基于脈搏波的血氧飽和度檢測(cè)算法的研究，包含血氧計(jì)算原理及濾波。
上傳時(shí)間： 2013-06-20
上傳用戶：asasasas
1、 利用FLEX10的片內(nèi)RAM資源，根據(jù)DDS原理，設(shè)計(jì)產(chǎn)生正弦信號(hào)的各功能模塊和頂層原理圖； 2、 利用實(shí)驗(yàn)板上的TLC7259轉(zhuǎn)換器，將1中得到的正弦信號(hào)，通過(guò)D/A轉(zhuǎn)換，通過(guò)ME5534濾波后在示波器上觀察； 3、 輸出波形要求： 在輸入時(shí)鐘頻率為16KHz時(shí)，輸出正弦波分辨率達(dá)到1Hz； 在輸入時(shí)鐘頻率為4MHz時(shí)，輸出正弦波分辨率達(dá)到256Hz； 4、 通過(guò)RS232C通信，實(shí)現(xiàn)FPGA和PC機(jī)之間串行通信，從而實(shí)現(xiàn)用PC機(jī)改變頻率控制字，實(shí)現(xiàn)對(duì)輸出正弦波頻率的控制。
標(biāo)簽： FPGA PC機(jī) 串行通信 輸出
上傳時(shí)間： 2013-09-06
上傳用戶：zhuimenghuadie
隨著遙感影像數(shù)據(jù)量不斷增長(zhǎng)，為了更加高效地組織與管理海量的遙感影像，研究并提出了改進(jìn)的基于小波分解的影像金字塔構(gòu)建方法。利用多分辨率分析和圖像的小波分解與重構(gòu)算法，參考影像金字塔構(gòu)建的一般方法，將圖像小波分解的不同級(jí)系數(shù)量化、編碼后，分別存儲(chǔ)于金字塔的不同層中。該構(gòu)建方法可以有效地降低金字塔各層之間的數(shù)據(jù)冗余，減少總數(shù)據(jù)量和瀏覽時(shí)的數(shù)據(jù)流量，并能更好地支持嵌入式碼流和漸進(jìn)式傳輸。
上傳時(shí)間： 2013-10-20
上傳用戶：1477849018@qq.com
對(duì)脈搏波信號(hào)進(jìn)行分析之前，對(duì)信號(hào)的去噪非常重要，本論文利用Mallat算法對(duì)脈搏波信號(hào)進(jìn)行多分辨分析和去噪，分別對(duì)閾值法、平移不變量法、模極大值法的降噪原理進(jìn)行分析，通過(guò)大量實(shí)驗(yàn)對(duì)比，比較了它們?cè)谔幚砻}搏波信號(hào)方面的優(yōu)缺點(diǎn)。通過(guò)對(duì)一段含噪脈搏波信號(hào)降噪，得到了滿意的去噪效果。
上傳時(shí)間： 2013-10-20
上傳用戶：lmq0059
文中討論了圖像的高斯加性噪聲模型和圖像的稀疏性表示，提出了利用映射函數(shù)來(lái)描述圖像的去噪過(guò)程，通過(guò)求解映射函數(shù)和利用映射函數(shù)對(duì)加噪圖像的小波變換子帶系數(shù)進(jìn)行變換，達(dá)到了降低圖像噪聲并使加噪圖像逼近原始圖像的目的。經(jīng)過(guò)實(shí)驗(yàn)比較，驗(yàn)證了本文算法的可行性和魯棒性。
上傳時(shí)間： 2013-10-21
上傳用戶：許小華
為去除腦電信號(hào)采集過(guò)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(guò)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。
上傳時(shí)間： 2014-12-23
上傳用戶：如果你也聽(tīng)說(shuō)
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(guò)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(guò)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。
上傳時(shí)間： 2013-11-01
上傳用戶：AISINI005
為了提高數(shù)字水印抗擊各種圖像攻擊的性能和保持圖像的穩(wěn)健性和不可見(jiàn)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(yīng)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(jīng)過(guò)SVD分解的S分量矩陣中，同時(shí)根據(jù)圖像的JPEG壓縮比的不同計(jì)算各個(gè)圖像塊的水印調(diào)節(jié)因子。實(shí)驗(yàn)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(dá)到38，具有良好的視覺(jué)掩蔽性
標(biāo)簽： 數(shù)字水印算法
上傳時(shí)間： 2013-10-09
上傳用戶：ca05991270
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(guò)利用這個(gè)算子，對(duì)利用小波變換來(lái)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
在任意波形發(fā)生器設(shè)計(jì)中，DDS技術(shù)具有成本低、功耗小、分辨率高和切換時(shí)間快等優(yōu)點(diǎn)，但波形形狀任意可編輯性較差；軟件無(wú)線電技術(shù)可產(chǎn)生任意復(fù)雜波形，但切換時(shí)間慢。采用DDS和軟件無(wú)線電相結(jié)合的技術(shù)，正弦波、三角波、方波等普通信號(hào)的產(chǎn)生用DDS實(shí)現(xiàn)；復(fù)雜無(wú)規(guī)則波形信號(hào)的產(chǎn)生用軟件無(wú)線電實(shí)現(xiàn)；最后任意波形發(fā)生器通過(guò)波形存儲(chǔ)器、相位累加器、取樣時(shí)鐘發(fā)生器、地址發(fā)生器等硬件平臺(tái)設(shè)計(jì)和軟件波形算法設(shè)計(jì)來(lái)共同完成。
標(biāo)簽： 任意波發(fā)生器
上傳時(shí)間： 2013-11-12
上傳用戶：xinshou123456
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
