效集方法 用于解决二次规划问题 有测试数据 可以直接运行 代码中有说明 一般约束 非约束二次规划问题都可以解决

说明：  可用于计算两者之间的相关性，可用于脑电信号和肌电信号等(It can be used to calculate the correlation, and can be used for EEG signal and EMG signal, etc)

cs压缩传感用于信号估计和信号去噪,是一种非常有效而且相当先进的技术(cs compressed sensing for signal estimation and signal denoising is a very effective and very advanced technology)

Set of functions to calculate the centroid, central moments and normalised moments of a binary image. Easy to understand, implemented in matlab

一种music方法 对两个测量角度进行仿真分析，包括 目标个数估计和music测角(A music methods of simulation analysis, including two measuring angles of the target number of estimates and music goniometer)