午夜老司机精品,九色porny丨首页入口在线,久久91导航

提升小波

基于仿生小波變換和模糊推理的語音降噪算法研究

提出了一種基于仿生小波變換和模糊推理的變步長(zhǎng)自適應(yīng)濾波語音降噪算法。該算法首先用仿生小波變換法對(duì)包含噪聲的語音信號(hào)進(jìn)行小波分解，以分離出來的噪聲信號(hào)作為自適應(yīng)濾波器的輸入，選擇基于模糊推理變步長(zhǎng)自適應(yīng)算法對(duì)帶噪聲語音信號(hào)進(jìn)行降噪處理，最終實(shí)現(xiàn)語音信號(hào)的信噪分離，去除語音信號(hào)中的噪聲。仿真結(jié)果表明，該方法對(duì)語音信號(hào)有較為明顯的降噪效果。

標(biāo)簽： 仿生小波變換模糊推理語音降噪

上傳時(shí)間： 2013-10-14

上傳用戶：戀天使569
基于小波分析的腦電信號(hào)處理

為去除腦電信號(hào)采集過程中存在的噪聲信號(hào)，提出了基于小波閾值去噪的腦電信號(hào)去噪。以小波閾值降噪為基礎(chǔ)，首先利用db4小波對(duì)腦電信號(hào)進(jìn)行5尺度分解，然后采用軟、硬閾值與小波重構(gòu)的算法進(jìn)行去噪。通過對(duì)MIT腦電數(shù)據(jù)庫(kù)中的腦電信號(hào)進(jìn)行仿真，結(jié)果表明，采用軟閾值方法有效去除了噪聲，提高了腦電信號(hào)的信噪比。

標(biāo)簽： 小波分析腦電信號(hào)

上傳時(shí)間： 2014-12-23

上傳用戶：如果你也聽說
形態(tài)梯度小波降噪與S變換的齒輪故障特征抽取算法

針對(duì)齒輪故障特征信號(hào)具有強(qiáng)噪聲背景、非線性、非平穩(wěn)性特點(diǎn)，提出采用形態(tài)梯度小波對(duì)齒輪振動(dòng)信號(hào)進(jìn)行降噪。首先使用形態(tài)梯度小波把齒輪振動(dòng)信號(hào)分解到多個(gè)尺度上，然后對(duì)各層的細(xì)節(jié)系數(shù)進(jìn)行軟閾值方法降噪處理，對(duì)經(jīng)過處理后的小波系數(shù)進(jìn)行重構(gòu)。對(duì)降噪后的齒輪振動(dòng)信號(hào)采用S變換多分辨率時(shí)頻分析，能夠從具有良好的時(shí)頻分辨率的S變換譜圖提取齒輪故障特征。通過仿真試驗(yàn)和故障軸承的信號(hào)分析證明，該方法具有短時(shí)傅里葉變換和小波變換的優(yōu)點(diǎn)，不存在Wigner-Ville分布的交叉干擾和負(fù)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(jiān)測(cè)和診斷。

標(biāo)簽： 梯度小波降噪 S變換齒輪故障

上傳時(shí)間： 2013-11-01

上傳用戶：AISINI005
小波變換在圖像邊緣檢測(cè)中的應(yīng)用

目前，被廣泛使用的經(jīng)典邊緣檢測(cè)算子有Sobel算子，Prewitt算子，Roberts算子，Log算子，Canny算子等等。這些算子的核心思想是圖像的邊緣點(diǎn)是相對(duì)應(yīng)于圖像灰度值梯度的局部極大值點(diǎn)。然而，當(dāng)圖像中含有噪聲時(shí)這些算子對(duì)噪聲都比較敏感，使得將噪聲作為邊緣點(diǎn)。由于噪聲的干擾，不能檢測(cè)出真正的邊緣。一個(gè)擁有良好屬性的的邊緣檢測(cè)算法是每個(gè)研究者的追求。利用小波交換的特點(diǎn)，設(shè)計(jì)了三次B樣條平滑濾波算子。通過利用這個(gè)算子，對(duì)利用小波變換來檢測(cè)圖像的邊緣進(jìn)行了一定的研究和理解。

標(biāo)簽： 小波變換圖像邊緣檢測(cè) 中的應(yīng)用

上傳時(shí)間： 2013-10-13

上傳用戶：kqc13037348641
基于Gabor小波的人臉表情特征提取研究

為了使計(jì)算機(jī)能更好的識(shí)別人臉表情，對(duì)基于Gabor小波變換的人臉表情識(shí)別方法進(jìn)行了研究。首先對(duì)包含表情區(qū)域的靜態(tài)灰度圖像進(jìn)行預(yù)處理，包括對(duì)確定的人臉表情區(qū)域進(jìn)行尺寸和灰度歸一化，然后利用二維Gabor小波變換提取臉部表情特征，使用快速PCA方法對(duì)提取的Gabor小波特征初步降維。再在低維的空間中，利用Fisher準(zhǔn)則提取那些有利于分類的特征，最后用SVM分類器進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明，上述提出的方法比傳統(tǒng)的方法識(shí)別速度更快，能達(dá)到實(shí)時(shí)性的要求，并且具有很好的魯棒性，識(shí)別率高。

