欧美aa视频,cao在线视频,日韩美女毛片

采集算法

本課題的研究目的是開發(fā)一個(gè)基于的語音壓縮系統(tǒng)。核心算法是一組織提出的建議共扼結(jié)構(gòu)代數(shù)碼本激勵(lì)線性預(yù)測(cè)編碼一技術(shù)

本課題的研究目的是開發(fā)一個(gè)基于的語音壓縮系統(tǒng)。核心算法是一組織提出的建議共扼結(jié)構(gòu)代數(shù)碼本激勵(lì)線性預(yù)測(cè)編碼一技術(shù)，而我的工作是開發(fā)語音采集系統(tǒng)，實(shí)現(xiàn)核心算法的預(yù)處理部分，核心硬件是基于公司高性能。

標(biāo)簽： 語音壓縮核心數(shù)碼

上傳時(shí)間： 2014-01-02

上傳用戶：大三三
慣性測(cè)量組件Mti進(jìn)行數(shù)據(jù)采集

慣性測(cè)量組件Mti進(jìn)行數(shù)據(jù)采集，利用陀螺和加速度計(jì)數(shù)據(jù)進(jìn)行捷聯(lián)姿態(tài)角解算，采用四元數(shù)更新算法，解算周期可調(diào)。

標(biāo)簽： Mti 慣性測(cè)量數(shù)據(jù)采集

上傳時(shí)間： 2016-08-27

上傳用戶：love1314
void InitGoertzel(void) 作用：初始化算法參數(shù) 用法：采用算法進(jìn)行檢測(cè)前執(zhí)行一次

void InitGoertzel(void) 作用：初始化算法參數(shù) 用法：采用算法進(jìn)行檢測(cè)前執(zhí)行一次，如果需要改變參數(shù)，調(diào)用SetParameter() float CGoertzel::GetMagnitude(unsigned char * sampleData, int length) //算法主接口作用：對(duì)采集下來的音頻數(shù)據(jù)用算法處理，返回一個(gè)結(jié)果參數(shù)：sampleData－音頻數(shù)據(jù)緩沖地址指針； length-緩沖區(qū)尺寸(音頻數(shù)據(jù)數(shù)量),字節(jié)數(shù)；返回值：返回算法結(jié)果。 void SetParameter(DWORD set_SampleRate, DWORD set_TargetFreq, DWORD set_BlockSize) 作用：設(shè)置算法參數(shù)；參數(shù)：set_SampleRate-音頻數(shù)據(jù)抽樣速率； set_TargetFreq-目標(biāo)信號(hào)頻率； set_BlockSize－算法數(shù)據(jù)塊尺寸(采樣點(diǎn))；用法：調(diào)用本函數(shù)后，需要調(diào)用一次InitGoertzel(void)才會(huì)生效

標(biāo)簽： void InitGoertzel 算法初始化

上傳時(shí)間： 2016-09-20

上傳用戶：sssl
筆跡點(diǎn)采集與存儲(chǔ)

筆跡點(diǎn)采集與存儲(chǔ)，以及繪出的Bezier算法在筆跡畫出中的應(yīng)用

標(biāo)簽： 采集存儲(chǔ)

上傳時(shí)間： 2014-11-18

上傳用戶：a6697238
16個(gè)節(jié)點(diǎn)采集信息

16個(gè)節(jié)點(diǎn)采集信息，計(jì)算位置，實(shí)現(xiàn)定位算法！

標(biāo)簽： 節(jié)點(diǎn) 采集

上傳時(shí)間： 2013-11-26

上傳用戶：SimonQQ
音頻數(shù)據(jù)采集

音頻數(shù)據(jù)采集，能顯示波形可采集傳感器等非音頻信號(hào)，能夠?qū)崟r(shí)顯示。至于其他功能如：回放，存儲(chǔ)，壓縮和相關(guān)處理的算法等功能

