搜索资源列表
seizmo-master
- SEIZMO是一个基于 Matlab 和 GNU Octave的工具箱，包含了超过700多个函数，可以用以进行地震数据的预处理、质量控制和分析，类似于Seismic Analysis Code并针对区域和全球尺度的被动源地震领域（这里的震源往往是地震和环境噪音）。(SEIZMO is a Matlab based and GNU Octave toolbox, contains more than more than 700 functions that can be used to carry
数学形态学与小波变换
- 小波分解可以使人们在任意尺度观察信号，只需所采用的小波函数的尺度合适。小波分解将信号分解为近似分量和细节分量，它们在应用中分别有不同的特点。比如，对含有噪声的信号，噪声分量的主要能量集中在小波分解的细节分量中，对细节分量做进一步处理，比如阈值处理，可以过滤噪声。(Wavelet decomposition allows people to observe signals at any scale, just the size of the wavelet function is appropri
emd
- 该方法的关键是经验模式分解，它能使复杂信号分解为有限个本征模函数（Intrinsic Mode Function，简称IMF），所分解出来的各IMF分量包含了原信号的不同时间尺度的局部特征信号。经验模态分解法能使非平稳数据进行平稳化处理，然后进行希尔伯特变换获得时频谱图，得到有物理意义的频率。与短时傅立叶变换、小波分解等方法相比，这种方法是直观的、直接的、后验的和自适应的，因为基函数是由数据本身所分解得到。由于分解是基于信号序列时间尺度的局部特性，因此具有自适应性。(The key of thi
小波包分析 代码
- 对原始信号进行小波包分解，小波函数及分解尺度均可自调(The original signal is decomposed by wavelet packet, and the wavelet function and decomposition scale can be adjusted automatically)
matlab小波变换程序
- 小波变换(wavelet transform，WT)是一种新的变换分析方法，它继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的"时间-频率"窗口，是进行信号时频分析和处理的理想工具。它的主要特点是通过变换能够充分突出问题某些方面的特征，能对时间(空间)频率的局部化分析，通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了
三种HHT_Matlab.part01
- 经验模态分解依据信号时间尺度将信号逐级分解成对称的分量，在进一步对模态函数进行希尔伯特变换(Empirical mode decomposition (EMD) decomposes the signal into symmetrical components step by step according to the signal time scale, and further performs the Hilbert transform for modal functions.)
package_emd
- 经验模态分解（Empirical Mode Decomposition,EMD）法是黄锷（N. E. Huang）在美国国家宇航局与其他人于1998年创造性地提出的一种新型自适应信号时频处理方法，特别适用于非线性非平稳信号的分析处理。对经过EMD处理的信号再进行希尔伯特变换，就组成了大名鼎鼎的“希尔伯特—黄变换”（HHT）。由于脑电信号处理很少在EMD之后接上希尔伯特变换，在这里仅介绍EMD的相关基础知识。 EMD其实就是一种对信号进行分解的方法，与傅里叶变换、小波变换的核心思想一致，大家
matlab_pic
- 通过左右拖动子图形下方按钮，可变换时间轴横坐标，动态显示不同子图的不同时间尺度数据，示例中给出了电网运行大数据（包括电流电压幅值、相位），数据可根据用户需求输入。其中脚本和函数由高版本的MATLAB编写，适当调整可适用于低版本(By pulling the button under the left and right graphics, the data window of different time scales can be dynamically displayed. The data
EMD模型
- 经验模态分解（Empirical Mode Decomposition，简称EMD))方法被认为是2000年来以傅立叶变换为基础的线性和稳态频谱分析的一个重大突破?，该方法是依据数据自身的时间尺度特征来进行信号分解，无须预先设定任何基函数。 该方法的关键是经验模式分解，它能使复杂信号分解为有限个本征模函数（Intrinsic Mode Function，简称IMF），所分解出来的各IMF分量包含了原信号的不同时间尺度的局部特征信号。经验模态分解法能使非平稳数据进行平稳化
Gamma
- 利用多尺度高斯函数去除场景的光照分量；然后构造了一种二维伽马函数，利用光照分量的分布特性调整二维伽马函数的参数，降低光照过强区域的亮度值，提高光照过暗区域的亮度值，最终实现对光照不均匀图像的自适应校正处理。(The multi scale Gauss function is used to remove the illumination component of the scene, and then a two-dimensional gamma function is constructed
信号与系统实验指导书
- 第一章 信号与系统综合实验概述 1 第一节 系统总体介绍 1 第二节 实验模块介绍 3 第二章 传统教学实验项目 20 实验一 常用信号分类与观察 20 实验二 阶跃响应与冲激响应 25 实验三 连续时间系统的模拟 30 实验四 无失真传输系统 37 实验五 有源、无源滤波器 41 实验六 抽样定理与信号恢复 52 实验七 二阶网络函数的模拟 63 实验八 二阶网络状态轨迹显示 67 实验九 一阶电路的暂态响应 71 实验十 二阶电路的暂态响应 75 实验十一 二阶电
scaleForSVM.m
- LIBSVM中的尺度缩放函数scaleforsvm(function [train_scale,test_scale,ps] = scaleForSVM(train_data,test_data,ymin,ymax))
weibull
- 能够较好地对风速进行威布尔分布函数拟合，并计算形状参数和尺度参数(It is better to fit the Weibull distribution function to the wind speed and calculate the shape parameters and scale parameters.)
心电信号检测与分类算法的研究
- （1）心电信号预处理 心电信号是一种低频且含有众多噪声干扰的信号。针对心电信号存在的 噪声干扰问题，本文采用了平稳小波变换结合双变量阈值的方法对其进行去 噪处理。通过对心电信号进行八层平稳小波变换，得到不同的小波系数，采 用双变量阈值函数表达式对其进行处理得到新的小波系数，最后进行逆平稳 小波变换实现小波重构，完成心电信号去噪。Matlab 仿真结果显示，本文算 法的准确率较高，信噪比达到 84.5934dB。 （2）心电信号波形识别 反映心电信号的特征部分往往是信号的突变点，因此需
MATLAB数字信号处理仿真系统（GUI）
- 本课题基于MATLAB平台的数字信号处理仿真演示系统。数字信号即离散信号，本设计带有一个丰富得GUI人机交互界面，一共包括4个部分，分别为：离散时间信号的卷积，基本函数的Z变换（单位阶跃信号，脉冲信号，斜变信号，正余弦信号，指数系列信号），Z变换的基本性质（线性，位移，z域尺度变换，时域卷积），傅里叶变换的基本性质。是一个不错的选题，GUI设计逻辑清晰，章节清晰，层次明了。(This project is based on MATLAB platform of digital signal pr