基于小波和全變分兩種不同模型進行圖像去模糊和去噪試驗。使用快速有效的FISTA算法。
標簽： 圖像恢復 圖像去噪 小波 全變分
上傳時間： 2015-03-11
上傳用戶：CCXZCCXZCCXZ
MATLAB去噪聲代碼簡單MATLAB去噪聲代碼簡單MATLAB去噪聲代碼簡單MATLAB去噪聲代碼簡單
上傳時間： 2021-09-14
上傳用戶：3177
自適應濾波器的硬件實現一直是自適應信號處理領域研究的熱點。隨著電子技術的發展，數字系統功能越來越強大，對器件的響應速度也提出更高的要求。 本文針對用通用DSP 芯片實現的自適應濾波器處理速度低和用HDL語言編寫底層代碼用FPGA實現的自適應濾波器開發效率低的缺點，提出了一種基于DSP Builder系統建模的設計方法。以隨機2FSK信號作為研究對象，首先在matlab上編寫了LMS去噪自適應濾波器的點M文件，改變自適應參數，進行了一系列的仿真，對算法迭代步長、濾波器的階數與收斂速度和濾波精度進行了研究，得出了最佳自適應參數，即迭代步長μ=0.0057，濾波器階數m=8，為硬件實現提供了參考。 然后，利用最新DSP Builder工具建立了基于LMS算法的8階2FSK信號去噪自適應濾波器的模型，結合多種EDA工具，在EPFlOKl00EQC208-1器件上設計出了最高數據處理速度為36.63MHz的8階LMS自適應濾波器，其速度是文獻[3]通過編寫底層VHDL代碼設計的8階自適應濾波器數據處理速度7倍多，是文獻[50]采用DSP通用處理器TMS320C54X設計的8階自適應濾波器處理速度25倍多，開發效率和器件性能都得到了大大地提高，這種全新的設計理念與設計方法是EDA技術的前沿與發展方向。 最后，采用異步FIFO技術，設計了高速采樣自適應濾波系統，完成了對雙通道AD器件AD9238與自適應濾波器的高速匹配控制，在QuartusⅡ上進行了仿真，給出了系統硬件實現的原理框圖，并將采樣濾波控制器與異步FIF0集成到同一芯片上，既能有效降低高頻可能引起的干擾又降低了系統的成本。
上傳時間： 2013-06-01
上傳用戶：ynwbosss
數字識別系統源代碼 使用說明 第一步：訓練網絡。使用訓練樣本進行訓練。（此程序中也可以不訓練，因為筆者已經將訓練好的網絡參數保存起來了，讀者使用時可以直接識別） 第二步：識別。首先，打開圖像（256色）；再次，進行歸一化處理，點擊“一次性處理”；最后，點擊“R”或者使用菜單找到相應項來進行識別。識別的結果顯示在屏幕上，同時也輸出到文件result.txt中。 該系統的識別率一般情況下為90%。 此外，也可以單獨對打開的圖片一步一步進行圖像預處理工作，但要注意，每一步工作只能執行一遍，而且要按順序執行。 具體步驟為：“256色位圖轉為灰度圖”－“灰度圖二值化”－“去噪”－“傾斜校正”－“分割”－“標準化尺寸”－“緊縮重排”。 注意，待識別的圖片要與win.dat和whi.dat位于同一目錄，這兩文件保存訓練后網絡的權值參數。
上傳時間： 2013-06-25
上傳用戶：wzr0701
