搜索资源列表
Speech Enhancement Based On AUnvoiced-Voiced Model
- 摘要：基于语音状态模型的语音增强算法是当前语音信号处理的研究热点。把通常的LPC语音模型修正后，将得到两个语音模型：时变AR 模型、时变双AR模型。但是利用这些模型增强语音时，都没有考虑到语音的清音、浊音区别。为此本文引入了语音清浊音状态空间模型，这种模型在描述语音方面比时变AR模型、时变双AR模型要强，而且物理含义明显 同时在用含噪语音信号预测纯净语音信号时，引入遗忘因子和粒子滤波算法以降低计算复杂性，减小运算量。实验证明，增强后的语音信号信噪比有一定提高．且优于传统的LPC模型.
ADPF
- 基于统计决策规则提出自适应采样数粒子滤波算法, 在定义综合性能风险函数的基础, 推导出粒子数与滤波误差方差之间的关系式, 使得在跟踪过程中, 可以根据目标的机动情况在线调节粒子数, 以使跟踪性能 达到最优。在Matlab仿真平台下进行了闪烁噪声下的机动目标跟踪实验, 结果表明, 自适应采样数粒子滤波算法是一种有效的机动目标跟踪方法, 跟踪性能较基本粒子滤波算法提高了3.17倍。-Based on statistical decision rules of the number of adap
ResearchofForwardLinearPredictiononProcessingofSil
- 介绍了前向线性预测滤波算法的基本原理,提出了一种自适应滤波过程中各参数的确定方法,对某硅微陀螺的静态 漂移信号和实际动态信号进行了处理,给出了静态漂移信号滤波前后的Allan 方差和标准差的大小,对滤波前后的误差大小 和误差分布进行了分析,并与小波中值滤波效果进行了比较。结果表明,前向线性预测滤波方法无论是在去噪效果,还是实 时性等方面,都明显优于小波中值滤波-Principle of t he forward linear prediction ( FL P) is int rod
Burg2
- 线性预测是语音信号分析中用得比较多的一种方法#&’()算法在线性预测中占有重要地位#格型滤波 器在语音信号分析中起了重要作用$本文采用&’()算法的逆运算对语音信号进行合成#得到了较好的合成效果$ -Linear prediction analysis of speech signal is used more than one way#& ' () linear prediction algorithm plays an important role in cell-typ
kalman-yuanli
- 卡尔曼滤波原理程序手册，卡尔曼主要用于预测，轨迹跟踪-The Kalman filtering principle Procedures Manual, Kalman mainly used to predict the trajectory tracking
Wind-power-prediction-problem
- 利用新陈代谢灰色预测、样本自适应BP 神经网络和时间序列分析分别进行风电功率实时预测和日前预测，并采用熵值取权法确定组合权重，引入自控机制，构建反馈，提出组合预测法和基于时间序列的卡尔曼滤波法。研究结果表明，组合预测模型能减少各预测点较大误差的出现，而卡尔曼滤波能大幅消减原始序列的波动影响。-Use of metabolic gray forecast, sample adaptive BP neural network and time sequence analysis respective
prediction-method
- 用时间序列分析中的自适应滤波预测法,建立某市用电量的预测模型 -Using time series analysis of adaptive filtering prediction method, a city electricity consumption forecasting model
lx1
- 粒子滤波预测电池寿命，并且以不确定性概率输出结果。-Particle Filter estimated battery life, and with the uncertainty probability output.
Algorithms_Comm_Systems
- 非常全面详实的讲述了通信领域的算法与应用！从各章节题目可以看出，包括了比如维纳滤波，线性预测，自适应滤波，调制理论，信道均衡，OFDM，扩频系统，信道编码，TCM，同步，预编码，自训练均衡，干扰消除等等。-The motivation for this book is twofold. On the one hand, we provide a didactic tool to students of communications systems. On the other hand, we p
kalman-filter-design
- 动态定位中的卡尔曼滤波研究_宋迎春编写，描述了卡尔曼滤波在预测领域的应用-kalman filter design
87361014GM
- 用来做预测的，将灰色理论和粒子滤波相结合(The combination of grey theory and particle filter is used for forecasting.)
111
- 涉及一种分布式驱动电动汽车惯性 参数估计方法，首先考虑载荷参数不确定导致车 辆惯性参数的变化，建立三自由度整车动力学模 型，并选择魔术公式的非线性轮胎模型，设计双 自适应无迹卡尔曼滤波器的状态和参数估计系 统，再确定双自适应无迹卡尔曼滤波观测器的具 体步骤，从而实现对车辆车辆纵向速度、车辆质 心侧偏角等车辆状态及整车质量、横摆转动惯 量、质心到车辆前轴的距离等车辆惯性参数估 计。本发明基于考虑载荷参数变化的车辆动力学 估计模型，采用自适应无迹卡尔曼滤波方法可以 有效抑制车辆状态参数滤波器的发散影