说明：线阵，面阵，圆阵方向图，包含极坐标图，和三维图。

圆阵--三维 面阵matlab 三维-方向图 圆阵

说明：极化SAR图像处理中，将协方差矩阵转换为STOKES矩阵或Mueller矩阵的程序

极化SAR，矩阵 图像-sar-转换 极化SAR SAR协方差矩阵 SAR极化

说明：有关阵列天线的matlab仿真：1、给出阵元的个数，阵元的间隔以及波长2、计算方向图并绘制不同的方向图，有规律的排列3、计算出主瓣宽度，3dB带宽，主瓣与第一旁瓣的幅度比（以dB作单位）

3db主瓣宽度 天线 主瓣 旁瓣 主瓣宽度 array side lobe

说明：针对稀疏圆阵的波达方向估计问题，提出了解相干求根MUSIC算法（Sparse UCA Decorrelation Root-MUSIC，SDR）。通过改进传统的波束变换方法，进行相位校正，并在波束域进行误差补偿，得到具有共轭对称结构的波束域导向矢量。在波束域进行前后向平均处理和使用求根MUSIC算法...

稀疏 圆阵 圆阵 算法 music圆阵

说明：一种利用梯度下降的加速求解低秩矩阵和稀疏矩阵的方法

APG--matlab APG-matlab sparse-low-rank 低秩稀疏 加速梯度下降

说明：根据图像四个方向的共发矩阵，求取四个灰度共发矩阵的熵，求熵的均值生成特征矩阵，通过聚类分析实现图像的纹理分割。

纹理特征 灰度分割 matlab纹理分割 特征图像生成 纹理分割-matlab

说明：一种求解低秩矩阵和稀疏矩阵的方法，在图像中的应用广泛。

低秩-图像 低秩图像 稀疏和低秩 sparse-low-rank 低秩稀疏

说明：线性预测算法 输入：阶数p，快拍数据协方差矩阵R，观察范围内各方向导向矢量，三维矩阵phiyz。 输出：线性预测谱估计矩阵P。

预测-估计 LP算法 三维谱 lp线性预测法 矩阵预测

说明：基本的声强向量估计法无法适用于多声源情况下的方位估计，但由于语音信号具有时频稀疏性，利用该特性则可实现多语音源时的方位估计，其中典型的方法如直方图法。该方法首先计算各声源瞬时方位的直方图分布，然后通过搜索直方图的峰值位置得到目标声源的方位估计。直方图方法在低噪声混响条件下具有良好的性能，但随着环境噪...

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