搜索资源列表
traditionalsp
- 语音信号的频域处理,语音虽然是一个时变、非平稳的随机过程。但在短时间内可近似看作是平稳的。因此如果能从带噪语音的短时谱中估计出“纯净”语音的短时谱，即可达到语音增强的目的。由于噪声也是随机过程，因此这种估计只能建立在统计模型基础上。利用人耳感知对语音频谱分量的相位不敏感的特性，这类语音增强算法主要针对短时谱的幅度估计。 -voice signals in the frequency domain processing, voice is a time-varying, nonstationa
xiaobobianhuanyuyingyong
- 某一直升机齿轮箱上的早期损伤的特征是，在伴随振动信号上产生一个可变周期的非平稳扰动信号。要求按此特征构造一组有物理意义的数据仿真早期故障信号，应用小波变换技术分析故障的特征和发生时刻。-a helicopter gearbox early on the characteristics of the injury, In addition to the vibration signal produced a variable cycle perturbation of non-stationary
AFA
- 自适应滤波器的特点是自动调节自身的冲激响应,达到最优滤波,此算法适用于平稳和非平稳随机信号,并且不要求知道信号和噪声的统计特性。
RecoveryofSignalfromTransientScatteredResponseCont
- 本文分析了用经验模态分解( Empirical Mode Decomposition ,EMD) 方法处理非平稳噪声信号的基本原理 , 并利用 EMD 方法有效地消除了高斯白噪声对瞬态散射回波的干扰. 文中以一人工合成瞬态回波为例 ,对本方法的有 效性作了检验.
adpcm
- 该算法是根据自适应差分脉冲编码调制原理编写的算法，该算法利用了语音信号样点间的相关性，并针对语音信号的非平稳特点，使用了自适应预测-The algorithm is based on principles of adaptive differential pulse code modulation written algorithm, which samples the voice signal using the correlation between, and for non-station
EMD-Toolbox
- EMD的Toolbox及使用方法 经验模态分解（Empirical Mode Decomposition, 简称EMD）是由美国NASA的黄锷博士提出的一种信号分析方法.它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。这一点与建立在先验性的谐波基函数和小波基函数上的傅里叶分解与小波分解方法具有本质性的差别。正是由于这样的特点, EMD 方法在理论上可以应用于任何类型的信号的分解, 因而在处理非平稳及非线性数据上, 具有非常明显的优势。所以, EMD方法一经提出就在不同的
121114154FastICA
- 利用二阶统计量(不同时延相关矩阵)的非平稳性和信号时序结构特征，能简单估计出线性瞬时混合的盲源信号。但随时延 增-aracteristics of the signal, which difficult to ensure the performance of algorithm. Analysis of the average characteristics of matrix, and the improved algorithm for blind source separation ba
TFBSSpack
- TFBSS是一种基于短时傅里叶时频分析的盲源分离算法，算法基于卷积混合。处理非平稳源信号。-TFBSS performs Blind Source Separation of (over)determined multiplicative mixtures of non-stationary real valued sources. TFBSS is based on the joint-diagonalization of whitened and noise-compensated
noise_tracker_V1
- 基于Matlab的一MMSE的噪声PSD的执行跟踪的语音增强算法。这个包是一所描述的算法实现在“基于MMSE的低噪声PSD的跟踪与复杂性”，由理查德亨德里克斯，理查德Heusdens和Jesper詹森，IEEE国际会议声学，语音和信号处理，03/2010，达拉斯，德克萨斯州，p.4266 - 4269，（2010年）。 该算法具有较低的复杂性，但能够准确地估计非平稳的延迟相当低噪声PSD的跟踪噪声。-Matlab implementation of an MMSE based nois
HHT
- hht 一种改进希尔伯特黄变换的信号处理相关资料，HHT 在对非线性非平稳的信号进行处理的相关资料-hht
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
DTCWT_CODE
- 双树复小波matlab工具包，能够有效的对非平稳信号进行分解，具有良好的平移不变性(Dual-tree complex wavelet matlab toolkit, can effectively decompose non-stationary signals, with good translation invariance)
cyclostationary_toolbox
- 循环平稳信号是一类特殊的非平稳信号，其统计特征具有随时间呈周期变化的特点。旋转机械由于周期运行方式其振动信号具有循环平稳特性，因此利用循环平稳分析方法能够提取出在平稳假设下所不能得到的隐藏故障特征信息，为有效地分离和识别旋转机械早期微弱故障特征提供可能。(The cyclostationary signal is a special type of non-stationary signal whose statistical characteristics have a periodic va
Matlab 时频分析工具箱
- 这是一款一款功能强大的时频分析工具箱，内含多种时频分析函数，满足非平稳信号时频分析基本需要。(This is a powerful time-frequency analysis toolbox, contains a variety of time-frequency analysis functions, to meet the basic needs of time-frequency analysis of non-stationary signals.)
