AliceArtwork

序列自相关矩阵的计算和分析这几天在搞DSP的时候遇到的一些问题，稍微整理了一下 在下文中，你将会看到：平稳过程到底有什么意义、随机信号处理是如何与固定信号分析联系起来的、自相关函数的定义、自相关矩阵的意义和计算、自相关矩阵如何用于噪声白化平稳过程平稳过程是现代数字信号处理的一个大问题 它的定义是: 统计特性不随时间推移而改变的随机过程 在严格的定义中，它需要随机过程的各阶矩都保持一个稳定的值，

引子首先我们来讨论这样一个问题，给定正弦信号sin3tsin3t这样，在t=[0,1,2,...]t=[0,1,2,...]我们就可以得到一个序列[sin0,sin3,sin6,...][sin0,sin3,sin6,...]也就是[0,0.14,−0.27,...][0,0.14, -0.27,...]这样一个序列。现在，提问，我们已知这样一个序列的时候，如何反推它的频率。 在没有噪声且的情况下

最近又复习粒子滤波，感觉实际代码和推导总是有那么一些差距那一理解，主要是好好的分布为什么一转就变成特征似然程度了。这个东西让我们理一遍之前理解粒子的思想可能是有一些问题的，对于一个未知分布来说的话，我们想要知道这个分布的期望，好，现在我们均匀的去撒粒子吧，其实蒙特卡洛方法来说，我们只要对大量的粒子求平均就可以知道我们想要分布的期望了。但是在粒子滤波的问题里面，我们偏偏对每一个粒子反馈的情报加上了一个