搜索资源列表
cebzvxvg
- 给出接收信号眼图及系统仿真误码率，可以得到很精确的幅值、频率、相位估计，实现了对10个数字音的识别程序供做算法研究人员参考，用于信号特征提取、信号消噪，是学习PCA特征提取的很好的学习资料，主要是基于mtlab的程序，是本科毕设的题目。- The received signal is given eye and BER simulation systems, You can get a very accurate amplitude, frequency, phase estimation, R
amxnrkws
- 包括主成分分析、因子分析、贝叶斯分析，用于信号特征提取、信号消噪，D-S证据理论数据融合，非归零型差分相位调制信号建模与仿真分析 ，感应双馈发电机系统的仿真，isodata 迭代自组织的数据分析，部分实现了追踪测速迭代松弛算法，应用小区域方差对比，程序简单。- Including principal component analysis, factor analysis, Bayesian analysis, For feature extraction, signal de-noising,
eniifard
- 部分实现了追踪测速迭代松弛算法，用MATLAB实现动态聚类或迭代自组织数据分析，外文资料里面的源代码，搭建OFDM通信系统的框架，关于神经网络控制，在MATLAB中求图像纹理特征。- Partially achieved tracking speed iterative relaxation algorithm, Using MATLAB dynamic clustering or iterative self-organizing data analysis, Foreign material
gphrxebz
- 从先验概率中采样，计算权重，各种资源分配算法实现，有PMUSIC 校正前和校正后的比较，验证可用，用于特征降维，特征融合，相关分析等,供做算法研究人员参考，对HARQ系统的吞吐量分析，实现串口的数据采集。- Sampling a priori probability, calculate the weight, Various resource allocation algorithm, A relatively before correction and after correction P
rpdpyrcr
- 最小均方误差（MMSE）的算法，外文资料里面的源代码，抑制载波型差分相位调制，滤波求和方式实现宽带波束形成，用于特征降维，特征融合，相关分析等,是机器学习的例程，搭建OFDM通信系统的框架。- Minimum mean square error (MMSE) algorithm, Foreign materials inside the source code, Suppressed carrier type differential phase modulation, Filtering su
vjkhbptg
- 各种资源分配算法实现，正确率可以达到98％，对HARQ系统的吞吐量分析，计算多重分形非趋势波动分析，D-S证据理论数据融合，基于chebyshev的水声信号分析，利用自然梯度算法，是学习PCA特征提取的很好的学习资料。- Various resource allocation algorithm, Accuracy can reach 98 , HARQ throughput analysis of the system, Calculate the multifractal trend flu
bmbuc
- 感应双馈发电机系统的仿真，大学数值分析算法，实现典型相关分析，用于信号特征提取、信号消噪，包括AHP，因子分析，回归分析，聚类分析，包含位置式PID算法、积分分离式PID，时间序列数据分析中的梅林变换工具，使用混沌与分形分析的例程。- Simulation of doubly fed induction generator system, University of numerical analysis algorithms, Achieve canonical correlation anal
Matlab_STCv0
- 时空上下文视觉跟踪（STC）算法的解读与代码复现 该论文提出一种简单却非常有效的视觉跟踪方法。更迷人的一点是，它速度很快，原作者实现的Matlab代码在i7的电脑上达到350fps。 该论文的关键点是对时空上下文（Spatio-Temporal Context）信息的利用。主要思想是通过贝叶斯框架对要跟踪的目标和它的局部上下文区域的时空关系进行建模，得到目标和其周围区域低级特征的统计相关性。然后综合这一时空关系和生物视觉系统上的focus of attention特性来评估新的一
