1) Unscented Transform
无先导变换
1.
The starting point of this paper is to make use of the Unscented Transform (UT) and the modeling technique for signal, and a blind equalization algorithm is then proposed.
其出发点是利用基于无先导变换,并组合信号建模技术,进而提出一种盲均衡算法。
2.
To improve the learning ability of the self-organizing maps,a method is presented,which the learning coefficient and the width of neighborhood function is predicted by linear Kalman fitler and the Kalman filter based on the unscented transform respectively.
将线性Kalman滤波器和基于无先导变换的Kalman滤波器分别用于学习率函数和邻域宽度函数的预测,可以提高自组织神经网络的学习能力。
2) priority change
优先权变换
3) unscented transformation
无迹变换
1.
This approach utilizes the advantages of the modified spherical coordinates on bearing-only tracking and the unscented transformation(UT) of second-order approximation of nonlinear systems.
利用修正球坐标系和无迹变换(UT)分别在仅测角被动跟踪和获取非线性系统状态二阶矩方面的优势,选择在修正球坐标状态空间内进行Sigma点采样,并利用状态空间转换完成样点矢量非线性预测,最后在修正球坐标空间内完成滤波更新,并给出相应的初始化方法。
2.
The theory of UKF based on unscented transformation is applied to underwater target motion analysis.
将基于无迹变换的UKF方法运用到水下目标运动分析中,给出了具体步骤,讨论了其目标运动分析问题。
4) unscented transformation
无味变换
1.
The unscented transformation(UT) and unscented Kalman filtering(UKF) algorithms are then introduced,including their design consideration and specific algorithm.
探讨了TMA(目标运动分析)中基本的非线性估计问题,介绍了基于无味变换(Unscented Transform ation-UT)的无味卡尔曼滤波(Unscented Kalm an F iltering-UKF)算法的设计思想与具体实现,特别针对空对海单站只测方位与到达时间TMA(BTO-TMA)问题应用UKF和EKF(扩展卡尔曼滤波)进行了对照研究,建立了问题的离散非线性滤波估计模型,设计了典型的应用场景,给出了初值有偏和无偏两种情形下的Monte Carlo仿真运行结果;表明UKF在该应用背景下是切实可行的,具有更高的估计精度和更强的收敛特性。
2.
The unscented transformation(UT) and the unscented Kalman filtering(UKF) are then introduced,including their design considerations and specific algorithms.
探讨了目标运动分析(TMA)问题中的递推非线性滤波问题,介绍了基于无味变换(UT)的无味卡尔曼滤波(UKF)的设计思想与具体实现,特别针对空对海单站无源只测向TMA(BO-TMA)问题,建立了问题的离散非线性滤波估计模型,设计了典型的应用场景,并应用UKF和EKF(扩展卡尔曼滤波)分初值无偏和有偏两种情况,从算法的估计值、估计方差、均方根误差(RMSE)和归一化新息平方(NIS)等方面进行了对照研究,给出了Monte Carlo仿真运行结果;表明UKF在该应用背景下是切实可行的,显示出良好的滤波一致性,具有更高的估计精度和更强的收敛特性。
5) Scaleless Transform
无级变换
6) conductive transformation
传导变换
1.
Conductive knowledge based on conductive transformation is a sort of important extension knowledge.
基于传导变换的传导知识是一类重要的可拓知识。
补充资料：Radon变换和逆Radon变换
Radon变换和逆Radon变换
X线物理学术语。CT重建图像成像的主要理论依据之一。1917年澳大利亚数学家Radon首先论证了通过物体某一平面的投影重建物体该平面两维空间分布的公式。他的公式要求获得沿该平面所有可能的直线的全部投影(无限集合)。所获得的投影集称为Radon变换。由Radon变换进行重建图像的操作则称为逆Radon变换。Radon变换和逆Radon变换对CT成像的意义在于，它从数学原理上证实了通过物体某一断层层面“沿直线衰减分布的投影”重建该层面单位体积，即体素的线性衰减系数两维空间分布的可能性。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条