白噪声估计,white noise estimation,音标,读音,翻译,英文例句,英语词典

您的位置：首页 -> 词典 -> 白噪声估计

1) white noise estimation 点击朗读

白噪声估计

By applying white noise estimation theory in Krein space,a sufficient and necessary condition on the existence of an H∞ fault estimator was derived,and a solution was obtained in terms of matrix Riccati equation.

首先将H∞故障估计问题转化为二次型问题,引入相应的Krein空间系统,然后应用Krein空间白噪声估计理论,得到了问题可解的充要条件,并通过矩阵Riccati方程设计H∞故障估计器。

Based on Kalman filtering and white noise estimation theory, reduced-order Wiener state estimator for a canonical form of descriptor discrete- time stochastic linear systems is proposed by applying modern time series analysis approach.

应用现代时间序列分析方法,基于Kalman滤波和白噪声估计理论,对于广义离散随机线性系统的一种典范型,提出降阶Wiener状态估值器,可统一处理滤波、平滑和预报问题,并且能减少计算负担,便于实时应用。

更多例句>>

2) white noise statistics estimation 点击朗读

白噪声统计估计

MIMO channel identification using joint white 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) Optimal White Noise Estimation 点击朗读

最优白噪声估计

4) noise estimation 点击朗读

噪声估计

Speech enhancement with noise estimation in bark domain; 点击朗读

一种基于巴克域噪声估计的语音增强算法

During the noise 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。

After capturing theneighborhoods of discontinuity in the image and acquiring their spatial features based on noise 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。

更多例句>>

5) Noise estimate 点击朗读

噪声估计

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。

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。

更多例句>>

6) noise estimator 点击朗读

噪声估计器

补充资料：白噪声

白噪声
white noise

　　白噪声[咖te俪se;6e几u曲川yM] 有常值谱密度(sPeet阁de招ity)的广义平稳随机过程(stationa理stochasticP联ess)X(t).白噪声的广义相关函数形如刀(r)二。’占(t)，其中叮’是正常数而占(t)是吞函数.白噪声过程被广泛应用于描述有很小相关周期的随机扰动(例如“热噪声”—导体中由电子的热运动产生的电流强度的脉动).在白噪声的谱分解 x(。)一丁。!、!d:(、)中，其“基本振动”e“‘d:(又)在所有频率又处都有同样的平均强度;更确切些说，它们的平均平方振幅是 Eld:(洲2一兰以一二<伙二. 2兀这个谱分解意味着，对每一平方可积函数甲(t)，一J，(:)X(。)d:一丁石(、)d·(、)，其中石(劝是毋(t)的R脚让r变换(Fourie:tr二-form);广义过程X二(x，毋>对函数职(t)的更明显的依赖性可以由一个与d以劝同类型的对应随机测度d叮(t)来描述(d叮(t)是随机测度dz(又)的Fou-rier变换)，即 ‘X，，，一了，(。)d。(亡)· G泣仍s白噪声(Gauss恤认七ite noise)X(t)作为肠旧翎.运动(Bro~订幻石。n)叮(t)的广义导数(X(t)=叮‘(t))，是构造“受控”于一随机微分方程的随机扩散过程(diffusionp联ess)y(t)的基础: Y，(t)=a(t，Y(t))+。(t，Y(t))粉‘(t)·这方程常常写成微分形式: dy(t)=a(r，Y(r))dr+。(r，Y(t))d叮(t). 涉及白噪声应用的另一类重要模型是描述有平稳随机扰动X(t)作用于其上的稳定振动系统行为的随机过程Y(t)，这时，Y(s)(st).这种系统的一个很简单的例子是 _了d、，，、 PI‘竺一】Y(t飞=X(t)、一\dt/一‘一’其中尸(:)是全部根都在左半平面的多项式;在阻尼掉“瞬时过程’之后，过程Y(t)即由下式给出: y“，一f击“·‘、，·实际应用中，在所谓散粒效应(shot effect)过程的描述中，如下形式的白噪声 x(。)二艺占(。一;*) k起着重要的作用(k在一的与的之间变动，而…，:一:，;〔，，:t，…构成一Poisson过程);更确切地说，X(t)是Poisson过程粉(t)的广义导数.散弹效应过程本身有如下形式: Y(:)一了。(。，:)x(、)、:一J。(。，:)、。(、) =艺c(:，Tk) k其中c(t，、)是满足条件丁!。(:，:)}2、:、二的权函数;此外，广义过程X=的均值是 a‘，，一a丁，(「)d‘，其中a是Poisson律的参数(见上)，而该过程的谱表示 X(:)一a+丁。