LMD
- 是由Smith提出的一种新的非线性和非平稳信号分析方法。由于LMD是依据信号本身的信息进行自适应分解的，产生的PF分量具有真实的物理意义，由此得到的时频分布能够清晰准确地反映出信号能量在空间各尺度上的分布规律。(It is a new nonlinear and non-stationary signal analysis method proposed by Smith. Because LMD decomposes the signal itself adaptively, the PF c
时频分析工具箱
- 法国中央科学研究院和美国RICE大学共同开发了时频分析工具箱（matlab emd） 是一款非常好用的时频分析计算工具，它是分析时变非平稳信号的有力工具，matlab 时频分析工具箱提供了时间域与频率域的联合分布信息，清楚地描述了信号频率随时间变化的关系。 其中主要含有四种函数： 信号产生函数，可以产生不停类型的信号，如Chirp信号，bpsk信号等。 时频分析函数，可以计算线性、Cohen类、仿射类非线性分析值函数，例如短时傅里叶变换（STFT），Gabor变换，谱图，Wigner
emd
- 经验模态分解（Empirical Mode Decomposition，EMD）是由 Huang等人于1998年提出的一种针对非线性、非平稳信号的自适应信号分解算法。自该方法提出以后便得到了学术界的广泛关注与研究，经过十几年的研究与发展，在理论方面EMD算法取得了进一步的完善。许多国内外学者也将该方法应用到了地球物理领域，并做了深度的研究与探索。与传统的基于Fourier变换的信号分析方法相比，EMD不仅突破了Fourier变换的局限性，而且不存在如小波变换一样需要预选小波基函数的问题，具有良好
ALIF-master
- 非线性非平稳信号的时频分析是一项非常具有挑战性的工作。为了捕获这些信号中的特征，分析方法必须是局部的、自适应的和稳定的。近年来，不同的研究小组开发了基于分解的分析方法，如Huang等人首创的经验模态分解(EMD)技术。这些方法将信号分解成有限数量的分量，在这些分量上可以更有效地应用时频分析。在本文中，我们考虑迭代滤波(IF)方法作为EMD的替代方法。我们在滤波器上提供了充分的条件，保证了对任意l2信号的中频收敛。然后，我们提出了一种新的技术，自适应局部迭代滤波(ALIF)方法。此外，我们设计了光
基于改进的希尔伯特振动分解的机械故障诊断方法研究
- 针对多分量机械故障振动信号的特征提取问题，介绍一种基于希尔伯特振动分解( HVD) 的时频分析方法。该方法首先利用 Hilbert 变换得到原始振动信号的解析信号，然后通过对解析信号的瞬时频率低通滤波获得信号中幅值最大分量的瞬时频率，同时经同步检测获得相应的瞬时幅值和初相位，最后经过迭代运算自适应地检测出原信号各分量的时频信息。针对 HVD 方法的边界效应问题，提出一种基于相关系数准则的波形匹配边界延拓法对其进行改进。 通过两组仿真信号分析验证了 HVD 方法对多分量非平稳信号的分解能力，同时
TSMPE
- 时移多尺度排列熵一种应用于非线性非平稳信号的特征提取方法，能够有效的处理信号特征信息。(Time-lapse multiscale permutation entropy is a feature extraction method applied to non-linear non-stationary signals, which can effectively process signal feature information.)