一些AR模型的初級(jí)材料，希望對(duì)初學(xué)者有用
上傳時(shí)間： 2013-12-15
上傳用戶(hù)：xlcky
基于累計(jì)量的奇異值－總體最小二乘法求AR參數(shù) 用奇異值－總體最小二乘法求AR參數(shù) 一般最小二乘法求AR參數(shù) 根據(jù)AR參數(shù)和自相關(guān)函數(shù)以及AR階數(shù)用Cadzow譜估計(jì)子求出頻譜密度
標(biāo)簽： Cadzow 參數(shù) 最小二乘法 計(jì)量
上傳時(shí)間： 2013-12-20
上傳用戶(hù)：jeffery
AR模型定階，用AIC準(zhǔn)則對(duì)AR模型進(jìn)行階數(shù)的確定
標(biāo)簽： AR模型
上傳時(shí)間： 2017-09-10
上傳用戶(hù)：gyq
AR雙譜估計(jì)的Matlab實(shí)現(xiàn)AR雙譜估計(jì)的Matlab實(shí)現(xiàn)AR雙譜估計(jì)的Matlab實(shí)現(xiàn)AR雙譜估計(jì)的Matlab實(shí)現(xiàn)
標(biāo)簽： AR雙譜估計(jì)的Matlab實(shí)現(xiàn)
上傳時(shí)間： 2015-11-10
上傳用戶(hù)：hanm0826
ar.c c .compiler.v6.2 破解文件
標(biāo)簽： IAR FOR AVR
上傳時(shí)間： 2015-12-29
上傳用戶(hù)：sun123456
AR風(fēng)速預(yù)測(cè)模型，內(nèi)有數(shù)據(jù)，已完成運(yùn)行調(diào)試，希望有所幫助
標(biāo)簽： AR預(yù)測(cè)模型
上傳時(shí)間： 2016-03-11
上傳用戶(hù)：ccnt
對(duì)數(shù)據(jù)進(jìn)行分析處理，確定時(shí)間序列模型，最終得到AR（1）模型，再利用卡爾曼濾波對(duì)數(shù)據(jù)進(jìn)性濾波處理
上傳時(shí)間： 2017-05-06
上傳用戶(hù)：李兆桐114
心音信號(hào)是人體最重要的生理信號(hào)之一，包含心臟各個(gè)部分如心房、心室、大血管、心血管及各個(gè)瓣膜功能狀態(tài)的大量生理病理信息。心音信號(hào)分析與識(shí)別是了解心臟和血管狀態(tài)的一種不可缺少的手段。本文針對(duì)目前該研究領(lǐng)域中存在的分析方法問(wèn)題和分類(lèi)識(shí)別技術(shù)難點(diǎn)展開(kāi)了深入的研究，內(nèi)容涉及心音構(gòu)成的分析、心音信號(hào)特征向量的提取、正常心音信號(hào)（NM）和房顫（AF）、主動(dòng)脈回流（AR）、主動(dòng)脈狹窄（AS）、二尖瓣回流（MR）4種心臟雜音信號(hào)的分類(lèi)識(shí)別。本文的工作內(nèi)容包括以下5個(gè)方面： a）心音信號(hào)采集與預(yù)處理。本文采用自行研制的帶有錄音機(jī)功能的聽(tīng)診器實(shí)現(xiàn)對(duì)心音信號(hào)的采集。通過(guò)對(duì)心音信號(hào)噪聲分析，選用小波降噪作為心音信號(hào)的濾波方法。根據(jù)實(shí)驗(yàn)分析，選擇Donoho閾值函數(shù)結(jié)合多級(jí)閾值的方法作為心音信號(hào)預(yù)處理方案。 b）心音信號(hào)時(shí)頻分析方法。文中采用5種時(shí)頻分析方法分別對(duì)心音信號(hào)進(jìn)行了時(shí)頻譜特性分析，結(jié)果表明：不同的時(shí)頻分析方法與待分析心音信號(hào)的特性有密切關(guān)系，即需要在小的交叉項(xiàng)干擾與高的時(shí)頻分辨率之間作綜合的考慮。鑒于此，本文提出了一種自適應(yīng)錐形核時(shí)頻（ATF）分析方法，通過(guò)實(shí)驗(yàn)驗(yàn)證該分布能較好地反映心音信號(hào)的時(shí)頻結(jié)構(gòu)，其性能優(yōu)于一般錐形核分布（CKD）以及Choi-Williams分布（CWD）、譜圖（SPEC）等固定核時(shí)頻分析方法，從而選擇自應(yīng)錐形核時(shí)頻分析方法進(jìn)行心音信號(hào)分析。 