1) wavelet density estimation
小波密度估计
2) wavelet probability density estimation
小波概率密度函数估计
1.
An algorithm for blind source separation based on wavelet probability density estimation;
基于小波概率密度函数估计的盲信号分离算法
3) wavelet estimator
小波估计
1.
Nonparametric wavelet estimator of a fixed designed regression function for martingale sequences;
固定设计下鞅序列回归函数的小波估计
2.
Consistency of wavelet estimators in partially linear models for fixed design
固定设计下部分线性模型中小波估计的相合性
3.
Based on the study of the wavelet estimator of projection index, we explore the segmentation of SAR image used multi-scale projection pursuit.
本文在研究投影指标的小波估计及其统计性质的基础上，对SAR图像的多尺度投影寻踪分割方法进行了探索性研究。
4) wavelet estimation
小波估计
1.
Wavelet Estimation of Nonparametric Regression Function under Dependent Sample;
相依样本下非参数回归函数的小波估计
2.
Strong consistency of wavelet estimation in the semiparametric regression model
半参数回归模型小波估计的强相合性
3.
For regression curve g(·) , the wavelet estimation based on {y i} n i=1 ,(t)=? 苮ni=1y i∫ A i E m(t, s) d s is given and the consistency of the estimation in a general framework discussed.
利用线性小波光滑的方法 ,讨论了 g(· )的小波估计 g(· )的收敛性 。
6) wavalet estimation
小波估计
1.
The convergence rate of the wavalet estimation in semiparametric regression model under fixed design;
固定设计下半参数回归模型小波估计的收敛速度
2.
The consistency of the wavalet estimation in semiparametric regression model;
半参数回归模型小波估计的相合性
补充资料：功率谱密度估计
随机信号的功率谱密度用来描述信号的能量特征随频率的变化关系。功率谱密度简称为功率谱，是自相关函数的傅里叶变换。对功率谱密度的估计又称功率谱估计。平稳随机信号x(t)的（自）功率谱Sxx(ω)定义为
(1)
式中rxx(τ)为平稳随机信号的自相关函数。
对于离散情况，功率谱表示为
(2)
式中T为离散随机信号的抽样间隔时间。
当利用随机信号的 N个抽样值来计算其自相关估值时，即可得到功率谱估计为
(3)
可见，随机信号的功率谱与自相关函数互为傅里叶变换的关系，这两个函数分别从频率域和时间域来表征随机信号的基本特征。按上式计算功率谱估值，其运算量往往很大，通常采用快速傅里叶变换算法，以减少运算次数。
计算信号功率谱的方法可以分为两类：一为线性估计方法，有自相关估计、自协方差法及周期图法等。另一类为非线性估计方法，有最大似然法、最大熵法等。线性估计方法是有偏的谱估计方法，谱分辨率随数据长度的增加而提高。非线性估计方法大多是无偏的谱估计方法，可以获得高的谱分辨率。
参考书目
何振亚：《数字信号处理的理论与应用》，人民邮电出版社，北京，1983。
A. V. Oppenheim, R. W. Schafer, Digital Signal Processing Prentice-Hall, Inc., Englewood Cliffs,New Jersey,1975.
(1)
式中rxx(τ)为平稳随机信号的自相关函数。
对于离散情况，功率谱表示为
(2)
式中T为离散随机信号的抽样间隔时间。
当利用随机信号的 N个抽样值来计算其自相关估值时，即可得到功率谱估计为
(3)
可见，随机信号的功率谱与自相关函数互为傅里叶变换的关系，这两个函数分别从频率域和时间域来表征随机信号的基本特征。按上式计算功率谱估值，其运算量往往很大，通常采用快速傅里叶变换算法，以减少运算次数。
计算信号功率谱的方法可以分为两类：一为线性估计方法，有自相关估计、自协方差法及周期图法等。另一类为非线性估计方法，有最大似然法、最大熵法等。线性估计方法是有偏的谱估计方法，谱分辨率随数据长度的增加而提高。非线性估计方法大多是无偏的谱估计方法，可以获得高的谱分辨率。
参考书目
何振亚：《数字信号处理的理论与应用》，人民邮电出版社，北京，1983。
A. V. Oppenheim, R. W. Schafer, Digital Signal Processing Prentice-Hall, Inc., Englewood Cliffs,New Jersey,1975.
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