相关源码和数据文件已经更新在github：https://github.com/Wuito/Estimation-of-residual-life-of-particle-filter-lithium-ion-battery粒子滤波采样粒子滤波算法的完整建立在Gordon，Salmond和Smith提出的重采样技术上，并且一种新的采样算法（采样-重要性重采样）的发现和不断改良也对粒子滤波算法进行了丰富。粒子滤波重采样常用的重采样方法可以分为四类：最临近值重采样法，双线性重采样法，双立方重采样法，插值重采样法。1）最邻近值重采样法:指的是比较目标图像与原图像的宽或者高，并且以此将原图像相对位置的
二阶RC滤波电路就是有两套RC器件的滤波电路，高阶的滤波电路通常会增加滤波质量，个别情况需具体问题具体分析。 首先我们需要写出二阶滤波电路的传递函数 此公式的核心思想就是电压的传递，从Ui到两个R之间的电压点Umid，相当于Ui的电压被R和右边的三个器件组成的模块分压（电容C并联上电阻R与电容C的串联），之后Umid传递到Uo，就只为R与C的分压。传递函数最终简化为 我们在利用二阶滤波电路的时候依然可以用第一级的RC来计算截至频率，因为它可以被
二阶RC滤波电路就是有两套RC器件的滤波电路，高阶的滤波电路通常会增加滤波质量，个别情况需具体问题具体分析。 首先我们需要写出二阶滤波电路的传递函数 此公式的核心思想就是电压的传递，从Ui到两个R之间的电压点Umid，相当于Ui的电压被R和右边的三个器件组成的模块分压（电容C并联上电阻R与电容C的串联），之后Umid传递到Uo，就只为R与C的分压。传递函数最终简化为 我们在利用二阶滤波电路的时候依然可以用第一级的RC来计算截至频率，因为它可以被
多相滤波器（一）文章目录多相滤波器（一）多相抽取器多相插值器(多相内插器)利用对称性的多相插值器系数填充总结多相抽取器Figure3-26显示了多相抽取滤波器选项，它实现了计算高效的M对1多相抽取滤波器一组N个原型滤波器系数a0、a1…a(N-1)映射到M个多相子滤波器h0(n)、h1(n)…h(M-1)根据公式3-1：通过使用输入换向器将输入样本x(n)传递到它们的输入来访问多相段，该输入换向器从段索引i=M-1开始并递减到索引0。在换向器执行一个周期并将M个输入样本传送到滤波器后，单个输出被视为多相段输出的总和。输出采样率f1为f1=f/M其中f是输入数据流的采样率。观察到每个多相段都在低
多相滤波器（一）文章目录多相滤波器（一）多相抽取器多相插值器(多相内插器)利用对称性的多相插值器系数填充总结多相抽取器Figure3-26显示了多相抽取滤波器选项，它实现了计算高效的M对1多相抽取滤波器一组N个原型滤波器系数a0、a1…a(N-1)映射到M个多相子滤波器h0(n)、h1(n)…h(M-1)根据公式3-1：通过使用输入换向器将输入样本x(n)传递到它们的输入来访问多相段，该输入换向器从段索引i=M-1开始并递减到索引0。在换向器执行一个周期并将M个输入样本传送到滤波器后，单个输出被视为多相段输出的总和。输出采样率f1为f1=f/M其中f是输入数据流的采样率。观察到每个多相段都在低
参考提案：JVET-U0056、JVET-V0056时域滤波MCTF(MotionCompensatedTemporalFilter)是一种视频前处理技术，直接修改原始帧，目前已经集成到了VTM和HM中。核心思想：假设现在有一个P1帧和一个P2帧，P1帧编完之后会作为P2帧的参考。那么与其让A帧的编完后的recP1去接近orgP1，不如让recP1去接近(orgP1+orgP2)/2。这样P2帧参考P1帧时预测会更准确，从而到压缩码率的目的。MCTF就是基于上面思想，进行帧间平均。不过不是直接平均原始帧。而是使用运动估计和运动补偿的方法，也就是将最佳匹配块与当前块进行加权平均，起到降噪的效果，
参考提案：JVET-U0056、JVET-V0056时域滤波MCTF(MotionCompensatedTemporalFilter)是一种视频前处理技术，直接修改原始帧，目前已经集成到了VTM和HM中。核心思想：假设现在有一个P1帧和一个P2帧，P1帧编完之后会作为P2帧的参考。那么与其让A帧的编完后的recP1去接近orgP1，不如让recP1去接近(orgP1+orgP2)/2。这样P2帧参考P1帧时预测会更准确，从而到压缩码率的目的。MCTF就是基于上面思想，进行帧间平均。不过不是直接平均原始帧。而是使用运动估计和运动补偿的方法，也就是将最佳匹配块与当前块进行加权平均，起到降噪的效果，
GPRtutorial1.高斯过程回归原理1.1高斯过程1.2高斯过程回归2.python实现高斯过程回归2.1参数详解2.2核函数cookbook2.2代码模版附录-数学基础知识A1高斯分布的基本性质A2贝叶斯框架A3后验预测分布参考资料1.高斯过程回归原理高斯过程回归(Gaussianprocessregression,GPR)是一个随机过程（按时间或空间索引的随机变量集合），这些随机变量的每个有限集合都服从多元正态分布，即它们的每个有限线性组合都是正态分布。高斯过程的分布是所有这些（无限多）随机变量的联合概率分布。1.1高斯过程定义：一个高斯过程是一组随机变量的集合，这组随机变量的每个有
GPRtutorial1.高斯过程回归原理1.1高斯过程1.2高斯过程回归2.python实现高斯过程回归2.1参数详解2.2核函数cookbook2.2代码模版附录-数学基础知识A1高斯分布的基本性质A2贝叶斯框架A3后验预测分布参考资料1.高斯过程回归原理高斯过程回归(Gaussianprocessregression,GPR)是一个随机过程（按时间或空间索引的随机变量集合），这些随机变量的每个有限集合都服从多元正态分布，即它们的每个有限线性组合都是正态分布。高斯过程的分布是所有这些（无限多）随机变量的联合概率分布。1.1高斯过程定义：一个高斯过程是一组随机变量的集合，这组随机变量的每个有
一、前言1.设计流程2.系统频率响应2.1频响图系统函数H是一个复数，其图谱分为：幅度谱、相位谱幅度谱x轴：模拟频率f（数字频率w转化来）【单位：赫兹Hz】y轴：|H1|幅度【一般用:20*log10|H1|】【单位：分贝dB】 相位谱x轴：模拟频率f（数字频率w转化来）【单位：赫兹Hz】y轴：H1的相位2.2各个频率转换关系 【为采样率】所以可以推出f：3.巴特沃斯滤波器简介N：滤波器阶数：3dB截止频率3.1特点最大平坦性在截止频率前较为平坦，这个平坦也保证了信号的原始值，不会因为滤波被衰减。巴特沃斯低通滤波器的通频带最大扁平效应使通频带的增益得到扁平优化。（由上图可知：N值越大，通频
