一、两幅图像线性混合线性混合，就是g(x) = a*f1(x) +b*f2(x)。其中g为输出，f1、f2为输入。a+b=1。作用1：线性混合可以用于去噪，假设噪声的产生符合均值为零、标准差的独立分布。多个高斯分布求平均值，即可去除噪声。作用2：用于两张图片的切换。a从大到小变化，b从小到大变化。g...
分类：
其他好文 时间：
2014-11-20 11:36:29
阅读次数：
302
温度模拟参数选取xk系统状态实际温度A系统矩阵温度不变，为1B、uk状态的控制量无控制量，为0Zk观测值温度计读数H观测矩阵直接读出，为1wk过程噪声温度变化偏差，常量1e-1vk测量噪声读数误差，常量1e-6clc;clear all;close all;N = 200; % 迭代...
分类：
其他好文 时间：
2014-11-19 07:13:41
阅读次数：
904
这节来介绍一下频率域滤波。 在空间域内，我们是直接对像素进行操作以增强图像的有用信息。像高斯平滑，是取一个模板与图像进行卷积操作，得到处理后的图像。不同的变换域可以很方便的解决某种问题，例如空间域中值滤波是取一个区域的中值替代中间像素的灰度，可以很好的去除椒盐噪声例如下图中的（1）（2）（3）...
分类：
其他好文 时间：
2014-11-19 00:17:55
阅读次数：
322
在使用k近邻法进行分类时，对新的实例，根据其k个最近邻的训练实例的类别，通过多数表决的方式进行预测。由于k近邻模型的特征空间一般是n维实数向量，所以距离的计算通常采用的是欧式距离。关键的是k值的选取，如果k值太小就意味着整体模型变得复杂，容易发生过拟合，即如果邻近的实例点恰巧是噪声，预测就会出错，极...
分类：
其他好文 时间：
2014-11-15 20:10:25
阅读次数：
420
转载请注明出处: http://xiahouzuoxin.github.io/notes/谱减法模型实际听觉环境中，肯定是含有噪声的，那掺杂有噪声的声音信号中原声音信号和噪声信号是如何体现的呢？一种普遍被使用的方法是：采集到的声音信号永远都是原信号与噪声信号的叠加，即模型是信号的直接叠加，这就要满足：原信号与噪声信号不相关。其实有些情况下这个条件是不满足的，所以依然有很多其他的模型，如有人认为原信...
分类：
其他好文 时间：
2014-11-14 22:51:37
阅读次数：
432
卷积，为了更好的“动态”滤波！
问题来了，为什么用卷积滤波，而不是很简单的在频率领域内进行数据的频率处理？
为了强调我认为的答案，已经用blog标题给出了。卷积，为了更好的“动态”滤波！
有心人可能会思考这样的问题，对于带有噪声的输入信号，要滤去高频噪声（如下图中的信号，我特意假定输入为y = sin（1...
分类：
其他好文 时间：
2014-11-13 12:58:12
阅读次数：
139
差动工作方式优点：1. 对环境噪声具有更强的抗干扰性；2. 抑制共模噪声；3. 增大了最大电压摆幅；4. 更简单的偏执电路和更高的线性度一、基本概念（公式推导略）：1. 差动信号：两个结点电位之差，并且这两个结点相对于某个固定电位大小相等，极性相反，严格地说，这两个电位与固定结点的阻抗也必须相等。 ...
分类：
其他好文 时间：
2014-11-08 23:21:32
阅读次数：
392
本节课主要介绍了关于机器学习中的过拟化问题。作者指出，区别一个专业级玩家和业余爱好者的方法之一就是他们如何处理过拟化问题。通过该课程，我们可以知道样本数据的拟合并不是越高越好，因为噪声的存在将使得过拟化问题的出现。最后简介了处理过拟合的两种方法。...
分类：
其他好文 时间：
2014-11-07 23:29:28
阅读次数：
273
一. Turbo编码与译码原理
Turbo编码器是：并行级联卷积编码(PCCC，Parallel Concatenated ConvolutionalCode),它使用了两个8状态子编码器和一个Turbo码内交织器。Turbo编码器的码率为1/3。
二. 仿真链路：
信道环境：高斯白噪声
仿真参数：R =1/3 , 约束长度=9，MAP交织器为：LTE交织器
...
分类：
编程语言 时间：
2014-11-05 21:26:31
阅读次数：
196