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

观测噪声估计器加权噪声估计噪声电平估计背景噪声估计噪声功率估计噪声方差估计

噪声谱估计盲噪声估计噪声统计估计噪声统计估计器白噪声估值器

说明：双击或选中下面任意单词，将显示该词的音标、读音、翻译等；选中中文或多个词，将显示翻译。
	您的位置：首页 -> 词典 -> 白噪声估计 1) white noise estimation 白噪声估计 1. By applying white noise estimation theory in Krein space,a sufficient and necessary condition on the existence of an H∞ fault estimator was derived,and a solution was obtained in terms of matrix Riccati equation. 首先将H∞故障估计问题转化为二次型问题,引入相应的Krein空间系统,然后应用Krein空间白噪声估计理论,得到了问题可解的充要条件,并通过矩阵Riccati方程设计H∞故障估计器。 2. Based on Kalman filtering and white noise estimation theory, reduced-order Wiener state estimator for a canonical form of descriptor discrete- time stochastic linear systems is proposed by applying modern time series analysis approach. 应用现代时间序列分析方法,基于Kalman滤波和白噪声估计理论,对于广义离散随机线性系统的一种典范型,提出降阶Wiener状态估值器,可统一处理滤波、平滑和预报问题,并且能减少计算负担,便于实时应用。更多例句>> 2) white noise statistics estimation 白噪声统计估计 1. MIMO channel identification using joint white 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) Optimal White Noise Estimation 最优白噪声估计 4) noise estimation 噪声估计 1. Speech enhancement with noise estimation in bark domain; 一种基于巴克域噪声估计的语音增强算法 2. During the noise 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 on noise 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。更多例句>> 5) 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。更多例句>> 6) noise estimator 噪声估计器补充资料：白噪声白噪声 white noise 　　白噪声[咖te俪se;6e几u曲川yM] 有常值谱密度(sPeet阁de招ity)的广义平稳随机过程(stationa理stochasticP联ess)X(t).白噪声的广义相关函数形如刀(r)二。’占(t)，其中叮’是正常数而占(t)是吞函数.白噪声过程被广泛应用于描述有很小相关周期的随机扰动(例如“热噪声”—导体中由电子的热运动产生的电流强度的脉动).在白噪声的谱分解 x(。)一丁。!、!d:(、)中，其“基本振动”e“‘d:(又)在所有频率又处都有同样的平均强度;更确切些说，它们的平均平方振幅是 Eld:(洲2一兰以一二<伙二. 2兀这个谱分解意味着，对每一平方可积函数甲(t)，一J，(:)X(。)d:一丁石(、)d·(、)，其中石(劝是毋(t)的R脚让r变换(Fourie:tr二-form);广义过程X二(x，毋>对函数职(t)的更明显的依赖性可以由一个与d以劝同类型的对应随机测度d叮(t)来描述(d叮(t)是随机测度dz(又)的Fou-rier变换)，即 ‘X，，，一了，(。)d。(亡)· G泣仍s白噪声(Gauss恤认七ite noise)X(t)作为肠旧翎.运动(Bro~订幻石。n)叮(t)的广义导数(X(t)=叮‘(t))，是构造“受控”于一随机微分方程的随机扩散过程(diffusionp联ess)y(t)的基础: Y，(t)=a(t，Y(t))+。(t，Y(t))粉‘(t)·这方程常常写成微分形式: dy(t)=a(r，Y(r))dr+。(r，Y(t))d叮(t). 涉及白噪声应用的另一类重要模型是描述有平稳随机扰动X(t)作用于其上的稳定振动系统行为的随机过程Y(t)，这时，Y(s)(st).这种系统的一个很简单的例子是 _了d、，，、 PI‘竺一】Y(t飞=X(t)、一\dt/一‘一’其中尸(:)是全部根都在左半平面的多项式;在阻尼掉“瞬时过程’之后，过程Y(t)即由下式给出: y“，一f击“·‘、，·实际应用中，在所谓散粒效应(shot effect)过程的描述中，如下形式的白噪声 x(。)二艺占(。一;) k起着重要的作用(k在一的与的之间变动，而…，:一:，;〔，，:t，…构成一Poisson过程);更确切地说，X(t)是Poisson过程粉(t)的广义导数.散弹效应过程本身有如下形式: Y(:)一了。(。，:)x(、)、:一J。(。，:)、。(、) =艺c(:，Tk) k其中c(t，、)是满足条件丁!。(:，:)}2、:、二的权函数;此外，广义过程X=的均值是 a‘，，一a丁，(「)d‘，其中a是Poisson律的参数(见上)，而该过程的谱表示 X(:)一a+丁。说明：*补充资料仅用于学习参考，请勿用于其它任何用途。参考词条观测噪声估计器加权噪声估计噪声电平估计背景噪声估计噪声功率估计噪声方差估计

©2011 dictall.com