Estimatenoise:从信号向量或数组估计噪声方差-matlab开发
某些曲线拟合或平滑工具可以从数据中预期的噪声方差的知识中受益。 卡尔曼滤波器使用此信息，还有一些样条拟合工具。 所以我写了一个函数来从信号向量中提取噪声方差。 它也适用于数组的任何指定维度。
使用此代码的一些示例：
简单的线性数据，纯加性 N(0,1) 高斯噪声：
t = 0:10000; x = t + randn(size(t)); mv = 估计噪声（x） MV = 1.0166
添加到正弦波的高斯噪声（标称方差 = 0.01） t = linspace(0,1,1000)'; x = sin(t*50) + randn(size(t))/10; mv = 估计噪声（x） MV = 0.0096887
纯高斯噪声，标称方差为 9。（请注意，对于这种特殊情况，var 可能是更好的估计量......）
mv = 估计噪声(3*randn(2,3,1000),3) MV =
文件下载
资源详情
[{"title":"（ 1 个子文件 6KB ） Estimatenoise:从信号向量或数组估计噪声方差-matlab开发","children":[{"title":"estimatenoise.zip <span style='color:#111;'> 5.79KB </span>","children":null,"spread":false}],"spread":true}]
评论信息
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明