搜索资源列表
ARTnn
- 输入信号五个基于瞬时信息的特征：零中心归一化瞬时幅度功率谱密度的最大值,零中心归一化瞬时幅度绝对值的标准偏差，零中心非弱信号段瞬时相位非线性分量绝对值标准偏差，零中心非弱信号段瞬时相位非线性分量标准偏差，零中心归一化的非弱信号段瞬时频率绝对值的标准偏差，得到识别出的信号类别，本例为2PSK, 4PSK, GMSK, OQPSK, pi/4DQSK中的一个，还可以看Art网络的扩展性。-input signal instantaneous information on five character
featrue7
- 提取信号七个基于瞬时信息的特征：零中心归一化瞬时幅度功率谱密度的最大值,零中心归一化瞬时幅度绝对值的标准偏差，零中心非弱信号段瞬时相位非线性分量绝对值标准偏差，零中心非弱信号段瞬时相位非线性分量标准偏差，零中心归一化的非弱信号段瞬时频率绝对值的标准偏差，一个信号段的归一化瞬时频率功率谱密度的最大值，根据信号 QPSK 和16QAM在 XI 轴投影的不同表现，提出特征参数。-extract information based on the instan eous features : In the
chap04
- ch4_1_4：对f进行补零（区域大小为256×256），而后进行二维快速傅立叶变换（§4.1.2） ch4_1_5：使变换结果的零频率分量位于中心，调用函数fftshift（§4.1.2） ch4_1_6：利用函数ifft2对乘积进行傅立叶反变换（§4.1.3） ch4_1_7：得到在图像text.png中对应字母“a”的定位结果（§4.1.3） ch4_2_1：对一幅图像进行离散余弦变换（§4.2.1） ch4_2_2：JPEG图像压缩（§4.2.2） ch4_3_1
ULA
- 已知：信号中心波长为2,天线阵元的间距为1米,快拍数为2000，空中有四个 源信号,假设它们的频率 四个源信号的方向分别为： 求： 1）在不加入噪声的情况下,观察并计算协方差矩阵特征值,并对它的特点 加以说明 2）分别采用MUSIC算法,CAPON算法, ESPRIT算法在下面四种情况下，对 上述四个信号源的波达方向进行估计,并画出它们的空间谱图； ①在不加入噪声的情况下, ②在加入高斯白噪声的情况下,假设信噪比为10dB 3）在信噪比变化范围
指纹识别
- 摘要：指纹识别技术在各个领域的应用已经逐渐成熟，本文基于信息论中的互信息，在指纹识别的特征选取和识别提出自己的一些想法。 1 引言 指纹是人终身不变的生理特征之一，因其具有惟一性、稳定性以及方便性等独特的特点，使指纹识别成为现在应用最广泛的生物识别技术。 指纹识别系统处理的流程中，指纹图像预处理是第一个处理环节，我沿用已经成熟的去噪，二值化，滤波，细化，对其进行预处理。 互信息作为最终的识别准则来进行指纹的识别。 2 指纹的预处理 般自动指纹识别系统由图像采集、图像预处理、细节点提取和指纹匹 几
TextureLBP
- LBP纹理特征提取算法。首先将检测窗口划分为16×16的小区域（cell），对于每个cell中的一个像素，将其环形邻域内的8个点（也可以是环形邻域多个点，如图 3‑ 4. 应用LBP算法的三个邻域示例所示）进行顺时针或逆时针的比较，如果中心像素值比该邻点大，则将邻点赋值为1，否则赋值为0，这样每个点都会获得一个8位二进制数（通常转换为十进制数）。然后计算每个cell的直方图，即每个数字（假定是十进制数）出现的频率（也就是一个关于每一个像素点是否比邻域内点大的一个二进制序列进行统计），然
e2
- 对图像进行频率域图像增强，计算并画出此图像的中心化频率谱，用拉普拉斯算子对此图像锐化。 -The image frequency domain, image enhancement, calculate and draw the image of the center of the frequency spectrum, this image with a Laplacian sharpening.
