1) Density estimating model
密度估计模型
2) density estimation
密度估计
1.
Wavelet-Based density estimation and its application to fault diagnosis;
基于小波分析的概率密度估计及其在故障诊断中的应用(英文)
2.
An asymptotic representation of local ise for kernel density estimation;
核密度估计的局部积分方差的渐近表示
3.
Based on non-dominated sorting and density estimation,this algorithm uses a new selection operator to create mating pool by selecting solutions from parent population and uses an outer set to keep non-dominated solutions.
该方法在非支配解排序和密度估计的基础上,设计了一种新的选择算子从父代中选择进入繁殖池的个体,并使用外部集合保存进化过程所得的非支配解。
3) Density estimator
密度估计
1.
A bound on L_1 distances of kernel density estimators for truncated and censored data;
左截断右删失下核密度估计的L_1距离的界(英文)
4) modelling of tensile strength
强度估计模型
5) velocity estimation model
速度估计模型
1.
The basic idea of velocity estimation model(VEM) and its implementation in physical space are introduced.
介绍了速度估计模型的基本思想及其在物理空间的实现。
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