1) complex sign estimator
复符号估计算法
2) symbolic computation
符号计算
1.
The application of Mathcad symbolic computation in structural chemistry;
Mathcad的符号计算在结构化学中的应用
2.
Using symbolic computation to obtain exact solitary wave solutions of nonlinear wave equations;
用符号计算求解非线性波动方程的精确孤波解
3.
Exact Solution for a Nonlinear Dispersive Dissipative System Using Symbolic Computation;
一个非线性耗散色散系统精确解的符号计算
3) symbolic calculation
符号计算
1.
Application in signals and systems using symbolic calculation of MATLAB;
MATLAB的符号计算在《信号与系统》中的应用
2.
A symbolic calculation is applied in the formation and derivation of the primal-dual interior point algorithm s modified equation,which applies Matlab s symbolic math toolbox.
利用Matlab符号工具箱完成了求解原对偶内点算法修正方程过程的符号计算,能够获得系统状态变量修正量的显式符号结果,使得复杂的原对偶内点算法修正方程的形成与求解过程简化为在每次迭代中进行一次简单的代数替换。
3.
As an example,symbolic calculation is introduced to the analysis of two-port network,including relationships between different parameter matrix and the analysis of terminated two-port network.
本文以电路中的双口网络为例,利用Matlab的符号计算功能,推导双口网络各参数间的关系,分析具有端接的双口网络,以此说明符号计算在电路分析中的应用。
4) symbol rate estimation
符号率估计
1.
A symbol rate estimation algorithm based on wavelet transform with optimal scale;
一种基于最优尺度小波变换的符号率估计算法
2.
The simulation results show that the modified Morlet wavelet transform algorithm is superior to the original algorithm in symbol rate estimation.
针对这个问题,本文根据指数遗忘分布在时间上的相关性,对Morlet小波函数进行了改进,并应用于信号符号率估计。
3.
By analyzing the wavelet domain character of MPSK signals, the symbol rate estimation algorithms of MPSK signals in combination of wavelet transform with FFT is studied, and the performances of between two symbol rate estimation algorithms by using once the wavelet transform or twice the wavelet transform are compared.
仿真结果表明,在相同情况下,利用MPSK信号的二次小波变换进行符号率估计比利用一次小波变换进行符号率估计的性能更为优越。
5) symbolic algorithm
符号算法
1.
Furthermore,the condition was applied to symbolic algorithm of global optimization of the class of radical functions.
将这一条件用于此类根式型函数全局优化的符号算法中,有效地改进了原有的通用算法,从而达到了提高原算法在此类根式型函数上运算效率的目的。
补充资料：递推估计算法
利用时刻t上的参数估计孌(t)、存储向量嗘(t)与时刻 t+1上测量的输入和输出值u(t+1)和y(t+1)计算新参数值孌(t+1),再根据孌(t+1)计算出新参数值孌(t+2)，直到获得满意的参数值为止。这种算法的每一步计算量都比较小，能够使用小型计算机进行离线或在线参数估计，可以估计时变参数，也可以实时估计适应控制器的参数（见适应控制系统）。20世纪60年代，递推估计算法得到迅速发展，到了70年代产生了许多不同的方法，例如，有离线方法的各种变形、卡尔曼滤波法、随机逼近方法和模型参考适应参数递推估计法等。递推估计算法的各种方法可以用一个统一的公式来描述：
给孌(t),F(t),嫓(t)和w(t)不同的值就得到各种不同的方法：①递推最小二乘法；②递推增广最小二乘法；③递推近似极大似然法；④递推辅助变量法；⑤递推广义最小二乘法；⑥卡尔曼滤波参数估计；⑦随机逼近法；⑧模型参考适应法；⑨时变参数递推估计法。
参考书目
Lennart Ljung，Torsten Soderstrom， Theory and Practice of Recursive Identification，MIT Press., Combridge, Mass., 1983.
给孌(t),F(t),嫓(t)和w(t)不同的值就得到各种不同的方法：①递推最小二乘法；②递推增广最小二乘法；③递推近似极大似然法；④递推辅助变量法；⑤递推广义最小二乘法；⑥卡尔曼滤波参数估计；⑦随机逼近法；⑧模型参考适应法；⑨时变参数递推估计法。
参考书目
Lennart Ljung，Torsten Soderstrom， Theory and Practice of Recursive Identification，MIT Press., Combridge, Mass., 1983.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条