搜索资源列表
VHDLKEYBOARD
- 此模块用 ＶＨＤＬ 硬件描述语言来实现，对键盘设计的实际操作检验表明，此模块响应迅速、识别准确，较好地实现了键盘扫描和去抖动功能， 达到了预期的设计目的。同时，将状态机、扫描线、计数器等相关参数稍作改动，就可以扩展到实现不同键盘矩阵的设计-VHDL hardware descr iption language to achieve the keyboard design of the actual operation of testing show that This module in res
vq
- 说话人识别是语音识别的一种特殊方式，其目的不是识别语音内容，而是识别说话人是谁，即从语音信号中提取个人特征。采用矢量量化（VQ）可避免困难的语音分段问题和时间归整问题，且作为一种数据压缩手段可大大减少系统所需的数据存储量。本文提出了识别特征选取采用复倒谱特征参数和对应用VQ的说话人识别系统改进的一种方法。当用于训练的数据量较小时，复倒谱特征可以得到比较稳定的识别性能。VQ的改进方法避免了说话人识别系统的训练时间与使用时间相差过长从而导致系统的性能明显下降以及若利用自相关函数带来的大量运算。-Sp
the-application-and-research-based-on-dsp-speech-p
- 本文针对语音识别处理系统中面临的主要问题和关键点，利用语音处 理系统对语音处理的一些关键点进行讨论研究。并且利用一些基本算法对语音 处理的部分参数进行实验。
Cottonfieldsprayingagriculturerobotsguidancewayrec
- 为研究棉田农药喷洒机器人导航路径识别方法, 以 自然环境下采集的棉田图像为研究背景, 在L ab 色彩空间 进行处理, 把棉株从土壤背景中识别出来。通过最大方差阈 值分割法将图像转化为二值图像, 并经过中值滤波去除噪 声。二值图像垂直方向投影做直方图, 利用波谷位置确定左 右垄分界线。根据左右垄棉株位置平均得到导航离散点, 通 过Hough 变换得到导航路径, 进而得到导航控制参数。利用 坐标系转换关系将图像坐标系中的导航信息转换到世界坐 标系, 从而控制机器人行
speechsignalprocessingincar
- 汽车中的话音拨号系统是自动语音识别技术的应用热点. 自动语音识别系统是一个 基于训练的系统. 在汽车噪声中, 由于实际应用环境与形成系统参数的训练环境的失配, 传统 语音识别系统的性能会大幅度地下降, 从而无法实用. 为了提高语音识别系统在特定环境下的 识别率及实用性, 首先根据汽车环境中语音的失真模型分析了系统性能下降的原因, 然后针对 加性汽车噪声与信道失真对系统的影响, 讨论了在汽车噪声中改善语音识别系统性能的方法. 提出了在识别系统中用基于子带的语音增强算法和倒谱均值
机械振动学
- 机械振动学： 《机械振动学》（研究生）（46学时内容与实施计划） Part Ⅰ.线弹性系统的振动 Chapter1.多自由度系统的振动分析 Chapter2.弹性体的振动分析 Chapter3.多自由度系统的特征值、特征向量的计算 Chapter4.振动分析的数值方法 PartⅡ.随机振动 Chapter1.随机过程概论 Chapter2.随机过程的时域分析 Chapter3.随机过程的频域分析 Chapter4.系统的响应函数 Chapter5.系统的随机振动分析 Chapter6.结构随机响
MATLAB环境下的语音识别
- 介绍了MATLAB环境下的语音识别系统,阐述了具体的实现过程,采用离散隐马尔科夫模型,为提高识别率采用男女2套参数,对离散隐马尔科夫模型在实际语音识别系统中遇到的问题进行分析,并给出相应的解决办法
sasdw.rar
- 现有数字信号自动调制识别方法大多只适用于无记忆信号，如PSK、ASK、FSK信号等。将有记忆 信号(MSK信号)和无记忆信号一起考虑，提出了一种改进的数字信号自动识别方法。该方法采用信号的瞬时统 计量作为特征参数，采用多层神经网络作为分类器。计算机仿真表明：当噪声采用高斯白噪声，并且信噪比大于 l5 dB时，识别率高于96％ ；当信噪比不低于l0 dB时，识别率不低于90％。,Existing digital signal automatic modulation recognition
MFCCcanshu
- 6篇有关语音识别特征参数的科技论文，主要包括MFCC参数LPCC参数以及小波应用于特征提取的研究-6 on the speech recognition feature parameters of scientific papers, including MFCC parameters LPCC parameters and wavelet feature extraction applied to the study
f
