<input id="yqema"></input>
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
·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
介紹了基于數字圖像處理的QR碼識別算法。該方案綜合運用了圖像灰度化、濾波去噪、二值化、邊緣檢測、圖像旋轉等多種圖像處理方法對條碼圖像進行預處理。理論分析和實驗結果表明：該算法提高了識讀的靈活性和可靠性，為QR碼識別提供了一種新途徑。
上傳時間： 2013-11-13
上傳用戶：cccole0605
為去除腦電信號采集過程中存在的噪聲信號，提出了基于小波閾值去噪的腦電信號去噪。以小波閾值降噪為基礎，首先利用db4小波對腦電信號進行5尺度分解，然后采用軟、硬閾值與小波重構的算法進行去噪。通過對MIT腦電數據庫中的腦電信號進行仿真，結果表明，采用軟閾值方法有效去除了噪聲，提高了腦電信號的信噪比。
上傳時間： 2014-12-23
上傳用戶：如果你也聽說
自適應信號處理的理論和技術已經成為人們常用濾波和去噪技術。文中講述了自適應濾波的原理以及LMS算法和RLS算法兩種基本自適應算法的原理及步驟。并用MATLAB分別對兩種算法進行了自適應濾波仿真和實現。
上傳時間： 2013-11-26
上傳用戶：1051290259
針對游客游跡跟蹤與追溯系統，本文深入分析了游客游跡不確定數據產生的原因，根據景區應用特點，提出了一種游客游跡RFID數據處理與清洗方法。在數據處理時，引入事件概念，設計出了游客游跡RFID事件處理機制；引入過濾器概念，給出了游客游跡數據的一種過濾模型，設計了游客游跡數據的去噪、平滑以及去冗余清洗算法。最后，通過模擬場景的實驗，對該算法的準確性和有效性進行了驗證。
上傳時間： 2014-12-28
上傳用戶：fengzimili
