N步维纳预测
上一节
下一节
卢光跃
目录
-
1 数I复习及本科绪论
-
1.1 数字信号处理I复习
-
1.2 新建课程目录
-
1.3 本书绪论
-
1.4 数I复习
-
1.5 第一次笔记选编
-
-
2 随机信号描述
-
2.1 本节PPT
-
2.2 随机信号两种定义
-
2.3 随机信号的描述
-
2.4 相关函数的性质
-
2.5 功率谱及性质
-
2.6 本节视频
-
-
3 随机信号通过系统
-
3.1 本节PPT
-
3.2 输出信号平稳性
-
3.3 输入输出信号联合平稳性
-
3.4 相关卷积定理
-
3.5 本节视频
-
-
4 随机信号的模型表示方法
-
4.1 本节PPT
-
4.2 模型的分类
-
4.3 三种主要描述方法的关系
-
4.4 本节视频
-
-
5 第一章案例教学 & 第二章第一节
-
5.1 相关运算在5G上行同步中的应用
-
5.2 Wiener过滤和Kalman过滤
-
5.3 本节视频
-
-
6 Wiener滤波器的设计
-
6.1 本节教案
-
6.2 维纳霍夫方程
-
6.3 估计误差的均方值
-
-
7 维纳滤波的频域求解
-
7.1 非因果维纳滤波器的z域形式
-
7.2 非因果维纳滤波器的求解
-
7.3 因果维纳滤波器的求解
-
-
8 维纳预测
-
8.1 本节教案
-
8.2 N步维纳预测
-
8.3 一步线性纯预测
-
8.4 AR模型参数求解
-
-
9 Kalman滤波
-
9.1 本节教案
-
9.2 Kalman滤波介绍
-
9.3 Kalman滤波的状态和量测方程
-
9.4 Kalman滤波五大递推公式
-
9.5 辅助教学材料
-
9.6 Kalman滤波在定位中的应用
-
-
10 第十单元 自适应横向滤波器
-
10.1 本节课件
-
10.2 自适应横向滤波器
-
10.3 最佳权系数和性能函数表达式
-
10.4 性能函数表达式的几何意义
-
-
11 第十一单元最陡下降法 & LMS
-
11.1 第一课时 最陡下降法的基础
-
11.2 第二课时 最陡下降法
-
11.3 第三课时 LMS
-
-
12 第十二单元自适应格型滤波器
-
12.1 第一课时本节PPT
-
12.2 LMS自适应滤波
-
12.3 Levinson-Durb算法
-
12.4 格型滤波器
-
-
13 第二章案例教学
-
13.1 第一组学习资料
-
13.2 第二组学习资料
-
13.3 第三组学习资料
-
13.4 第四组学习资料
-
13.5 第五组学习资料
-
-
14 第十四单元
-
14.1 最小均方差自适应格型滤波器
-
14.2 最小二乘自适应滤波器
-
14.3 RLS自适应算法基本原理
-
-
15 第三章案例教学&向量空间下的LS算法
-
15.1 第一组学习资料
-
15.2 第二组学习资料
-
15.3 第三组学习资料
-
15.4 第四组学习资料
-
15.5 第五组学习资料
-
15.6 向量空间下的LS算法
-
-
16 第十五单元
-
16.1 功率谱估计
-
16.2 周期图法
-
16.3 经典谱估计的改进
-
-
17 第十六单元
-
17.1 AR模型谱估计
-
17.2 协方差法，修正协方差法，Burg法
-
17.3 最大熵谱估计、最大似然谱估计、特征分解发谱估计mp4
-
-
18 第四章案例
-
18.1 基于谱估计的调制方式识别
-
