您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 广义高斯分布样本参数估计

  2. 实现对符合广义高斯分布样本的广义高斯参数的估计,利用Newton–Raphson迭代方法实现参数的数值解。
  3. 所属分类:讲义

    • 发布日期:2014-12-04
    • 文件大小:768
    • 提供者:kxuehen
  1. 广义高斯分布参数估计(GGD)

  2. 这是对广义高斯分布中两个参数alpha,beta的估计方法,对自然图像的大量统计特征就符合这一分布。
  3. 所属分类:专业指导

    • 发布日期:2009-02-27
    • 文件大小:7168
    • 提供者:lyp260846137
  1. 广义高斯分布参数估计(GGD)

  2. 广义高斯分布参数估计(GGD)。 这是对广义高斯分布中两个参数alpha,beta的估计方法,对自然图像的大量统计特征就符合这一分布。 参数估计
  3. 所属分类:专业指导

    • 发布日期:2019-04-06
    • 文件大小:72704
    • 提供者:xmt1139057136
  1. 一种广义高斯分布形状参数的快速估计算法

  2. 广义高斯分布(GGD)在信号处理和图像处理等领域都有着广泛的应用。GGD形状参数的估计通常采用极大似然法和矩估计法。用极大似然法估计形状参数计算复杂、计算量大。用矩估计法的一阶和二阶绝对矩估计可减轻计算的复杂性,但反函数的解析形式很难得到,需要迭代计算,计算效率很低。文中提出了一种基于反函数曲线拟合的GGD形状参数估计方法,在[0.1,2.5]区间与其它现有方法相比具有函数形式简单(仅具有7个系数)、估计精度高、计算简便快速等优点。
  3. 所属分类:其它

    • 发布日期:2020-07-12
    • 文件大小:185344
    • 提供者:weixin_38654855
  1. 非稀疏欠定盲分离及其在语音分离中的应用

  2. 本文提出一种基于马尔科夫链蒙特卡洛方法(MCMC)的贝叶斯非稀疏盲源分离算法。用广义高斯分布(GGD)来拟合源信号的分布,通过MCMC抽样得到GGD参数和隐变量的估计,并由此得到源信号的最小均方误差估计(MMSE),解决了GGD参数估计容易陷入局部极值点、鲁棒性差的问题。根据语音信号的局部平稳性,提出基于非稀疏度评判准则的盲分离算法,用MCMC方法分离非稀疏区的语音信号,进一步提高了语音信号分离精度。仿真实验证明,本文方法改善了非稀疏信号和语音信号的分离效果,而且具有更好的鲁棒性。
  3. 所属分类:其它

    • 发布日期:2021-03-16
    • 文件大小:381952
    • 提供者:weixin_38661008
  1. 一种自适应的非局部均值图像去噪算法

  2. 对Buades等人提出的非局部均值图像去噪算法进行改进。传统的方法在滤波参数定义上存在缺陷,为了解决这个问题,通过建立噪声方差与滤波系数的关系,提出解决噪声估计的方法。另外,根据小波系数的分布特点,利用GGD模型参数(尺度和形状参数)对系数进行拟合,并用GGD模型参数提出一种有效的噪声方差估计算法。实验结果表明,该噪声方差估计算法不仅能有效地估计噪声方差大小,而且使原有的非局部均值算法具有自适应性。这种自适应的非局部均值算法可以达到近似最优,具有鲁棒性和快速性,且算法精度高。
  3. 所属分类:其它

    • 发布日期:2021-02-09
    • 文件大小:844800
    • 提供者:weixin_38609571