標(biāo)簽： 音頻數(shù)據(jù) 采集

上傳時(shí)間： 2014-01-21

上傳用戶：wmwai1314
為提高手背靜脈血管圖像識(shí)別的準(zhǔn)確性和改善圖像采集的靈活性

為提高手背靜脈血管圖像識(shí)別的準(zhǔn)確性和改善圖像采集的靈活性，提出了一種新的手背靜脈圖像識(shí)別算法。

標(biāo)簽： 高手靜脈圖像識(shí)別圖像采集

上傳時(shí)間： 2013-12-31

上傳用戶：xuanjie
labview平均算法

數(shù)據(jù)采集時(shí)實(shí)時(shí)平均算法，可實(shí)現(xiàn)數(shù)據(jù)平滑。

標(biāo)簽： 算法

上傳時(shí)間： 2016-02-22

上傳用戶：gfyo
水聲信號(hào)數(shù)據(jù)采集與處理的關(guān)鍵技術(shù)研究

本文以“某港口航道水深適時(shí)監(jiān)測(cè)技術(shù)研究”項(xiàng)目為背景,針對(duì)港口水深測(cè)量系統(tǒng)中發(fā)射的水聲信號(hào),采用基于GPS時(shí)間同步技術(shù)、以MCU+FPGA為核心控制單元的設(shè)計(jì)方案,設(shè)計(jì)了一套適用于工程實(shí)際的水聲信號(hào)數(shù)據(jù)采集與處理系統(tǒng)。該系統(tǒng)作為港口航道水深適時(shí)監(jiān)測(cè)技術(shù)的重要部分,具有極為重要的意義。水聲信號(hào)數(shù)據(jù)采集控制的核心是FPGA,時(shí)序電路的設(shè)計(jì)采用VHDL語言實(shí)現(xiàn)。主要任務(wù)是控制ADC與FIFO的工作時(shí)序相互配合,實(shí)現(xiàn)水聲信號(hào)的高速采集與存儲(chǔ)。該數(shù)據(jù)采集系統(tǒng)位于港口航道的一側(cè),水聲信號(hào)的發(fā)射端位于港口航道另一側(cè),在同步技術(shù)方面,系統(tǒng)使用GPS技術(shù)來實(shí)現(xiàn)。發(fā)射換能器和數(shù)據(jù)采集與處理系統(tǒng)的處理器同時(shí)讀取GPS的時(shí)間信息,到達(dá)預(yù)設(shè)時(shí)刻時(shí),水聲信號(hào)發(fā)射端和數(shù)據(jù)采集系統(tǒng)同時(shí)啟動(dòng),實(shí)現(xiàn)對(duì)水聲信號(hào)的異地同步采集。水聲信號(hào)數(shù)據(jù)的算法處理是由單片機(jī)實(shí)現(xiàn)的。數(shù)據(jù)采集完成之后,單片機(jī)讀取FIFO中的數(shù)據(jù),并對(duì)其作信號(hào)的短時(shí)能量分析,判斷出水聲信號(hào)的起始點(diǎn),然后將水聲信號(hào)的有效數(shù)據(jù)和水聲信號(hào)起始點(diǎn)的位置通過VHF發(fā)送到上位機(jī)。實(shí)驗(yàn)測(cè)試證明,本文設(shè)計(jì)的數(shù)據(jù)采集與處理系統(tǒng)在采樣率為4MHz時(shí)工作穩(wěn)定可靠,功耗低,測(cè)量精度高,具有較強(qiáng)的實(shí)用性,在水聲信號(hào)的采集與處理方面有著廣闊的應(yīng)用前景。

標(biāo)簽： 數(shù)據(jù)采集

上傳時(shí)間： 2022-06-04

上傳用戶：
ADAS系統(tǒng)開發(fā)中目標(biāo)車輛感知算法的研究

論文首先研究了基于Har-like特征和Adaboost分類器的目標(biāo)車輛探測(cè)算法原理和參數(shù)設(shè)置，并利用車載攝像頭采集真實(shí)道路車輛圖像，建立車輛樣本數(shù)據(jù)庫，訓(xùn)練車輛分類器，實(shí)現(xiàn)對(duì)道路車輛的探測(cè)，并對(duì)探測(cè)效果進(jìn)行量化分析。針對(duì)在車輛探測(cè)過程中誤檢率較高、探測(cè)不連續(xù)以及檢測(cè)框不穩(wěn)定的現(xiàn)象，對(duì)基于無跡卡爾曼濾波器的車輛跟蹤算法進(jìn)行了研究，建立了車輛相對(duì)運(yùn)動(dòng)模型，對(duì)真實(shí)道路交通場(chǎng)景中的多目標(biāo)車輛進(jìn)行探測(cè)與跟蹤，并對(duì)跟蹤算法對(duì)探測(cè)性能提升的效果和原因進(jìn)行了深入分析。在單目測(cè)距中，針對(duì)一般測(cè)距算法受車輛俯仰角和攝像頭畸變影響很大的缺點(diǎn)，利用PreScan仿真軟件，對(duì)車輛測(cè)距算法進(jìn)行了改進(jìn)，提山了一個(gè)同時(shí)考慮車輛俯仰角和攝像頭畸變等參數(shù)的測(cè)距模型，以及一種將攝像頭內(nèi)參與外參分開標(biāo)定的新方法，最后利用場(chǎng)地實(shí)驗(yàn)利真實(shí)道路交通場(chǎng)景對(duì)模型的測(cè)距精度、參數(shù)靈敏度進(jìn)行量化分析。研究了僅利用圖像信息估算車輛間碰撞時(shí)間的方法，利用PreScan仿真軟件，對(duì)車輛碰撞時(shí)間估算算法進(jìn)行了改進(jìn)，建立了一個(gè)考慮車間相對(duì)加速度碰撞時(shí)間估算模型，最后，利用真實(shí)道路交通視頻對(duì)算法進(jìn)行驗(yàn)證和分析。最后，介紹了利用仿真軟件輔助ADAS開發(fā)的方法，在虛擬的開發(fā)環(huán)境中建立了以真實(shí)攝像頭物理參數(shù)為依據(jù)的攝像頭仿真模型、交通場(chǎng)景，實(shí)現(xiàn)了對(duì)單目測(cè)距和碰撞時(shí)間估算算法的驗(yàn)證和改進(jìn)。實(shí)驗(yàn)結(jié)果表明，論文中所建立的算法表現(xiàn)出良好的性能，所構(gòu)建的基于PreScan的仿真平臺(tái)能有效地提高算法的開發(fā)效率.

標(biāo)簽： adas系統(tǒng) 目標(biāo)車輛感知算法

上傳時(shí)間： 2022-06-21

上傳用戶：d1997wayne