c）心音信號(hào)特征向量提取。根據(jù)對(duì)3M Littmann（） Stethoscopes[31]數(shù)據(jù)庫(kù)中標(biāo)準(zhǔn)心音信號(hào)的時(shí)頻分析結(jié)果，提取8組特征數(shù)據(jù)，通過(guò)Fihser降維處理方法提取出了實(shí)現(xiàn)分類(lèi)可視化，且最易于分類(lèi)的心音信號(hào)的2維特征向量，作為心音信號(hào)分類(lèi)的特征向量。 d）心音信號(hào)分類(lèi)方法。根據(jù)心音信號(hào)特征向量組成的散點(diǎn)圖，研究了支持向量機(jī)核函數(shù)、多分類(lèi)支持向量機(jī)的選取方法，同時(shí)，基于分類(lèi)的目的 性和可信性，本文提出以分類(lèi)精度最大為判斷準(zhǔn)則的核函數(shù)參數(shù)與松弛變量的優(yōu)化方法，建立了心音信號(hào)分類(lèi)的支持向量機(jī)模型，選取標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)中NM、AF、AR、AS、MR每類(lèi)心音信號(hào)的80組2維特征向量中每類(lèi)60組數(shù)據(jù)作為支持向量機(jī)的學(xué)習(xí)樣本，對(duì)余下的每類(lèi)20組數(shù)據(jù)進(jìn)行測(cè)試，得到每類(lèi)的分類(lèi)精度（Ar）均為100％，同時(shí)對(duì)臨床上采集的與上述4種同類(lèi)心臟雜音信號(hào)和正常心音信號(hào)中每類(lèi)24個(gè)心動(dòng)周期進(jìn)行分類(lèi)實(shí)測(cè)，分類(lèi)精度分別為：NM、AF、MR的分類(lèi)精度均為100％，而AR、AS均為95．83％，驗(yàn)證了該方法的分類(lèi)有效性。 e）心音信號(hào)分析與識(shí)別的軟件系統(tǒng)。本文以MATLAB語(yǔ)言的可視化功能實(shí)現(xiàn)了心音信號(hào)分析與識(shí)別的軟件運(yùn)行平臺(tái)構(gòu)建，可完成對(duì)心音信號(hào)的讀取、預(yù)處理，繪制時(shí)-頻、能量特性的三維圖及兩維等高線圖；同時(shí)，利用MATLAB與EXCEL的動(dòng)態(tài)鏈接，實(shí)現(xiàn)對(duì)心音信號(hào)分析數(shù)據(jù)的存儲(chǔ)以及統(tǒng)計(jì)功能；最后，通過(guò)對(duì)心音信號(hào)2維特征向量的分析，實(shí)現(xiàn)心音信號(hào)的自動(dòng)識(shí)別功能。 本文的研究特色主要體現(xiàn)在心音信號(hào)特征向量提取的方法以及多分類(lèi)支持向量機(jī)模型的建立兩方面。 綜上所述，本文從理論與實(shí)踐兩方面對(duì)心音信號(hào)進(jìn)行了深入的研究，主要是采用自適應(yīng)錐形核時(shí)頻分析方法提取心音信號(hào)特征向量，根據(jù)心音信號(hào)特征向量組成的散點(diǎn)圖，建立心音信號(hào)分類(lèi)的支持向量機(jī)模型，并對(duì)正常心音信號(hào)和4種心臟雜音信號(hào)進(jìn)行了分類(lèi)研究，取得了較為滿意的分類(lèi)結(jié)果，但由于用于分類(lèi)的心臟雜音信號(hào)種類(lèi)及數(shù)據(jù)量尚不足，因此，今后的工作重點(diǎn)是采集更多種類(lèi)的心臟雜音信號(hào)，進(jìn)一步提高心音信號(hào)分類(lèi)精度，使本文研究成果能最終應(yīng)用于臨床心臟量化聽(tīng)診。 關(guān)鍵詞：心音信號(hào)，小波降噪，非平穩(wěn)信號(hào)，心臟雜音，信號(hào)處理，時(shí)頻分析，自適應(yīng)，支持向量機(jī)
上傳時(shí)間： 2013-04-24
上傳用戶(hù)：weixiao99
