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
4) Estimators of noise statistics
噪声统计估值器
1.
In this paper a kind of new estimators of noise statistics and adaptive filters of states are put forward in the case that input and output noises of systems are correlative.
本文在系统输入和输出噪声相关的条件下，提出一种新的噪声统计估值器和自适应状态滤波器，应用表明了它的有效性。
5) 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。
6) 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。
补充资料：统计估计
统计估计
statistical estimation
统计估计[咖位垃川硬范nutijl;e~e，，ee劝eo”eu。-B明”e} 数理统计的基本部分之一，研究根据随机观测结果估计其分布的各种特征. 例1.设X，，…，茂是独立随机变量(观测结果)，其在直线上的共同分布尹为观测者所未知.设代是经验(样本)分布，它赋于每个随机点x以权重1/。，则气‘是尹的统计估计量(statistiG习esti-mator).经验矩 一介“‘一青‘如是矩，，一丁二“L，的估，。量·特另。地， 了二生夕x n‘了l是均值的估计量，而 护一生夕(x_一乃， n，瞥l、是方差的估计量、 基本概念.在一般估计理论中，X的观测值是取值于可测空间(王，鱿)的随机元(份11dome」en犯11t)，其未知分布属于给定的分布族P.分布族总是可以参数化并巨表示为{巧:口任O).这里假设对参数的依赖形式及集合O已知.由观测值X估计未知参数日或函数g在点夕处的值g(6)，在于构造一观测值的函数日‘(X)，使其能充分好地逼近口或g(的. 估计量的比较以如下方式进行.假设在集合Ox。(或夕(0)x夕(。))上给定一非负损失函数w。‘，yZ)，其含义是:在实际参数为口时，采用估计量扩造成的损失为w(犷;0).对于给定的损失函数w，人们用平均损失，即风险函数R*(口‘:口)“E。、(口‘、口)作口的估计量口’之优劣的度量.这样，在估计量的集合上引进了半序:估计量T、优于估计量兀，如果R、(T、;日)簇R*(T2;日).特别地，参数6的估计量T(关于损失函数、)称为不容许的(inadi面esible)，如果存在估计量T’，使对于一切O任0，有R、(T’;0)乓R*(T;因，并且至少对某口有严格不等式.在估计量质量的这种比较方式下，结果许多估计量是不可比的，况且损失函数的选取在很大程度上是任意的. 有时可以在某个更窄的估计量类中找到最优估计量.无偏估计最(unbi朋ed cot如ator)就是重要一类估计量.假如所作试验关于某个变换族是不变的，则自然局限于考虑不破坏问题对称性的估计量(见同变估计量(明，l论riantes石俄吐。r”. 可以按估计量在“不良”点的性质对其进行比较:称口的估计量T0关于损失函数w为极小化极大估计量(~巴石叮么tor)，如果 s笋R·(T0;0)一平s护R，(T;口)，其中下确界对一切估计量T=T(X)来求. 在估计问题的】3a邓提法中(见物衅方法(Ba-卿灿approacll))，未知参数视为随机变量，它在O上有先验分布(a priori dis饭buljon)Q.在这种情形下，关于损失函数w的最优估计量T0由以下关系式确定二 :*(几)一。。(:;。)一丁〔。
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