搜索资源列表
fenximonixinhaodefupintexin
- 1. 给定模拟信号：，式中，，。对进行采样，可得采样序列 选择采样频率=1 kHz，观测时间ms，观测所得序列及其幅频特性 改变采样频率=300Hz，观测此时的变化 令采样频率=200Hz，观测此时的变化 要求分析说明原理，绘出相应的序列及其它们对应的幅频特性曲线，指出的变化，说明为什么？-failed to translatefailed to translatefailed to translatefailed to translate
Mergerandarray
- 可按如下所述实现归并排序：假设序列中有k个长度为小于等于L的有序子序列。利用过程merge（参见教科书10.5）对它们进行两两归并，得到[k/2]个长度小于等于2l的有序子序列，称为一趟归并排序。反复调用一趟归并排序过程，使有序子序列的长度自l=1开始成倍的增加，直至使整个序列成为一个有序序列。是对序列实现上述归并排序的递推算法，并分析你的算法的时间复杂度。 本程序包含四个模块： 1． 主程序模块： void main() {初始化序列； 对序列归并排序； 输出
matlab
- 根据伪随机序列理论，由混合同余法产生均匀分布的随机数，进而根据中心极限定理来产生高斯噪声。 分析所产生的均匀分布和高斯分布随机信号的均值、方差、自相关等数字特征，估计其概率密度函数并进行分析，估计其功率谱密度并进行分析。说明该高斯噪声是否符合白噪声特性。 对该高斯噪声进行FIR低通滤波，估计输出低通型限带白噪声的功率谱、相关时间等，并结合白噪声通过线性系统相关理论来进行分析。 -According to the theory of pseudo-random sequence, a
lab4_2
- 2-1以顺序栈作为存储结构 实现顺序栈的入栈运算,出栈运算,并且读取栈顶元素； 2-2以链栈作为存储结构,实现栈上的数据元素的插入运算,删除运算,并读取链栈的栈顶元素； 2-3 以循环队列喂存储结构,实现循环队列的建立,实现循环队列的入队运算,出队运算； 2-4用栈实现括号的匹配问题； 2-5实现汉诺塔问题.； 3-1采用链式存储表示,按给定的先序序列创建二叉树,并输出二叉树。 3-2-1和3-2-2采用二叉链表作为存储结构,建立二叉树,采用递归算法实现二叉树遍历,另外采
compute_THD
- 计算时间信号序列的谐波总畸变率，同时课计算基波的幅值和相位，典型应用于电力信号分析。-The total harmonic distortion signal sequence computation time, while computing the fundamental lesson of the amplitude and phase of the signal analysis is applied to a typical power.
gpolycycle1
- 这m文件显示时间和频域的0.5ns的高斯单脉冲包括未调制的单周期脉冲序列的超宽带无线系统的分析-These m files show the time and frequency domain for a 0.5nS Gaussian monopulse(or monocycle) including an unmodulated monocycle pulse train(polycycle)for UWB wireless system analysis
HellokinectMAT
- 感知行为的影响因素包括单个关节的动作和不同关节的组态。因此提出一种新的基于关节的位置差异的特征类型，联合包括静态姿势、动作、位移在内的行为信息进行识别。采用关节在两个时间和空间区域的差异来明确地模拟个别关节动力学和不同关节的组态。然后应用主成分分析（PCA）来获得所需的特征。同时应用非参数的简捷的贝叶斯最近邻（NBNN）分类器进行多类行为的分类。这个NBNN分类器避免了帧描述符的量化，计算“图像到类别”的距离而不是“图像到图像”的距离。15到20帧的数据就足以实现手势以及动作的识别，无需应用整个
lpc_vocoder_rev2
- 这个MATLAB构建一个锻炼LPC声码器,即,执行LPC分析和合成语音文件,导致合成语音近似原始的演讲。LPC分析使用一个标准的自相关分析来确定LPC系数的设置,一帧一帧的基础上,以及框架获得。一个独立的分析方法(cepstral螺距内检测器)把每一帧的言论是要么表示演讲(时间由cepstral峰值的位置在指定范围的音调时期)或无声的言论(模拟随机噪声帧)0帧基音周期的样本。独立的分析提供了一个两国并存的激发函数LPC合成处理的一部分,包括一系列的脉冲(表示帧期间)和/或噪声序列(在无声的帧)。
huduyuceMATLAB
- 灰色预测通过鉴别系统因素之间发展趋势的相异程度，即进行关联分析，并对原始数据进行生成处理来寻找系统变动的规律，生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势的状况。其用等时距观测到的反应预测对象特征的一系列数量值构造灰色预测模型，预测未来某一时刻的特征量，或达到某一特征量的时间。-Gray predicted by the degree of dissimilarity between the trends identification system facto
lnut
- 频谱分析,用于对等时间间距的序列进行频谱分析 很好的-Spectrum analysis for equivalent time interval sequence spectrum analysis is very good
glarantee-support
- 频谱分析,用于对等时间间距的序列进行频谱分析 很好的-Spectrum analysis for equivalent time interval sequence spectrum analysis is very good
EMD
- 经验模态分解(Empirical Mode Decomposition,简称EMD)法是美籍华人N. E. Huang等人于1998年提出的，适合于分析非线性、非平稳信号序列，具有很高的信噪比。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。(Empirical mode decomposition (EMD) is proposed by Chine