1) Data-aided estimation
数据辅助估计
2) Non-data-aided estimation
非数据辅助估计
4) auxiliary data
辅助数据
1.
The study examined the performances of two interpolation methods which allow to account for auxiliary data: co-Kriging,regression-Kriging and tested against ordinary Kriging,to improve the interpolation of soil salinity.
以普通克立格法作为参考,利用辅助数据的两种预测方法,即协同克立格法和回归克立格法对海涂区土壤盐分进行空间内插计算,并在目标变量的采样数目不断减少的情况下,利用80个检验样本,对比了这3种方法的预测精度。
5) data-aided
数据辅助
1.
It is data-aided structure.
该结构是一种数据辅助的形式,采用相位递推方法,依靠接收到的每个符号信息进行的相位估计,提高了系统误码性能。
2.
The simulation results show that after several times of iterative, the estimation bias caused by symbol error at low SNR can be greatly compensated, and as a result, the bias and variance is very close to that in data-aided mode and obviously outperforms that in decis.
仿真结果表明:低信噪比下经过多次迭代后,由于误码导致的估计偏差可得到较大程度的补偿,估计器的性能接近有数据辅助时的性能,明显优于直接判决反馈时的性能。
3.
In the pulse UWB system,this paper applied zero correlation duration code(ZCD)to DA(data-aided) channel estimation,and the results by the simulation indicated that ZCD code performed better than Walsh code in channel estimation.
在脉冲UWB系统中,应用零相关扩频码(ZCD)进行DA(数据辅助)信道估计,仿真结果显示出采用ZCD码进行信道估计得到的自相关函数优于采用Walsh码得到的。
6) ancillary data
辅助数据
1.
Formatting and filling the ancillary data in MPEG audio encoding and analyzing the decoder make users control the audio freely.
在进行MPEG2音频编码时,对辅助数据进行规范建议和填充,通过解码端的解析,可以使用户对音频信号的控制和操作有更大的自由度和选择权。
补充资料：辅助变量估计
在模型误差为相关噪声的情况下通过引入辅助变量矩阵对线性最小二乘估计的一种改进。对于单输入单输出线性差分方程模型
它的线性最小二乘估计量为
式中θ为参数真值,Ξ＝[εn+1，εn+2...，εn+N]T,εk 为误差。在{εk}为相关噪声的情况下线性最小二乘估计 孌LS的后一项始终不为0,即孌LS与真值θ之间始终存在偏差量。为此引入新的估计量
式中W 称为辅助变量矩阵，它满足两个条件：随着观测数据长度的增加,依概率趋于一个满秩矩阵;而依概率趋于0。满足这两个条件的估计量孌IV称为辅助变量估计，它在误差序列{εk}为相关噪声的条件下，能得到趋于真值θ的弱一致性收敛的估计量。关键在于如何具体构造辅助变量矩阵。人们已经提出几种不同的构造方案,证明它们满足上述两个条件是很难的,但是在实际应用中已取得较好的效果。
辅助变量估计算法的计算量比线性最小二乘算法增加不多。在误差为相关噪声的情况下，估计精度较线性最小二乘估计有明显改善。它也有相应的递推估计算法。
它的线性最小二乘估计量为
式中θ为参数真值,Ξ＝[εn+1，εn+2...，εn+N]T,εk 为误差。在{εk}为相关噪声的情况下线性最小二乘估计 孌LS的后一项始终不为0,即孌LS与真值θ之间始终存在偏差量。为此引入新的估计量
式中W 称为辅助变量矩阵，它满足两个条件：随着观测数据长度的增加,依概率趋于一个满秩矩阵;而依概率趋于0。满足这两个条件的估计量孌IV称为辅助变量估计，它在误差序列{εk}为相关噪声的条件下，能得到趋于真值θ的弱一致性收敛的估计量。关键在于如何具体构造辅助变量矩阵。人们已经提出几种不同的构造方案,证明它们满足上述两个条件是很难的,但是在实际应用中已取得较好的效果。
辅助变量估计算法的计算量比线性最小二乘算法增加不多。在误差为相关噪声的情况下，估计精度较线性最小二乘估计有明显改善。它也有相应的递推估计算法。
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