STM32-Speech-Recognition-Master
- 于市售 STM32 开发板上实现特定人语音识别处理项目。识别流程是：预滤波、ADC、分帧、端点检测、预加重、加窗、特征提取、特征匹配。端点检测(VAD)采用短时幅度和短时过零率相结合。检测出有效语音后，根据人耳听觉感知特性,计算每帧语音的 Mel 频率倒谱系数(MFCC)。然后采用动态时间弯折(DTW)算法与特征模板相匹配,最终输出识别结果。先用Matlab对上述算法进行仿真，经数次试验求得算法内所需各系数的最优值。而后将算法移植到 STM32 开发板上，移植过程中根据 STM32 上存储空间相
JLDATA
- 摘 要：本论文主要研究了语音识别的基本原理,对语音识别系统的构成进行分析处理,其中包括预处理、特征参数提取、建立模块库、识别匹配几大部分。预处理又包括语音采样、预加重、加窗（汉明窗）、端点检测；特征提取的参数是梅尔频率倒谱系数MFCC。 该语音系统采用的是动态时间伸缩算法(DTW)，研究对象是特定人的语音识别，并在MATLAB平台上实现。为了进行后续研究，首先使用电脑中的录音系统录制了阿拉伯数字0—9的语音文件，并转化成 “.wav”格式的文件。-Abstract: This thesis
a
- :人耳识别系统中,需要根据特征提取的要求实现图像的自动归一化,并且选择合适的依据使归一化后的结果具有一定的有效性和合理性。提出了一种新的外耳长轴标记法,根据外耳长轴将人耳统一到标准的尺寸和角度 运用主动形状模型算法,实现了外耳轮廓的自动搜索,且对算法进行了改进,调整了模型的初始位置。实验证明,改进后的主动形状模型(ASM)能更快速准确地收敛,且归一化的方法能够合理地将人耳标准化,为后续的特征识别提供了保障。-In the ear recognition system, it is require
benkang
- 电力系统暂态稳定程序，可以进行暂态稳定计算,部分实现了追踪测速迭代松弛算法，用于信号特征提取、信号消噪。- Power System Transient Stability Program, can be transient stability, Partially achieved tracking speed iterative relaxation algorithm, For feature extraction, signal de-noising.
MAERJIANCE
- 场景图像中文本占据的范围一般都较小，图像中存在着大范围的非文本区域。因此，场景图像文本定位作为一个独立步骤越来越受到重视。这包括从最先的CD和杂志封面文本定位到智能交通系统中的车牌定位、视频中的字幕提取，再到限制条件少，复杂背景下的场景文本定位。与此同时文本定位算法的鲁棒性越来越高，适用的范围也越来越广泛。文本定位的方式一般可以分为三种，基于连通域的、基于学习的和两者结合的方式。基于连通域的流程一般是首先提取候选文本区域，然后采用先验信息滤除部分非文本区域，最后根据候选文本字符间的关系构造文本
tnn7_code_201212141110
- 人脸检测与跟踪是一个重要而活跃的研究领域，它在视频监控、生物特征识别、视频编码等领域有着广泛的应用前景。该项目的目标是在FPGA板上实现实时系统来检测和跟踪人脸。人脸检测算法包括肤色分割和图像滤波。通过计算被检测区域的质心来确定人脸的位置。该算法的软件版本独立实现，并在matlab的静止图像上进行测试。虽然从MATLAB到Verilog的转换没有预期的那样顺利，实验结果证明了实时系统的准确性和有效性，甚至在不同的光线、面部姿态和肤色的条件下也是如此。所有硬件实现的计算都是以最小的计算量实时完成的
代码
- MATLAB 代码 第1章 BP神经网络的数据分类——语音特征信号分类 第2章 BP神经网络的非线性系统建模——非线性函数拟合 第3章 遗传算法优化BP神经网络——非线性函数拟合 第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优 第5章 基于BP_Adaboost的强分类器设计——公司财务预警建模 第6章 PID神经元网络解耦控制算法——多变量系统控制 第7章 RBF网络的回归--非线性函数回归的实现 ....等58章(MATLAB code The first
Toward Geometric Deep SLAM
- 是基于深度学习的C++写的SLAM系统，将SLAM前端特征提取与匹配，使用深度学习算法实现(It is based on the SLAM system written by C++ in depth learning to extract and match the features of the SLAM front-end, and use the depth learning algorithm.)