- 模式识别课件 当预先不知道类型数目，或者用参数估计和非参数估计难以确定不同类型的类概率密度函数时，为了确定分类器的性能，可以利用聚类分析的方法。-When the pre-recognition software does not know the type of number, or parameter estimation and non-parameter estimation it is difficult to determine the different types of ca
safjfd
- 首先分析了典型说话人识别系统的各关键技术，详细分析了矢量量化技术在 说话人识别中的应用，研究了码本训练算法以及说话人判别算法，对算法中各参 数值的选取进行了讨论 其次根据系统的需求建立一个小的语音库，录制语音信 号，并对采集的语音信号进行预处理，检测语音信号的起始端点 在MATLAB 环境下仿真说话人识别系统，验证系统设计方案的可行性:特征提取阶段，提取 语音信号的12阶美尔倒谱系数以及各阶倒谱系数对应的1阶差分倒谱系数，在 训练阶段，采用分裂法和GLA算法相结合的矢量量
ReseacrhOfAPPlieationOfEmbeddedSPeeehRecognitionon
- 本文首先介绍了目前语音识别的发展现状和主要手段，分析了语音识别中所采用的主要特征参数和比较前沿的研究方向，另外着重讲解了语音识别中最常用隐马尔可夫H(MM)模型，及应用广泛的矢量量化方法(VQ)。接着介绍了嵌入式平台，从软、硬件方面着重介绍了与语音识别相关部分的设计包括硬件及相关驱动程序设计，最后介绍了系统实现方法与测试结果。 -This paper describes the current status of the development of speech recognition a
radardetectionmatlab
- 该代码能识别雷达信号的各种细微参数是一个非常不错的源代码-radarsignalsdfsdfsdfsdfsaf
1
- 基于谱分析的通信信号调制识别与参数估计研究-Communication signals based on spectrum analysis and parameter estimation of modulation recognition
carnk-engie
- 基于matlab的发动机曲柄连杆参数识别，附带源程序，在word文档中。-Matlab-based engine crank link parameter identification, with source code, in word document.
Parameter-Identification
- 基于分段常值水平集的PDE参数识别问题研究-Parameter Identification Based on Piecewise Constant Level Set Method for PDE
31175278moulationclassification
- 主要是实现调制识别，区分几种常用的数字调制信号。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，见图。 文件夹classification rate simulink中：运行main.m文件 可以得到正确识别率 见图。(It is mainly to realize modulation recognition and distinguish severa
无人机跳频信号
- 该压缩包里包含了大量关于无人机跳频信号的资料，有跳频图案、跳频信号、跳频序列的产生，还有关于跳频信号的各种参数估计和提取方法，跳频信号的识别方法等。
卫星通信中数字调相信号调制方式识别方法研究
- 针对数字卫星常用的 7 种通信信号调制方式(QPSK、8PSK、16QAM、32QAM、64QAM、16APSK、32APSK)，对零中心归一化瞬时幅度谱密度最大值、四次方谱、幅度、高阶累积量四种特征参数进行了分析，提出了一种联合特征参数的信号调制识别方法．(Aiming at seven communication signal modulation modes commonly used in digital satellite (QPSK, 8PSK, 16QAM, 32QAM, 64QA
结合双模多尺度 ＣＮＮ 特征及自适应深度ＫＥＬＭ 的浮选工况识别
- 针对可见光图像特征驱动的浮选工况识别方法的不足，提出一种基于双模态图像多尺度 ＣＮＮ 特征及自适应深度自编码核极限学习机（Ｋｅｒｎｅｌ Ｅｘｔｒｅｍｅ Ｌｅａｒｎｉｎｇ Ｍａｃｈｉｎｅ，ＫＥＬＭ）的浮选工况识别方法。先对泡沫的可见光、红外图像进行非下采样剪切波多尺度分解，设计双通道 ＣＮＮ 网络对双模态多尺度图像进行特征提取及融合，将多个双隐层自编码极限学习机串联成深度学习网络对 ＣＮＮ 特征逐层抽象提取，然后通过核极限学习机映射到更高维空间进行决策，最后改进量子细菌觅食算法并应用于深度自编码