心血管系統疾病是現今世界上發病率和死亡率最高的疾病之一。T波交替(T-wavealtemans,TWA)作為一種非穩態的心電變異性現象，是指心電T波段振幅、形態甚至極性逐拍交替變化。大量研究表明，TWA與室性心律失常、心臟性猝死等有直接密切的關系，已成為一種無創獨立性預測指標。隨著數字信號處理技術和計算機技術的迅速發展，微伏級的TWA已經可以被檢出，并且精度越來越高。本文以T波交替檢測為中心，基于ARM給出了T波交替檢測技術原理性樣機的硬件及軟件，實現實時監護的目的。 在TWA檢測研究中，需要對心電信號進行預處理，即信號去噪和特征點檢測。小波分析以其多分辨率的特性和表征時頻兩域信號局部特征的能力成為我們選取的心電信號自動分析手段。文中采用小波變換將原始心電信號分解為不同頻段的細節信號，根據三種主要噪聲的不同能量分布，采用自適應閾值和軟硬閾值折衷處理策略用閾值濾波方法對原始信號進行去噪處理：同時基于心電信號的特征點R峰對應于Mexican-hat小波變換的極值點，因此我們使用Mexican-hat小波檢測R峰，通過附加檢測方案確保了位置的準確性，并根據需要提出了T波矩陣提取方法。 隨后文章介紹了T波交替的產生機理及研究進展，分別從臨床應用和檢測方法上展現了目前TWA的發展進程，并利用了譜分析法、相關分析法和移動平均修正算法分別從時域和頻域對一些樣本數據進行T波交替檢測。在檢測中譜分析法抗噪能力較強，但作為一種頻域檢測方法，無法檢測非穩態TWA信號，而相關分析法受呼吸、噪聲影響較大，數據要求較高，因此可以在譜分析檢測為陽性TWA基礎上，再對信號進行相關分析，從而克服自身算法缺陷，確定交替幅度和時間段。最后對影響檢測結果的因素進行討論研究，從而降低檢測誤差。 文章還設計了T波交替檢測技術原理性樣機的關鍵部分電路和軟件框架。硬件部分圍繞ARM核的Samsung S3C44BOX為核心，設計了該樣機的關鍵電路，包括采集模塊、數據處理模塊(外部存儲電路、通信接口電路等)。其中在采集模塊中針對心電信號是微弱信號并且干擾大的特點，采用了具有高共模抑制比和高輸入阻抗的分級放大電路，有效的提取了信號分量：A/D轉換電路保證了信號量化的高精度。利用USB接口芯片和刪內部異步串行通訊實現系統與外界聯系。系統軟件中首先介紹了系統的軟件開發環境，然后給出了心電信號分析及處理程序設計流程圖及實現，使它們共同完成系統的軟件監護功能。
上傳時間： 2013-07-27
上傳用戶：familiarsmile
主版上有很多PCI的介面可以利用，他的LAYOUT有一些注意事項及必須處理走線的特性阻抗才可以讓系統穩定。
上傳時間： 2013-06-14
上傳用戶：夢雨軒膂
·詳細說明：sphinxbase是卡內基梅隆大學著名的sphinx語音識別工程的公用庫，里面實現了語音的AD處理，端點檢測，去噪等功能.文件列表: 67506257sphinxbase-0.1.tar
標簽： Sphinxbase sphinx 大學 語音識別
上傳時間： 2013-05-26
上傳用戶：boyaboy
·詳細說明：用OpenCV實現的圖像小波變換及反變換代碼，可用于圖像去噪、多分辨率分析等方面。
上傳時間： 2013-06-24
上傳用戶：a296386173
對脈搏波信號進行分析之前，對信號的去噪非常重要，本論文利用Mallat算法對脈搏波信號進行多分辨分析和去噪，分別對閾值法、平移不變量法、模極大值法的降噪原理進行分析，通過大量實驗對比，比較了它們在處理脈搏波信號方面的優缺點。通過對一段含噪脈搏波信號降噪，得到了滿意的去噪效果。
上傳時間： 2013-10-20
上傳用戶：lmq0059
無線隨鉆測量系統中的泥漿脈沖信號受到各種噪聲的干擾，需要對采集到的信號進行處理還原，以實時監測井底狀況。研究了泥漿脈沖信號特征，設計了對其基于最大似然估計閾值去噪、平滑及去除基線漂移的信號處理方法。利用該方法進行信號處理，能較好的恢復信號的特征。
上傳時間： 2013-11-08
上傳用戶：13160677563
