提出了一種基于仿生小波變換和模糊推理的變步長自適應濾波語音降噪算法。該算法首先用仿生小波變換法對包含噪聲的語音信號進行小波分解，以分離出來的噪聲信號作為自適應濾波器的輸入，選擇基于模糊推理變步長自適應算法對帶噪聲語音信號進行降噪處理，最終實現語音信號的信噪分離，去除語音信號中的噪聲。仿真結果表明，該方法對語音信號有較為明顯的降噪效果。
上傳時間： 2013-10-14
上傳用戶：戀天使569
為去除腦電信號采集過程中存在的噪聲信號，提出了基于小波閾值去噪的腦電信號去噪。以小波閾值降噪為基礎，首先利用db4小波對腦電信號進行5尺度分解，然后采用軟、硬閾值與小波重構的算法進行去噪。通過對MIT腦電數據庫中的腦電信號進行仿真，結果表明，采用軟閾值方法有效去除了噪聲，提高了腦電信號的信噪比。
上傳時間： 2014-12-23
上傳用戶：如果你也聽說
針對齒輪故障特征信號具有強噪聲背景、非線性、非平穩性特點，提出采用形態梯度小波對齒輪振動信號進行降噪。首先使用形態梯度小波把齒輪振動信號分解到多個尺度上，然后對各層的細節系數進行軟閾值方法降噪處理，對經過處理后的小波系數進行重構。對降噪后的齒輪振動信號采用S變換多分辨率時頻分析，能夠從具有良好的時頻分辨率的S變換譜圖提取齒輪故障特征。通過仿真試驗和故障軸承的信號分析證明，該方法具有短時傅里葉變換和小波變換的優點，不存在Wigner-Ville分布的交叉干擾和負頻率，能有效地提取隱含在噪聲中的齒輪故障特征，適合齒輪故障的在線監測和診斷。
上傳時間： 2013-11-01
上傳用戶：AISINI005
為了提高數字水印抗擊各種圖像攻擊的性能和保持圖像的穩健性和不可見性，提出了一種基于離散小波變換（DWT），SVD（singular value decomposition）奇異值分解水印圖像和原始載體圖像的離散余弦變換（DCT）的自適應水印嵌入算法，主要是將水印圖像的兩次小波變換后的低頻分量潛入到原始圖像分塊經過SVD分解的S分量矩陣中，同時根據圖像的JPEG壓縮比的不同計算各個圖像塊的水印調節因子。實驗證明該算法在抗擊JPEG壓縮、中值濾波、加噪等均具有很好的魯棒性，嵌入后的圖像的PSNR達到38，具有良好的視覺掩蔽性
標簽： 數字水印算法
上傳時間： 2013-10-09
上傳用戶：ca05991270
針對紅外圖像邊緣模糊，對比度低的問題，文中研究了改進的中值濾波和改進的Sobel邊緣檢測對紅外圖像進行處理。在對處理后圖像的特征進行分析的基礎上，研究了改進的Laplace金字塔分解的圖像融合算法，并基于CUDA并行處理技術，在可編程GPU上實現了紅外圖像快速增強的目的。該算法結合GPU的內存特點，應用紋理映射、多點訪問、并行觸發技術，優化數據的存儲結構，提高數據處理速度，適用于對紅外圖像增強的實時性要求較高的領域。實驗結果表明，該算法有較好的并行特性，能充分利用CUDA的并行計算能力，提高了紅外圖像增強的實時性，處理分辨率為3 096×3 096的紅外圖像時加速比達32.189。
上傳時間： 2014-01-03
上傳用戶：mh_zhaohy
總體平均經驗模式分解（EEMD）方法是一種先進的時頻分析方法，非常適合于對非平穩故障微弱信號的分析處理。文中介紹了EEMD方法的原理與算法實現步驟，重點分析了EEMD方法避免模式混淆的機理。利用EEMD方法對齒輪箱振動信號進行分析，成功提取了小齒輪磨損故障特征，驗證了EEMD方法在故障微弱信號特征提取的有效性。
上傳時間： 2014-11-30
上傳用戶：wbwyl
為了提高語音信號的識別率，提出了一種改進的LPCC參數提取方法。該方法先對語音信號進行預加重、分幀加窗處理，然后進行小波分解，在此基礎上提取LPCC參數，從而構成新向量作為每幀信號的特征參數。最后采用高斯混合模型（GMM）進行說話人語音識別，實驗表明新特征參數取得了較好的識別率。
上傳時間： 2013-10-10
上傳用戶：asdgfsdfht
討論了PCB自動設計中版面圖形數據組織和障礙數的建立。介紹了PCB自動設計中分解算法、圖形相交算法機器在圖形數據處理中的應用
上傳時間： 2013-11-12
上傳用戶：MATAIYES
針對船舶電力系統脆性研究，從脆性致因的內部機制和外部機制入手，建立包含脆性環境和系統結構4 層分析模型。主要分析其下層模型結構，將脆性環境通過脆性事件分解為若干基本脆性根源，用德菲爾法-最大熵原理建立以脆性根源為基礎的脆性風險模型，分析預測船舶電力系統的脆性過程。最后以某一個船舶電力系統為例，對在隨機的某一年的脆性過程進行了分析，找到船舶電力系統崩潰的主脆性根源，與實際情況進行比較，說明了該方法的可行性。結果說明對于有效的防止船舶電力系統的崩潰，分析其脆性風險，應對其主要的脆性根源進行相應的控制。
上傳時間： 2013-11-09
上傳用戶：ryb
線性卷積和線性相關的FFT算法：一 實驗目的 1：掌握FFT基2時間（或基2頻率）抽選法，理解其提高減少乘法運算次數提高運算速度的原理。 2：掌握FFT圓周卷積實現線性卷積的原理 二 實驗內容及要求 1.對N=2048或4096點的離散時間信號x(n)，試用Matlab語言編程分別以DFT和FFT計算N個頻率樣值X(k), 比較兩者所用時間的大小。 2.對N/2點長的x(n)和N/2點長的h(n)，試用Matlab語言編程實現以圓周卷積代替線性卷積，并比較圓周卷積法和直接計算線性卷積兩者的運算速度。 三預做實驗 1.FFT與DFT計算時間的比較 （1）FFT提高運算速度的原理 （2）實驗數據與結論 2.圓周卷積代替線性卷積的有效性實驗 （1）圓周卷積代替線性卷積的原理 （2）實驗數據和結論 FFT提高運算速度的原理 FFT算法將長序列的DFT分解為短序列的DFT。N點的DFT先分解為2個N/2點的DFT，每個N/2點的DFT又分解為N/4點的DFT，等等。最小變換的點數即所謂的“基數”。因此，基數為2的FFT算法的最小變換（或稱蝶型）是2點的DFT。一般地，對N點FFT，對應于N個輸入樣值，有N個頻域樣值與之對應。
上傳時間： 2013-10-26
上傳用戶：erkuizhang
<pre id="wguca"></pre>