噪声统计估计,noise variance estimation
1)noise variance estimation噪声统计估计
英文短句/例句
1.Design of unscented Kalman filter with noise statistic estimator带噪声统计估计器的Unscented卡尔曼滤波器设计
2.Optimal Estimation of Measurement Noise for Singular Systems with Multiplicative Noise带乘性噪声广义系统的观测噪声最优估计算法
3.Study of Measurement Noise and State Fusion Estimation Algorithms for Multi-Channel System with Multiplicative Noises;多通道带乘性噪声系统的观测噪声估计及状态融合估计算法研究
4.H_2 white noise estimation for linear continuous-time systems with delayed measurements观测时滞连续系统的白噪声H_2估计
5.An iteration Phase Noise Estimator for OFDM SystemOFDM系统相位噪声的迭代估计方法
6.An Improved Noise Spectral Estimation Algorithm Based on the Weighted Minimum Statistics基于加权最小统计的噪声谱估计改进算法
7.Study of Estimation Algorithm for a Class of Nonlinear Systems with Multiplicative Noise;一类带乘性噪声非线性系统的估计算法研究
8.Study of Optimal Estimation Algorithm for Singular Systems with Multiplicative Noise;带乘性噪声广义系统最优估计方法研究
9.Optimal white noise estimatorsfor linear systems with delayed measurements有观测时滞线性系统的白噪声最优估计
10.Channel Estimation Based on Noise Reduction in MB-OFDM UWB SystemsMB-OFDM超宽带系统中基于噪声消除的信道估计
11.The Algorithm on Processor Noise Estimate with Colored Measurement Noise有色测量噪声下的输入白噪声估计算法
12.Research of Noise-signal PSE Based on Two Algorithms for Statistical Signal Processing;基于两种统计信号处理算法的噪声信号谱估计研究
13.Far-end loop noise– using the estimated crosstalker profile, an estimate of the loop noise present at the far end can be made.远端环路噪声－用估计的串扰属性，就能估计远端环路的噪声。
14.A Bayesian-NSCT Image Denoising Arithmetic Based on Layered Noise Estimation基于分层噪声估计的Bayesian-NSCT图像去噪算法
15.Experimental Evaluation on Methods of the Hurst Parameter Estimation Using Fractional Gaussian Noise;分形高斯噪声Hurst参数估计的实验评价
16.Cross Esprit Methods Estimating The Parameters of Closesinusoids in Colored Noise;色噪声背景下正弦参量估计的互ESPRIT法
17.Image Noise Estimation Based on Block Neighborhood Relevance基于块内邻域相关度的图像噪声估计
18.Simplification of finite memorial online estimation for measurement noise量测噪声有限记忆在线估计简化算法
相关短句/例句
white noise statistics estimation白噪声统计估计
1.MIMO channel identification using jointwhite noise statistics estimation and Kalman filtering;联合白噪声统计估计和卡尔曼滤波的MIMO信道辨识
3)Noise statistic estimator噪声统计估计器
4)Estimators of noise statistics噪声统计估值器
1.In this paper a kind of new estimators of noise statistics and adaptive filters of states are put forward in the case that input and output noises of systems are correlative.本文在系统输入和输出噪声相关的条件下，提出一种新的噪声统计估值器和自适应状态滤波器，应用表明了它的有效性。
5)noise estimation噪声估计
1.Speech enhancement withnoise estimation in bark domain;一种基于巴克域噪声估计的语音增强算法
2.During thenoise estimation,the estimation of its spectrum is updated by tracking the speech-absent frames.噪声估计过程中通过跟踪带噪语音帧来更新噪声估计。
3.After capturing theneighborhoods of discontinuity in the image and acquiring their spatial features based onnoise estimation,adaptive optimal.它首先通过噪声估计捕捉图象中可能存在边界的邻域，然后获取邻域中有关边界的空间参数，由此选择最佳微分滤波算子对相应邻域进行滤波，以获取边界点。
6)Noise estimate噪声估计
1.The method can track eigenvalue minima on each eigenvector without any distinction between the speech activity and the speech pause,thus updating the noise estimate throughout the entire signal.针对传统子空间方法中,采用语音活动检测(Voice activity detection,VAD)估计噪声的缺陷,提出了一种基于子空间域的最小统计噪声估计算法。
2.When the statistics of noise are changing or signal-noise-ratio(SNR)is low,the noise estimated value by voice activity detection is not exact.结合语音存在概率对带噪语音协方差矩阵在每个特征向量上的特征值递归平滑得到噪声估计,可以在每一帧内更新噪声特征值。
延伸阅读
统计估计统计估计statistical estimation统计估计[咖位垃川硬范nutijl;e~e，，ee劝eo”eu。-B明”e}数理统计的基本部分之一，研究根据随机观测结果估计其分布的各种特征.例1.设X，，…，茂是独立随机变量(观测结果)，其在直线上的共同分布尹为观测者所未知.设代是经验(样本)分布，它赋于每个随机点x以权重1/。，则气‘是尹的统计估计量(statistiG习esti-mator).经验矩 一介“‘一青‘如是矩，，一丁二“L，的估，。量·特另。地， 了二生夕x n‘了l是均值的估计量，而 护一生夕(x_一乃，n，瞥l、是方差的估计量、基本概念.在一般估计理论中，X的观测值是取值于可测空间(王，鱿)的随机元(份11dome」en犯11t)，其未知分布属于给定的分布族P.分布族总是可以参数化并巨表示为{巧:口任O).这里假设对参数的依赖形式及集合O已知.由观测值X估计未知参数日或函数g在点夕处的值g(6)，在于构造一观测值的函数日‘(X)，使其能充分好地逼近口或g(的.估计量的比较以如下方式进行.假设在集合Ox。(或夕(0)x夕(。))上给定一非负损失函数w。‘，yZ)，其含义是:在实际参数为口时，采用估计量扩造成的损失为w(犷;0).对于给定的损失函数w，人们用平均损失，即风险函数R*(口‘:口)“E。、(口‘、口)作口的估计量口’之优劣的度量.这样，在估计量的集合上引进了半序:估计量T、优于估计量兀，如果R、(T、;日)簇R*(T2;日).特别地，参数6的估计量T(关于损失函数、)称为不容许的(inadi面esible)，如果存在估计量T’，使对于一切O任0，有R、(T’;0)乓R*(T;因，并且至少对某口有严格不等式.在估计量质量的这种比较方式下，结果许多估计量是不可比的，况且损失函数的选取在很大程度上是任意的.有时可以在某个更窄的估计量类中找到最优估计量.无偏估计最(unbi朋ed cot如ator)就是重要一类估计量.假如所作试验关于某个变换族是不变的，则自然局限于考虑不破坏问题对称性的估计量(见同变估计量(明，l论riantes石俄吐。r”.可以按估计量在“不良”点的性质对其进行比较:称口的估计量T0关于损失函数w为极小化极大估计量(~巴石叮么tor)，如果 s笋R·(T0;0)一平s护R，(T;口)，其中下确界对一切估计量T=T(X)来求.在估计问题的】3a邓提法中(见物衅方法(Ba-卿灿approacll))，未知参数视为随机变量，它在O上有先验分布(a priori dis饭buljon)Q.在这种情形下，关于损失函数w的最优估计量T0由以下关系式确定二 :*(几)一。。(:;。)一丁〔。
