搜索资源列表
FH-signal
- 基于相空间优化近邻点的跳频预测方法研究.pdf-Based on Phase Space Optimization of neighbor points of the forecast method of frequency hopping. Pdf
The-research-of-anti-niose-speech
- 论文首先介绍了传统的语音特征参数MFCC，它是基于人耳听觉 特性设计的一种特征参数，在静音环境下能得到较高的识别率，但在 信噪比较低时识别率急剧下降，不利于实用化。本文通过对MFCC算 法的分析和研究，发现其中的FFT和DCT在整个时频空间使用固定的 。分析窗，这不符合语音信号特性，而小波变换具有多分辨率特性，更 符合人耳的听觉特性。因此，本文将小波变换和MFCC算法相结合， 提出了三种新的语音识别特-Speech recognition has wide use in
poincare130120_ok
- duffing方程的混沌判别中使用到了庞加莱截面，即多维相空间中适当选取一截面 ，此截面不与轨线相切，不包含轨线，且便于观察系统的运动特征变化.-use Poincare chaotic duffing equation discriminant, multi-dimensional phase space appropriate to select a cross-section, this section is not tangent to the trajectory does
330
- 提出了将信号进行相空间重构后再采用奇异值分解, 对分解后的主成分进行包络分析, 从而提取信号的隐含特 征的方法, 并将该方法应用于齿轮的局部故障振动特征信号的提取中。数值仿真实验结果表明, 该方法能有效提取强背景 信号及噪声中的弱冲击特征信号, 是一种有效的弱信号特征提取方法。采用该方法对齿轮振动信号进行故障特征提取与识 别, 结果与实际情况相符。-Signal implicit characteristic of phase space reconstruction, and th
Nonlinear-analysis-to-stock-market
- (股市)非线性分析及预测工具箱，整合了原非线性时间序列分析工具箱程序，包含多个复杂度分析(如Higuchi法、计盒法)，相空间重构(Cao法、GP算法、互信息法)，最大李雅普诺夫指数判断(Wolf法、小数据法)和预测程序(lyp指数法、一次多步预测等)，程序执行效率高，实测可用。-Nonlinear analysis and prediction toolbox (stock market), the integration of the original nonlinear time seri
G_P
- 关联维数的G-P算法，相空间重构。有改动，非常实用-The G-P algorithm of correlation dimension, phase space reconstruction. There are changes, very practical
UPA
- 平面圆阵的角度估计，与空间谱估计相配套哦，相当好用-Planar circular array angle estimation, and spatial spectrum estimation matched Oh, very easy to use
Cao
- Cao方法可以用于计算相空间维数，是混沌系统中一个很重要的方法-Cao method can be used to calculate the phase space dimension
lyapunov_wolf
- 混沌时间序列 相空间重构 延迟时间t 维数-Phase space reconstruction of chaotic time series dimension of the delay time t
GS-Algorithm
- 实现了图片及目标图片的傅立叶变换，并得出了加载到空间光调制器上的相息图！-To achieve the target image and the image of the Fourier transform, and load to obtain a kinoform spatial light modulator on!
相空间重构源码
- mutual-information互信息法求解时延和嵌入维度的相空间重构函数