隐马尔可夫模型（HMM）–简化！！！ 2023年3月16日2020年3月17日 通过马图拉纳坦 马尔可夫链在计算可观察事件的概率时很有用。然而，在许多实际应用程序中，我们感兴趣的事件通常是隐藏的，即我们不直接观察它们。需要推断这些隐藏事件。例如，给定一个自然语言的句子，我们只观察…阅读更多信息
马尔可夫链–简化！！ 2021年10月27日2020年3月6日 通过马图拉纳坦 重点：马尔可夫链是一种概率模型，它描述了一系列观察结果，这些观察结果的发生仅在统计上依赖于之前的观察结果。● 语音、股价走势等时间序列数据。● 句子中的单词。● DNA阶梯梯级上的碱基对。状态和转换假设我们要建模…阅读更多信息
使用自动回归（AR）模型生成彩色噪声 2020年11月17日2019年12月4日 通过马图拉纳坦 重点：学习如何使用自回归（AR）模型生成颜色噪声。应用Yule-Walker方程产生幂律噪声：粉红噪声、布朗噪声。自回归（AR）模型使用AR时间序列模型，可以将不相关的高斯随机序列转换为相关的高斯序列。如果时间序列随机序列是…阅读更多信息
用Jakes PSD产生有色噪声：谱分解 2020年11月17日2019年10月17日 通过马图拉纳坦 本文的目的是演示谱分解方法在产生具有Jakes功率谱密度的有色噪声中的应用。在继续之前，我敦促读者阅读这篇文章：生成相关高斯序列简介。在谱分解方法中，利用所需的频域特性（如…阅读更多信息
生成相关高斯序列（有色噪声） 2020年11月17日2019年10月15日 通过马图拉纳坦 重点：有色噪声序列（又称相关高斯序列）是一种非白色随机序列，具有非恒定的跨频率功率谱密度。引言谈到高斯随机序列，例如高斯噪声，我们通常认为这种高斯序列的功率谱密度（PSD）是平坦的。我们应该理解高斯序列的PSD…阅读更多信息
自然二进制码和格雷码 2019年6月17日2012年10月9日 通过马图拉纳坦 在给定的通信系统中，我们总是希望发送代表真实世界数据的数据，这些数据代表一些物理量（如语音、温度等）。现实世界中的物理量存在于模拟域中，如果我们想通过数字通信系统发送，就必须将其转换为数字域…阅读更多信息