MFC
- 项目的研究内容是对硅微谐振式加速度计的数据采集电路开展研究工作。硅微谐振式加速度计敏感结构输出的是两路差分的频率信号，因此硅微谐振式加速度计数据采集电路完成的主要任务是测出两路频率信号的差值。测量要求是：实现10ms内对中心谐振频率为20kHz、标度因数为100Hz/g、量程为±50g、分辨率为1mg的硅微谐振式加速度计输出的频率信号的测量，等效测量误差为±1mg。电路的控制核心为单片机，具有串行接口以便将测量结果传送给PC机从而分析、保存测量结果。 按研究内容设计了软硬件。软件采用多周期同
java
- 到目前为止，大部分人都已非常熟悉 Java 2平台，以及 Sun如何把 Java技术分成三个版本 (标准版、袖珍版以及企业版），Sun 在1999年6月时推出了 Java 2袖珍版 (J2ME)来满足消费电子和嵌入设备的需要。J2ME是为了那些使用有限的能源、有限的网络连接 (常常是无线连接)以及有限图形用户界面能力的设备开发的。它最初的目标是 16位或 32位处理器，16 MHz时钟频率， 512K或更少内存的设备。乍一看之下， J2ME就像一个没有绑定明显主题的松散的应用程序接口和技术规范。
dg
- 本微波光子发生器仿真软件实现了对一种基于两个光纤光栅的新光子微波发生器的仿真分析，仿真方案有连续波激光器、分光器、两个中心波长频率差为要产生的微波、毫米波的光纤光栅、耦合器、高速光电探测器、带通滤波器组成。连续波激光器发出的光谱经分光器分为两部分，分别输入两个光纤光栅，利用光栅的波长选择特性取得反射波，这两束反射波经过耦合器耦合后输出到高速光电探测器，输出为包含所需频率毫米波的电信号，再经过带通滤波器后得到需要的毫米波信号。其最大特色是集中了射频波和光波技术的优点，充分利用光纤光栅的波长选择特性
CPLD
- 项目的研究内容是对硅微谐振式加速度计的数据采集电路开展研究工作。硅微谐振式加速度计敏感结构输出的是两路差分的频率信号，因此硅微谐振式加速度计数据采集电路完成的主要任务是测出两路频率信号的差值。测量要求是：实现10ms内对中心谐振频率为20kHz、标度因数为100Hz/g、量程为±50g、分辨率为1mg的硅微谐振式加速度计输出的频率信号的测量，等效测量误差为±1mg。电路的控制核心为单片机，具有串行接口以便将测量结果传送给PC机从而分析、保存测量结果。 按研究内容设计了软硬件。软件采用多周期同
ADS设计低噪声放大器
- 微波毫米波系统的设计，晶体管选用的是ne3210s01。 设计指标： 1.中心频率7.78G，通带120MHz 2.通带内增益达到16.2dB，波纹小于0.5dB 3.通带内的噪声系数小于0.5 4.通带内输入驻波比小于1.5，输出驻波比小于2 5.系统特性阻抗50Ω 6.微带线基板厚度0.508mm，相对介电常数3.66(The design of microwave and millimeter wave system is based on ne3210s01. Des
三分之一倍频程谱
- 首先对采样信号进行傅里叶变换，计算出功率谱或幅值谱，然后用功率谱或者幅值谱的数据，计算每一个中心频率的带宽内数据的平均值。(Firstly, Fourier transform is applied to the sampled signal to calculate the power spectrum or amplitude spectrum, and then the average value of the data within the bandwidth of each cente
VMD通过中心频率确定分解个数K
- vmd的原始程序，亲测可以用，有什么问题的欢迎大家留言与探讨。(VMD original program, pro test can be used, what questions are welcome to leave a message and discuss.)
generateWB_T
- 主要用于产生阵列宽带接收信号，% Input % array_number-阵元数 % doa-宽带信号来波方向 % snapshot-快拍数 % fc-中心频率 % Bw-信号带宽,码速率 % fs-信号采样率 % distance-阵元间距 % snr-信噪比 % Output % X_sig_t-阵列时域接收数据(It is mainly used to generate array broadband received signals.)
vmd
- VMD是通过迭代搜寻变分模型（具体怎么搜寻，请亲们自己看，我主要讲他的大概）最优解， 来确定我们所知的模态uk(t)及其对应的中心频率ωk和带宽。 每个模态都是具有中心频率的有限带宽（就是在频域中有在一定的宽度）。所有模态之和为源信号。(VMD is to determine the modal UK (t) and its corresponding central frequency, k and bandwidth by iteratively searching for the opti
verify3
- vmd变分模态分解，是一种自适应、完全非递归的模态变分和信号处理的方法。该技术具有可以确定模态分解个数的优点，其自适应性表现在根据实际情况确定所给序列的模态分解个数，随后的搜索和求解过程中可以自适应地匹配每种模态的最佳中心频率和有限带宽，并且可以实现固有模态分量（IMF）的有效分离、信号的频域划分、进而得到给定信号的有效分解成分，最终获得变分问题的最优解。(VMD variational modal decomposition is an adaptive, completely non-rec
VMD
- VMD（Variational mode decomposition）是一种自适应、完全非递归的模态变分和信号处理的方法。该技术具有可以确定模态分解个数的优点，其自适应性表现在根据实际情况确定所给序列的模态分解个数，随后的搜索和求解过程中可以自适应地匹配每种模态的最佳中心频率和有限带宽，并且可以实现固有模态分量（IMF）的有效分离、信号的频域划分、进而得到给定信号的有效分解成分，最终获得变分问题的最优解。(VMD (variable mode decomposition) is an adapt
matlab波束形成
- 考虑一个10元标准线列阵（阵元间距为1000Hz对应波长的一半）。两个正弦平面波信号从远场入射到该阵列。两个信号的入射角和中心频率如下表所示，相位是独立同分布的随机变量，在0到360°区间上服从均匀分布。各阵元输出的噪声是相互独立、功率相等的白噪声。（a）设阵元接收信号的功率与噪声功率之比分别为5dB（信号1）和10dB（信号2），请根据表中所示的入射角和信号频率，分别给出利用常规波束形成、MVDR和MUSIC三种方法得到的空间方位谱。计算中假定观测时间为1秒，采样频率为8192Hz。（b）当输
MATLAB参数估计
- MATLAB多普勒中心频率参数估计算法代码，用于运动补偿。