搜索资源列表
VFDT
- 小波对信号进行多分辨率分析，提取信号特征-Wavelet multi-resolution signal analysis, signal feature extraction
chap08
- ex6_1 ～ ex6_3二项分布的随机数据的产生 ex6_4 ～ ex6_6通用函数计算概率密度函数值 ex6_7 ～ ex6_20常见分布的密度函数 ex6_21 ～ ex6_33随机变量的数字特征 ex6_34 采用periodogram函数来计算功率谱 ex6_35 利用FFT直接法计算上面噪声信号的功率谱 ex6_36 利用间接法重新计算上例中噪声信号的功率谱 ex6_37 采用tfe函数来进行系统的辨识，并与理想结果进行比较 ex6_38 在置信度为0
hhh
- ：由于许多传统的去噪方法在强背景噪声情况下提取声音信号的能力变弱甚至失效， 提出 应用独立成分分析( I C A) 方法对声音信号进行特征提取， 并证明了这种 I C A 变换能增强语音和音 乐信号的超高斯性． 在此基础上， 应用 I C A基函数作为滤波器， 通过阈值化的去噪方法对含有强高 斯背景噪声的声音信号进行去噪仿真实验． 结果表明， 本方法明显优于传统的均值滤波和小波去噪 方法， 为强背景噪声下弱信号的检测提供 了新的途径．-: As many of the t
awgnchannelsimulation
- 掌握二进制信号传输的系统特征，针对awgn信道的通信系统仿真匹配滤波（相关滤波）的通信过程-Grasp the binary system of signal transmission characteristics of awgn channel for communication system simulation matched filter (correlation filtering) of the communication process
67506241MM
- 数学形态学对信号进行去噪，效果较好，信号扰动特征得到很好保留-Mathematical morphology to signal de-noising effect is better to be a good signal to retain the characteristics of disturbance
IcaComonMatlab.tar
- 独立成分分析是近年来出现的一种强有力的数据分析工具。1994年由Comon给出了ICA的一个较为严格的数学定义，其思想最早是由Heranlt和Jutten于1986年提出来的。ICA从出现到现在虽然时间不长，然而无论从理论上还是应用上，它正受到越来越多的关注，成为国内外研究的一个热点。特别是从应用角度看，它的应用领域与应用前景都是非常广阔的，目前主要应用于盲源分离、图像处理、语言识别、通信、生物医学信号处理、脑功能成像研究、故障诊断、特征提取、金融时间序列分析和数据挖掘等。 IC
melmfcc
- 从说话人的语音信号中提取说话人的个性特征是声纹识别的关键。主要介绍语音信号特征提取方法中的Mel倒谱系数 -From the speaker s voice signal to extract the speaker s personality traits is the key to Voiceprint identification. Mainly introduces the speech signal feature extraction method in Mel cepstral
Temporal_features_extraction
- 个人编写的提取音频信号的时域特征参数短时平均过零率及短时平均能量的matlab源程序。供大家参考-Extraction of individual preparation of the audio signal in time domain characteristic parameters of short-term average of zero-crossing rate and short-time average energy of the matlab source. For you
1
- 语音信号处理的课件，包含语音信号的短时分析、特征提取、矢量量化，语音编码、合成与识别-Speech Signal Processing courseware, including short-time speech signal analysis, feature extraction, vector quantization, speech coding, synthesis and recognition, etc.
5
- 借助小波变换在时频分析上的优点，提取地面运动目标的回波信号特征在目标识别中加以运用-With wavelet transform in time-frequency analysis of the advantages of extracting ground moving target echo signal characteristics to be used in target recognition
Nonsampling_Contourlet
- 非下采样contourlet变换是一种较新的多尺度几何分析方法，能够很好地描述信号的线奇异特征，具有多方向滤波器组。-Nonsubsampled contourlet transform is a relatively new method of multiscale geometric analysis, can well describe the signal characteristics of the line singularity, with multi-directional fi
moulation_classification
- 主要是实现调制识别，区分几种常用的数字调制信号，包括ASK,FSK,PSK,QAM。含有两个文件夹 其一为特征参数的仿真；其二为正确识别率的仿真。 文件夹key feature simulink中： 运行程序会得到各特征参数之间区分图 从图中可看到特征参数的有效性。 文件夹classification rate simulink中： 运行main.m文件 可以得到正确识别率 -Mainly to achieve modulation recog
imageprocess
- 数学形态学对信号进行去噪，效果较好，信号扰动特征得到很好保留-Morphology of the signal de-noising effect is good, the signal disturbance characteristics are well retained
simulatedata
- 利用数学形态学开闭设计滤波器消除漂移信号-Opening and closing design using mathematical morphology filter to eliminate signal drift
hao
- 调制识别全过程，包括信号特征值的提取，神经网络的训练，信号识别。非常好-the process of modulation recognition.it is very good for the study of modulation recognition
endpointdetecting(matlab)
- 语音端点检测，有助于除去语音信号中的噪音部分，留下有用的携带信息的部分，有利于提取其中有用的语音特征参数，从而提高识别率。-Endpoint detection, helps remove the noise part of the speech signal, leaving useful information-bearing part, is conducive to extract the speech feature useful to improve the recognition
HHT_power-system_power-quality_disturbances-detect
- 优秀论文及配套源码。Hilbert-Huang变换(HHT)是一种新的非平稳信号处理技术，该方法由经验模态 分解(EMD)与Hilbert谱分析两部分组成。任意的非平稳信号首先经过EMD方法处理后被分解为一系列具有不同特征尺度的数据序列，每一个序列称为一个固有模态函数(IMF)，然后对每个IMF分量进行Hilbert谱分析得到相应分量的Hilbert谱，汇总所有Hilbert谱就得到了原信号的谱图。该方法从本质上讲是对非平稳信号进行平稳化处理，将信号中真实存在的不同尺度波动或趋势逐级分解出来，最
ECGmonitoring
- 小波变换是一种信号的时间—尺度分析方法，它具有多分辨率分析的 特点，而且在时频两域都具有表征信号局部特征的能力。由于其在信号处 理领域表现出的优异性能，目前在生物医学领域，广泛应用于信号检测、 特征提取、图像处理、信号压缩等方面。 -Wavelet transform is a signal of the time- scale analysis method, it has the characteristics of multi-resolution analysis, bu
chapter1
- matlab神经网络 bp神经网络的数据分类-语音特征信号分类-matlab neural network of bp neural network - voice feature signal classification
matlabgaojietongjiliang
- 高阶统计量目前应用越来越广泛，它比现在的一般统计量更能反应信号的特征，具有很好的应用前景。-Order statistics used widely at present, it is the general statistics than it is now more characteristic response signals, with good prospects.