建立在數(shù)據(jù)率轉(zhuǎn)換技術(shù)之上的寬帶數(shù)字偵察接收機(jī)要求能夠?qū)崿F(xiàn)高截獲概率、高靈敏度、近乎實(shí)時(shí)的信號(hào)處理能力。雙信號(hào)數(shù)據(jù)率轉(zhuǎn)換技術(shù)是寬帶數(shù)字偵察接收機(jī)關(guān)鍵技術(shù)之一，是解決寬帶數(shù)字接收機(jī)中前端高速ADC采樣的高速數(shù)據(jù)流與后端DSP處理速度之間瓶頸問(wèn)題的可行方案。測(cè)頻技術(shù)以及帶通濾波，即寬帶數(shù)字下變頻技術(shù)，是實(shí)現(xiàn)數(shù)據(jù)率轉(zhuǎn)換系統(tǒng)的關(guān)鍵技術(shù)。本文首先介紹了寬帶數(shù)字偵察接收關(guān)鍵技術(shù)之一的數(shù)據(jù)率轉(zhuǎn)換技術(shù)，著重研究了快速、高精度雙信號(hào)測(cè)頻算法以及實(shí)驗(yàn)系統(tǒng)硬件實(shí)現(xiàn)。論文主要工作如下： (1)分析了現(xiàn)代電子偵察環(huán)境下的信號(hào)特征，指出寬帶數(shù)字接收機(jī)必須滿足寬監(jiān)視帶寬、流水作業(yè)以及近實(shí)時(shí)的響應(yīng)時(shí)間。給出了一種頻率引導(dǎo)式的數(shù)字接收機(jī)方案，簡(jiǎn)要介紹這種接收機(jī)的關(guān)鍵技術(shù)——快速、高精度頻率估計(jì)以及高效的數(shù)據(jù)率轉(zhuǎn)換。 (2)介紹了FFT技術(shù)在測(cè)頻算法中的應(yīng)用，比較了FFT專(zhuān)用芯片及其優(yōu)點(diǎn)和缺點(diǎn)，指出為了滿足實(shí)時(shí)處理要求，必須選用FPGA設(shè)計(jì)FFT模塊。 (3)在分析常規(guī)的插值算法基礎(chǔ)上，提出了一種單信號(hào)的快速插值頻率估計(jì)方法，只需三個(gè)FFT變換系數(shù)的實(shí)部構(gòu)造頻率修正項(xiàng)，計(jì)算量低。該方法具有精度高、測(cè)頻速率快的特點(diǎn)。 (4)基于DFT理論和自相關(guān)理論，提出了結(jié)合FFT和自相關(guān)的雙信號(hào)頻率估計(jì)算法。該方法先用DFT估計(jì)其中一個(gè)信號(hào)的頻率和幅度，以此頻率對(duì)信號(hào)解調(diào)并對(duì)消該頻率成分，最后利用自相關(guān)理論估計(jì)出另一個(gè)信號(hào)的頻率。 (5)基于DFT理論和FFT技術(shù)，研究了信號(hào)平方與FFT結(jié)合的雙信號(hào)頻率估計(jì)算法。根據(jù)信號(hào)中兩頻率分量的幅度比，只需一次一維平方信號(hào)譜峰搜索，就可以得到雙信號(hào)的和頻與差頻分量的估計(jì)值，并利用插值技術(shù)提高測(cè)頻精度。該算法能夠精確地估計(jì)頻率間隔小的雙信號(hào)頻率，且容易地?cái)U(kuò)展到復(fù)信號(hào)，F(xiàn)PGA硬件實(shí)現(xiàn)容易。 (6)基于現(xiàn)代譜分析理論，研究了基于AR(2)模型的雙信號(hào)頻率估計(jì)算法。方法在利用AR(2)模型系數(shù)估計(jì)雙正弦信號(hào)頻率之和的同時(shí)，利用FFT快速測(cè)頻算法估計(jì)其中強(qiáng)信號(hào)分量的頻率值。算法仿真驗(yàn)證和性能分析表明了提出的算法能快速高精度地估計(jì)雙信號(hào)頻率。 (7)給出了基于頻譜重心算法的雷達(dá)雙信號(hào)頻率估計(jì)的FPGA硬件實(shí)現(xiàn)架構(gòu)，并進(jìn)行了時(shí)序仿真。 (8)討論了雙信號(hào)帶寬匹配接收系統(tǒng)的硬件設(shè)計(jì)方案，給出了快速測(cè)頻及帶寬估計(jì)模塊設(shè)計(jì)。
上傳時(shí)間： 2013-06-02
上傳用戶(hù)：youke111
《程序員面試攻略》程序員面試的經(jīng)典書(shū)籍，非常的清晰，內(nèi)容最完整。-: A classic book to read for people who ar
標(biāo)簽： 程序員面試
上傳時(shí)間： 2013-07-03
上傳用戶(hù)：kbnswdifs
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
