考慮L的三個不同值：L＝256（3個數據段），L＝128(7個數據段)和L=64（15個數據段）。各自的譜估計圖如上圖所示。可以明顯的看到，加窗明顯的減小了頻譜上的假譜峰，但也更加進一步平滑了譜峰。所以，對于L＝64的情況，在ω＝0.8π的譜線可以很確定的辨認，但是那兩個靠近的譜峰不容易區分。對于L＝128的情況，這種情況提供了在分離和檢測間最好的均衡。當然，對于在L＝256時的情況，效果是更好的，能夠從譜估計圖上明顯的分辨出三條譜線的存在以及它們幅度關系的強弱。 除了Welch法外，還可以采用對多個周期圖求平均的功率譜估計方法的其他方法如Bartlett法等等，在功率譜估計上也能取得較好的結果。
上傳時間： 2013-12-02
上傳用戶：Amygdala
LZW壓縮算法簡介 作者:宋成 描述:一篇關于LZW壓縮算法簡介的文章，通俗易懂，值得一看！ 備注:該文章整理自軟件報1998年合訂本上冊。 LZW壓縮算法是一種新穎的壓縮方法，由Lemple-Ziv-Welch 三人共同創造，用他們的名字命名。它采用了一種先進的串表壓縮不，將每個第一次出現的串放在一個串表中，用一個數字來表示串，壓縮文件只存貯數字，則不存貯串，從而使圖象文件的壓縮效率得到較大的提高。奇妙的是，不管是在壓縮還是在解壓縮的過程中都能正確的建立這個串表，壓縮或解壓縮完成后，這個串表又被丟棄。
上傳時間： 2015-04-30
上傳用戶：Shaikh
無損數據壓縮的源碼，Lempel Ziv Welch算法
上傳時間： 2013-11-25
上傳用戶：
kalman濾波的matlab程序Updated: January 11, 2002To execute the Matlab version simply execute gui.mEnjoy.Greg Welch
標簽： execute Updated January version
上傳時間： 2013-12-22
上傳用戶：aa54
Hidden_Markov_model_for_automatic_speech_recognition This code implements in C++ a basic left-right hidden Markov model and corresponding Baum-Welch (ML) training algorithm. It is meant as an example of the HMM algorithms described by L.Rabiner (1) and others. Serious students are directed to the sources listed below for a theoretical description of the algorithm. KF Lee (2) offers an especially good tutorial of how to build a speech recognition system using hidden Markov models.
標簽： Hidden_Markov_model_for_automatic speech_recognition implements left-right
上傳時間： 2016-01-23
上傳用戶：569342831
筆者在前人研究的基礎上，利用TI 公司的TMS320C6713BDSP 芯片對改進的功率譜估計算法——Welch法進行了實現，驗證了算法的可實現性與硬件系統的可行性。
標簽：
上傳時間： 2016-02-25
上傳用戶：cuibaigao
This program is a new way to estimate the coherence function. It s based on the MVDR and is much more reliable than the classical Welch s method implemented in MATLAB. There are 2 programs: the main program called coherence_MVDR.m and and an example, called illustrate.m, that calls the main function to show how it works. There also included 2 papers that we published on this algorithm.
標簽： coherence the estimate function
上傳時間： 2016-07-03
上傳用戶：athjac
使用MATLAB編程，示意隨機信號功率譜估計算法中的Welch算法和Thomson多窗估計法MTM在估計隨機信號功率譜時，參數改變對頻譜圖的影響。
上傳時間： 2017-05-04
上傳用戶：黑漆漆
ex6_1 ～ ex6_3二項分布的隨機數據的產生 ex6_4 ～ ex6_6通用函數計算概率密度函數值 ex6_7 ～ ex6_20常見分布的密度函數 ex6_21 ～ ex6_33隨機變量的數字特征 ex6_34 采用periodogram函數來計算功率譜 ex6_35 利用FFT直接法計算上面噪聲信號的功率譜 ex6_36 利用間接法重新計算上例中噪聲信號的功率譜 ex6_37 采用tfe函數來進行系統的辨識，并與理想結果進行比較 ex6_38 在置信度為0.95的區間上估計有色噪聲x的PSD ex6_39 在置信度為0.95的區間上估計兩個有色噪聲x，y之間的CSD ex6_40 用程序代碼來實現Welch方法的功率譜估計 ex6_41 用Welch方法進行PSD估計，并比較當采用不同窗函數時的結果 ex6_42 用Yule-Walker AR法進行PSD估計 ex6_43 用Burg算法計算AR模型的參數 ex6_44 用Burg法PSD估計 ex6_45 比較協方差方法與改進的協方差方法在功率譜估計中的效果 ex6_46 用Multitaper法進行PSD估計 ex6_47 用MUSIC法進行PSD估計 ex6_48 用特征向量法進行PSD估計
上傳時間： 2013-12-10
上傳用戶：mpquest
功率譜估計,包括周期圖法，burg法，music法，和Welch法，并繪圖比較
上傳時間： 2013-12-25
上傳用戶：aa54
