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
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
提出了一種用各向異性雙變量拉普拉斯函數模型去模擬NSCT域的系數的圖像去噪算法，這種各向異性雙邊拉普拉斯模型不僅考慮了NSCT系數相鄰尺度間的父子關系，同時滿足自然圖像不同尺度間NSCT系數方差具有各向異性的特征，基于這種統計模型，文中先推導出了一種各向異性雙變量收縮函數的近似形式，然后基于貝葉斯去噪法和局部方差估計將這種新的閾值收縮函數應用于NSCT域，實驗結果表明文中提出的方法同小波域 BiShrink算法、小波域ProbShrink算法、小波域NeighShrink算法相比，能夠有效地去除圖像的高斯噪聲，提高了圖像的峰值信噪比；并較完整地保持了圖像的紋理和邊緣等細節信息，從而明顯改善了圖像的視覺效果。
上傳時間： 2013-10-23
上傳用戶：thuyenvinh
為了提高圖像去噪效果，提出了基于Contourlet域HMT模型的Cycle Spinning去噪方法。首先將待去噪圖像進行循環平移，使用Contourlet域HMT模型對平移后的圖像進行降噪處理，然后將降噪后的圖像進行循環反平移，最后將不同循環平移量下的降噪圖像進行平均處理，以減少去噪后圖像的失真。實驗結果表明，該方法不僅可以提高降噪后圖像峰值信噪比，而且可以提高降噪后圖像的視覺效果。
標簽： Contourlet Spinning Cycle HMT
上傳時間： 2014-12-23
上傳用戶：ddddddos
利用鎖相環(PLL)和YTO相結合,設計出一種頻率合成器。實現了3～7 GHz的頻率覆蓋和低于0.2 Hz的頻率分辨率。全頻段相噪均在-108 dBc/Hz@10 kHz以下,具有較高的實用價值。
上傳時間： 2013-10-31
上傳用戶：258彼岸
結合直接數字頻率合成（DDS）和鎖相環（PLL）技術完成了X波段低相噪本振跳頻源的設計。文章通過軟件仿真重點分析了本振跳頻源的低相噪設計方法，同時給出了主要的硬件選擇和詳細電路設計過程。最后對樣機的測試結果表明，本方案具有相位噪聲低、頻率控制靈活等優點，滿足了實際工程應用。
上傳時間： 2013-11-12
上傳用戶：jiwy
基于對信號的周期平穩統計量的分析，提出了一種高斯白噪聲信道下的盲信噪比估計方法。對信號的調制方式沒有要求，也不需要發送端發送己知數據。
上傳時間： 2013-11-07
上傳用戶：hakim
介紹一種簡便的方法, 只用軟件就可以將轉換器位數提高, 并且還能同時提高采樣系統的信噪比。通過實際驗證, 證明該方法是成功的。
上傳時間： 2013-11-11
上傳用戶：zhenyushaw
以雙音多頻信號為例，通過運用快速傅里葉變換和Hanning窗等數學方法，分析了信號頻率，電平和相位之間的關系，推導出了計算非整周期正弦波形信噪比的算法，解決了數字信號處理中非整周期正弦波形信噪比計算精度低下的問題。以C編程語言進行實驗，證明了算法的正確性和可重用性，并可極大的提高工作效率。
上傳時間： 2014-01-18
上傳用戶：laomv123
設計了一種由直接數字頻率合成(DDS)、倍頻鏈構成的三次變頻直接頻率合成方案，實現了低相噪捷變頻高分辨率毫米波雷達頻率合成器設計。利用直接頻率合成器的倍頻輸出取代傳統三次變頻毫米波頻率源的鎖相環(PLL),同時提供線性調頻(LFM)信號，優化DDS和變頻方案的頻率配置關系。利用FPGA電路進行高速控制，較好地解決了毫米波頻率合成器各技術指標之間的矛盾。實測結果表明，采用該方案的毫米波頻率合成器在本振跳頻帶寬為160 MHz時，線性調頻頻率分辨率可達0.931 Hz，最大頻率轉換時間小于2 ?滋s，最大雜散低于-60 dBc，相位噪聲優于-90 dBc/Hz。
上傳時間： 2014-01-06
上傳用戶：brain kung