標(biāo)簽： Gabor 人臉特征提取

上傳時(shí)間： 2013-11-08

上傳用戶：小眼睛LSL
多級(jí)小波逆變換實(shí)時(shí)系統(tǒng)方案

提出了一種基于FPGA的多級(jí)小波逆變換的高速、實(shí)時(shí)的硬件解決方案。仿真驗(yàn)證表明本方案能夠滿足連續(xù)輸入的數(shù)據(jù)進(jìn)行實(shí)時(shí)處理的要求,并且所設(shè)計(jì)的系統(tǒng)具有功耗低、成本低等優(yōu)點(diǎn)。

標(biāo)簽： 多級(jí) 小波逆變換實(shí)時(shí)系統(tǒng) 方案

上傳時(shí)間： 2014-12-28

上傳用戶：Zero_Zero
基于小波包分析和Elman神經(jīng)網(wǎng)的故障診斷方法

由非線性電力電子裝置組成的電路發(fā)生故障時(shí)，故障特征信息不易提取和識(shí)別。對(duì)此提出一種基于小波包分析和Elman神經(jīng)網(wǎng)的電力電子裝置故障診斷的方法，先運(yùn)用小波包分析法提取電路在不同故障狀態(tài)下電壓及電流信號(hào)的特征信息，然后對(duì)數(shù)據(jù)進(jìn)行歸一化處理并作為Elman神經(jīng)網(wǎng)的輸入，由具有智能學(xué)習(xí)功能的神經(jīng)元故障分類器完成故障識(shí)別和定位。以12脈沖整流電路為例，在Matlab軟件下建立電路模型進(jìn)行仿真實(shí)驗(yàn)，結(jié)果表明該方法能快速、準(zhǔn)確的完成故障診斷。

標(biāo)簽： Elman 分故障診斷

上傳時(shí)間： 2013-11-11

上傳用戶：zjf3110
多級(jí)小波逆變換實(shí)時(shí)系統(tǒng)方案

提出了一種基于FPGA的多級(jí)小波逆變換的高速、實(shí)時(shí)的硬件解決方案。仿真驗(yàn)證表明本方案能夠滿足連續(xù)輸入的數(shù)據(jù)進(jìn)行實(shí)時(shí)處理的要求,并且所設(shè)計(jì)的系統(tǒng)具有功耗低、成本低等優(yōu)點(diǎn)。

標(biāo)簽： 多級(jí) 小波逆變換實(shí)時(shí)系統(tǒng) 方案

上傳時(shí)間： 2013-12-20

上傳用戶：JasonC
新型小波包頻帶能量法在電機(jī)斷條故障診斷中的研究

討論了交-交變頻調(diào)速系統(tǒng)故障診斷的重要性，針對(duì)目前變頻系統(tǒng)輸出電流諧波比較大，用常規(guī)方法不易判斷的問題，提出了用新型小波包頻帶能量法提取電機(jī)斷條故障信號(hào)的特征量，并運(yùn)用該算法對(duì)變頻調(diào)速系統(tǒng)電機(jī)斷條時(shí)和正常時(shí)輸出電流波形特征量進(jìn)行分析。仿真結(jié)果表明，新型小波包頻帶能量特征法與常規(guī)診斷方法相比，具有準(zhǔn)確度高、診斷速度快等優(yōu)點(diǎn)。

標(biāo)簽： 頻帶能量電機(jī)斷條故障診斷

上傳時(shí)間： 2015-01-02

上傳用戶：hgmmyl
基于小波變換的電力系統(tǒng)諧波檢測(cè)的研究

小波變換在電力系統(tǒng)諧波中的應(yīng)用，與諧波本身的特性是直接相關(guān)的，要得到實(shí)時(shí)性和精確性都較高的檢測(cè)效果就需要對(duì)電力系統(tǒng)的諧波特點(diǎn)，小波在這方面的應(yīng)用原理有深刻的理解。文中對(duì)此在作了深入分析的基礎(chǔ)上，還重點(diǎn)研究了采用小波變換研究諧波檢測(cè)的主要因素，用仿真驗(yàn)證其影響效果。最后針對(duì)目前的研究成果論述小波在諧波檢測(cè)應(yīng)用中的發(fā)展，為小波變換在分析有效、精確、可靠的電力諧波檢測(cè)方法提供研究思路。

標(biāo)簽： 小波變換電力系統(tǒng) 諧波檢測(cè)

上傳時(shí)間： 2013-11-21

上傳用戶：yuanxiaoqiang