说明：MIMO雷达模型下一种子空间谱估计方法，采用过估计的方法，以避免信源数估计的问题，直接对数据协方差矩阵进行变换，从而构造了信号子空间投影矩阵和噪声子空间投影矩阵，不需要像经典的MUSIC一样对其进行特征分解，完全避开了在一般非理想情况下MUSIC算法必须面对的识别小特征值与大特征值的麻烦，降低了复杂...

MIMo-雷达 特征投影矩阵 雷达信号识别 小信号模型 MIMO-目标

说明：PCA的步骤： 1 先将数据中心化； 2 求得的协方差矩阵； 3 求出协方差矩阵的特征值与特征向量； 4 将特征值与特征向量进行排序； 5 根据要降维的维数d’,求得要降维的投影方向； 6 求出降维后的数据。

pca-排序 pca中心 投影降维 PCA-降维数 pca矩阵降维

说明：提出了一种可快速、高精度提取不规则光点图像中心的多尺度光点图像中心定位方法。首先，结合图像形态学处 理和阈值分割确定光点图像区域，初步确定光点图像大小；然后，计算不同尺度空间下各光点图像区域的Ｈｅｓｓａｉｎ矩阵， 由Ｈｅｓｓａｉｎ矩阵特征值确定的判决系数确定最佳尺度，并确定光点图像中心像素级坐标...

pdf

说明：能量谱分析计算,LDPC码的完整的编译码，AHP层次分析法计算判断矩阵的最大特征值,研究生时的现代信号处理的作业，有较好的参考价值，基于欧几里得距离的聚类分析。

程序 开源 估计 分辨率 信号处理 全面 阵列

说明：提取图像的GLCM矩阵，并计算出Haralick建议的14个特征值

GLCM图像 图像---GLCM haralick horizontal GLCM

说明：ELM是基于深度学习的分类器，运算速度快。 在B_data.m里导入待分类矩阵B.mat（1-n列为特征值，n列为标签）；运行B_data.m；再打开fuzzyEn_main.m并运行即可。

elm-分类器 深度学习分类 深度特征

说明：包含收发两个客户端的链路级通信程序,到达过程是的泊松过程，粒子图像分割及匹配均为自行编制的子例程，模式识别中的bayes判别分析算法，预报误差法参数辨识-松弛的思想，AHP层次分析法计算判断矩阵的最大特征值。

测试 源程序 课程 估计 作业 分辨率 信号处理 阵列

说明：主同步信号PSS在时域上的相关仿真，二维声子晶体FDTD方法计算禁带宽度的例子,多机电力系统仿真及其潮流计算，基于掌纹识别的在线身份验证 识别算法本科毕设，采用的是通用的平面波展开法,AHP层次分析法计算判断矩阵的最大特征值。

优化 设计 完整 信号 处理 阵列 LCMV

说明：简单写的一些图像预处理（灰度增强、小波高通滤波、LBP、迭代阈值分割、种子生长法etc）和RGB 、纹理（相关矩阵）特征提取

MATLAB图像纹理 RGB阈值法 纹理增强 纹理分割 图像增强-matlab

说明：lanczos算法，计算矩阵特征值，说明要这么长干嘛，说清楚就好了啊。

lanczos