本文介绍了机动目标跟踪中的3D空间中的广义协同转弯模型，都是一些经典的文献，不好找

这是用于时频分析的S变换的程序

本代码是使用新方法对信号进行广义平稳性估计的 Matlab 函数。 根据该理论，估计的对象是：被测信号的均值、方差和自协方差。 这三个参数必须与时间无关，以便将信号标记为非平稳信号。 该函数提供了四个布尔标志的计算： 1）整体广义平稳性，即均值、方差和自协方差同时平稳； 2）关于均值（或线性趋势）的平稳性； 3）关于方差（以及因此关于RMS值）的平稳性； 4) 自协方差的时不变性（以及自相关和 PSD 的时不变性）。 给出了一些示例以阐明该函数的用法。 为方便起见，输入和输出参数在函数的开头给出。 该代码基于以下描述的理论： [1] H.日沃米罗夫，I. Nedelchev。 一种信号平稳性估计方法。 罗马尼亚声学与振动杂志，ISSN：1584-7284，卷。 XVII, No. 2, pp. 149-155, 2020. ( http://rjav.sra.ro/index.ph

针对现有相关噪声模型—Laplacian 模型不能精确描述相关噪声，导致分布式视频编码(DVC,distributed video coding)系统的率失真性能不高的问题，提出像素域DVC中广义伽马分布相关噪声模型。首先分析了相关噪声的统计特性，发现 Laplacian 分布的峰值比实际相关噪声分布的低，然后采用广义伽马分布对相关噪声进行拟合，并给出在线估计广义伽马分布参数的方法。实验结果表明，提出的模型能较精确地描述相关噪声，且有效地改善了系统的率失真性能，并减少了解码端计算复杂度。

基于广义惠更斯-菲涅耳衍射积分法，对梯度折射率介质中的厄米余弦高斯光束传输特性进行了研究，得出了在梯度折射率介质中厄米余弦高斯光束的光场表达式，并利用此表达式作数值模拟，研究了梯度折射率介质对厄米余弦高斯光束传输特性的影响。结果表明：光强在轴上分布呈现空间周期性变化，最大光强位置与梯度折射率系数β 有关；随着调制参数α 的增大，轴上最大光强逐渐减小而且出现了空心分布。在同一传输面上横向光强随梯度折射率系数β 增加，先增大后快速减小；并且发现调制参数α 变大，光强不变，但是束腰宽变窄。

这类似于 29428 或 8370，但更灵活且（我希望）直观。 使用作用于两个输入（即两个向量，或一个向量和一个单一值等）的任何函数来计算向量外积的等价物。 接受字符/字符串函数以及纯数字函数。

针对容积卡尔曼滤波在系统状态突变时滤波精度下降的问题，结合广义高阶容积卡尔曼滤波和强跟踪滤波算法，提出了一种自适应广义高阶容积卡尔曼滤波（AGHCKF）方法。采用广义高阶容积准则和矩阵对角化变换，以提高算法的滤波精度和稳定性。引入强跟踪滤波，利用渐消因子在线修正预测误差协方差阵，强迫残差序列正交，以增强算法应对系统状态突变等不确定因素的能力。将提出的AGHCKF算法应用于带有未知状态突变的机动目标跟踪问题并进行数值仿真，结果表明，AGHCKF在系统状态突变时能保证较高的滤波精度，具有较强的鲁棒性和系统自适应能力。

回采工作面瓦斯涌出量受多种因素共同影响,很难用线性方法进行准确预测。广义回归神经网络(GRNN)是一种前馈神经网络,具有鲁棒性好和高容错率的优点,并且调节参数只有1个,因此,基于GRNN构建预测模型,运用改进的果蝇优化算法(FOA)对传统GRNN模型进行优化,应用主成分分析法(PCA)对样本数据进行降维简化处理,以减少次要因素对预测结果的干扰。选取晓明矿数据对模型进行验证,预测效果良好,其平均绝对误差为3.98%,低于传统GRNN模型的7.06%。

通过栈的运用将广义表存储的数据转换为二叉树结构

改进的广义似然比检验，用于检测穿墙寿命检测中的常规呼吸信号