搜索资源列表
周期信号的傅里叶分析
- 周期的或非周期的信号分析在科学研究和工程技术中一直是最重要的和最基本的任务之一，傅立叶分析是一种常用的分析信号特征的方法。通过傅立叶变换的方法将信号在时域与频域之间互相转换是一种常用的手段，一些在时域中难以分析的号，在频域中可以清楚地分析它的特征。
Gabor变换在模态参数辨识中的应用
- 对Gabor时频变换在模态参数辨识中的应用进行了探讨,将基于Gabor系数展开的时频滤波方法作为参数辨识的前处理手段之一,该方法对于平稳、非平稳信号都适用。根据信号在时频域内的分布特征,可以直接观测系统的频率分布情况、模态密集程度、能量聚集性、各通道响应信号所含特征量的多少等信息,从而对响应信号的特征构成进行初步判断,并通过剔除、截取等操作实现对响应信号的滤波,更有利于模态参数的辨识。
time_index1.rar
- 刀具在线监测故障信号的时域频域时频域特征提取matlab程序 ,Tool-line monitoring of fault signals in time domain frequency domain time-frequency domain feature extraction procedures matlab
Matlab
- 选择三个不同频段的信号对其进行频谱分析，根据信号的频谱特征设计三个不同的数字滤波器，将三路信号合成一路信号，分析合成信号的时域和频域特点，然后将合成信号分别通过设计好的三个数字滤波器，分离出原来的三路信号，分析得到的三路信号的时域波形和频谱，与原始信号进行比较，说明频分复用的特点。-Choice of three different signal-band spectral analysis carried out, according to the characteristics of the
2
- 我国是世界上小麦种植面积最大和消费最高的国家之一。小麦为国际主粮之一，也是食品工业的重要原料。作为最重要粮食品种之一的小麦，其价值与用途取决于它的品质。因此，基于信号处理技术，研究客观、便捷的小麦品质测定方法对提高小麦品质、减少产后损失、保证国家粮食安全具有十分重要的意义。本课题拟在研究、分析国内外无损检测技术在农产品品质分析应用现状和研究进展的基础上，研究小麦籽粒声信号的预处理方法。根据声学检测原理，研制出小麦籽粒的声信号采集装置，首先采集小麦籽粒下落碰撞所产生的声音信号，对小麦声信号进行编辑
jingeiARTYU
- 本资料的功能为：运用数学统计方法和时间序列分析方法对原始振动信号进行分析，获取相应的时域，频域，频域及时间序列模型参数并以此作为特征参数，然后运用距离区分技术进行评估，选取敏感的特征参数作为ART-similarity分类器的输入并进行训练，最后便可识别出设备的性能状态。 基于YU范数对承不同预紧状态的分析，针对进给系统所采集的数据样本事先不知其对应的状态时，则可利用基于YU范数的ART-Similarity监督分类器对其进行诊断分析。针对基于Yu范数ART-Similarity的算法
ECGmonitoring
- 小波变换是一种信号的时间—尺度分析方法，它具有多分辨率分析的 特点，而且在时频两域都具有表征信号局部特征的能力。由于其在信号处 理领域表现出的优异性能，目前在生物医学领域，广泛应用于信号检测、 特征提取、图像处理、信号压缩等方面。 -Wavelet transform is a signal of the time- scale analysis method, it has the characteristics of multi-resolution analysis, bu
Frequency-domain-analysis
- 对采集的信号,如：心电信号、脉搏波等信号的频域特征进行分析- frequency domain analysis for signals such as ECG, pulse wave signal
armfly-DSP-tutorials-Chapter-24
- 本教程使用的DSP库来自ARM官方，此库支持以CM0，CM3，CM4以及CM7为内核的所有MCU。在数字信号处理中常常需要用到离散傅立叶变换(DFT)，以获取信号的频域特征。尽管传统的DFT算法能够获取信号频域特征，但是算法计算量大，耗时长，不利于计算机实时对信号进行处理。因此至DFT被发现以来，在很长的一段时间内都不能被应用到实际的工程项目中，直到一种快速的离散傅立叶计算方法——FFT，被发现，离散是傅立叶变换才在实际的工程中得到广泛应用。需要强调的是，FFT并不是一种新的频域特征获取方式，而
pinyutezheng
- 一维信号频域特征提取，可用于轴承故障诊断和趋势预测-Wherein the one-dimensional frequency domain signal extraction, can be used to predict bearing Fault Diagnosis and
时频域统计特征
- 信号的时频域统计特征，可用于后续模式识别,特征选择，特征提取。(The time-frequency statistics of the signal can be used for subsequent pattern recognition.)
信号盒维数和稀疏性的提取_matlab
- 信号复杂度特征的提取，主要实现盒维数和稀疏性的matlab代码实现(Extracting the feature of signal complexity and realizing the matlab code of box dimension and sparsity)
inverse_st
- 广义S变换及其逆变换，用于对非平稳信号进行时频分析，研究信号的频域特征随时间的变化情况(The generalized S transform and its inverse transform are used to analyze the time-frequency of nonstationary signals and study the change of frequency domain characteristics with time.)
voice_wav_frequency
- matlab语音信号分析时域频域，加窗，降噪滤波，端点检测，时域特征和频域特征提取(Matlab speech signal analysis in time domain, frequency domain, windowing, denoising, filtering, endpoint detection, time domain feature and frequency domain feature extraction.)
audio_tezheng
- 语音信号的时域、频域与倒谱域分析。 1.分析一帧清音和浊音的自相关函数和倒谱系数 2.用Matlab画出该段语音的时域波形、短时能量、短时平均幅度、短时过零率、短时过电平率 3.选择一帧无声、清音和浊音的语音，用Matlab画出它们的对数幅度谱(Time domain, frequency domain and cepstrum domain analysis of speech signals. 1. Analyze the autocorrelation function and c
time_frequency_analysis
- 基于实测信号，进行时频分析，同时了解时域频域特征(Based on the measured signal, time-frequency analysis is carried out, and time domain and frequency domain characteristics are also understood.)
振动信号时域频域特征（带测试数据）
- 针对信号的时域特征和频域特征提取，带测试数据，能够运行(According to the time-domain and frequency-domain feature extraction of signals, the system can run with test data.)
脉搏波信号提取
- 对脉搏信号进行滤波处理后，再进行时域分析和频域分析，提取出脉搏信号的周期、峰值、频率等特征。(After filtering the pulse signal, time domain analysis and frequency domain analysis are carried out to extract the characteristics of pulse signal such as period, peak value and frequency.)
时域频域29个特征提取
- 利用matlab提取出频域和时域信号的29个特征(Using MATLAB to extract 29 features of frequency and time domain signals)
时域频域29个特征提取
- 利用matlab提取出频域和时域信号的29个特征，主运行文件feature_extraction，fre_statistical_compute和time_statistical_compute分别提取频域和时域的特征，生成的29个特征保存在生成的feature矩阵中。(Using MATLAB to extract 29 features of frequency-domain and time-domain signals, the main running files feature ex