whu_student的博客

在接触到线性变换这个概念的时候，书本上的定义和公式总是抽象难懂；在学习PCA、SVD等与矩阵相关的算法时，特征向量的物理意义也总是让我满头雾水。在对这两个概念学习的过程中，我主要参考了居余马编著的《线性代数》一书和相关博客、百度文库等网络资源[1][2]。由于线性变换和特征向量的定义书上和博客上介绍的很多，我主要从一个matlab实例来解释线性变换与特征向量的关系。clear%在标准正交基

ＤＴＦＴ、ＤＦＴ、ＦＦＴ的区别与联系ＤＴＦＴ（离散时间傅立叶变换）顾名思义是对离散的时间序列进行的傅立叶变换；假设有一连续的信号为x(t)，对其进行傅立叶变换的定义式为：对连续信号x(t)进行抽样后再进行傅立叶变换的公式变为：x(nTs)可以表示为x[n]，数字角频率w=ΩTs，上式简化为：上式即为DTFT的定义式，根据推导过程揭示了其与FT的关

梯度可谓是多元函数中一个基本的名词。它的物理意义我们都很清楚或者教材也都会介绍：方向指向数值增长最快的方向，大小为变化率。通过这个性质也说明梯度是有方向和大小的矢量。通过梯度的定义我们发现，梯度的求解其实就是求函数偏导的问题，而我们高中所学的导数在非严格意义上来说也就是一元的“偏导”。通过这一点我们自然而然地想到梯度应该是导数向更高维数的推广。然而一我一直想不明白的是：  梯度是矢量而某点的导

首先感谢谱估计分析博客链接该博客的博主，该博客在我学习《现代数字信号处理》“平稳随机信号的线性模型”一章起到了很大的指导作用。    平稳随机信号的线性模型（AR，MA，ARMA）以白噪声激励信号经过一个因果稳定线性时不变系统得到带估计的随机信号。通过估计出系统的模型系数和白噪声的方差就可以确定带估计随机信号的功率谱密度。    经典的谱估计方法包括直接法，间接法。我们对直接法已经比较清楚

参考书目《现代数字信号处理》国防科技大学出版社：问题来源：第二章最佳线性估计与第四章最优线性滤波在解的形式上十分接近，他们又有什么内在关系呢？特点：本文从矩阵的角度来阐述系统，并充分利用了Toeplitz的特性推导出了为什么FIR滤波求解系数要用输入的自相关和输入与输出的互相关。阐述了广义的最小二乘与最优线性滤波的内在联系。首先先介绍一下广义的基于最小二乘的线性估计(本文将求解过程尽可