在有电磁波信息链的条件下，飞行器通过单电磁矢量传感器接收来自基站的完全极化电磁波信号，并对该信号进行处理获得电磁波的波达角和极化角。本文提出了一种新的基于电磁矢量传感器的MUSIC极化-空域联合谱估计方法，此方法将极化空域导向矢量分解成矩阵旋转乘积的形式，并将其作进一步的演化成矩阵生成元的形式。最后用仿真验证了算法的有效性。

PPT是我整理的对最小二乘法的学习好理解，内容包括： 1.什么是最小二乘法 & 如何求解 2.最小二乘法是否一定有解 & 几何意义 3.最小二乘法如何保证全局最优 4.加权最小二乘法(WLS) 5.最小二乘法使用条件 & 应用场景 6.最小二乘法优缺点 & 优化算法 7.引申讨论

seir模型参数估计

matlab中的gompertz代码== 模型黑盒 == 这个 matlab 包打算用作参数估计和模型模拟的黑匣子 它支持三种不同的后端： 八度（优化包） Matlab（优化工具箱） Matlab（SBTOOLBOX2 工具箱） 我们建议使用 Octave 或 Matlab 自己的工具箱，因为如果数据规模增加，SBTOOLBOX2 可能会变得不稳定。 模型基本目录中的模型与 Octave 和 Matlab 兼容。 基于 Octave 的模型的要求 Octave 环境（用 3.6.2 测试） 优化包 () 基于 Matlab 的模型的要求 Matlab环境 优化工具箱 编译器工具箱 基于 SBTOOLBOX2 的模型的要求 Matlab环境 编译器工具箱 SBTOOLBOX2 工具箱 SBPD 工具箱 结构 任何模型的使用都取决于具有三个文件： 模型：定义模型方程的地方 estimator : .m 文件，定义了估计参数的必要步骤 模拟器：.m 文件，模拟具有给定参数的曲线 这些文件允许为可以在线或在本地计算机中访问的模型生成 cgi 脚本 创建一个新的模型黑盒 Octave / Mat

一个比较好的用于自学和研究HMM性质的文档

回归参数估计 使用不同方法的回归模型中参数估计的R代码： 最小二乘 梯度下降 大都会-哈丁斯 使用JAGS进行吉布斯采样 该代码用于具有一个预测变量的线性回归问题（单变量回归）。 目的是通过一个简单的示例并为所有方法提供基本实现，以介绍机器学习中广泛使用的重要方面，例如梯度下降和蒙特卡洛方法。 此博客文章中介绍了不同的方法和代码： :

EM（expectation-maximization）算法是Dempster,Laird和Rubin(DLR)三个人在1977年正式提出的.主要是用于在不完全数据的情况下计算最大似然估计。ppt中包含以下内容： 算法介绍 EM算法 GEM算法性质 EM算法解释 EM不足及改进 作者：尤全增 ultimateyou@gmail.com

此matlab代码是parzen窗非参数估计概率密度函数的，以及parzen窗做分类器

离散控制Matlab代码潜在Alpha模型估算代码的文档 作者： Philippe Casgrain 电子邮件： MATLAB和C代码的此集合可用于通过EM算法估算纯跳跃潜在alpha模型中的参数。 有关这些模型和估计算法以及它们在算法交易中的使用的更多信息，请参见[^ fn1]。 注意：在此存储库中找到的许多C代码都是基于的经典HMM的Forward-Backward算法的C / mex实现。 该算法的原始代码以及不同实现方式的比较。 价格过程模型 我们考虑资产价格过程$ S_t $的连续时间模型，该模型由潜在的隐马尔可夫链$ \ Theta $驱动。 我们假设此特定模型的动力学表示为$$ dS_t = \ delta \ left（dN_t ^ +-dN_t ^-\ right）; $ $$，其中$ \ delta> 0 $表示刻度尺寸，而$ N_t ^ \ pm $是具有相应随机强度$ \ lambda_t ^ {\ pm} $的泊松过程。 我们假设强度过程采用如下形式$ $$ \ lambda_t ^ {\ pm} = \ sigma + \ kappa（\ Theta_t-S

文档用了STFT