91欧美超碰AV自拍|国产成年人性爱视频免费看|亚洲 日韩 欧美一厂二区入|人人看人人爽人人操aV|丝袜美腿视频一区二区在线看|人人操人人爽人人爱|婷婷五月天超碰|97色色欧美亚州A√|另类A√无码精品一级av|欧美特级日韩特级

電子發(fā)燒友App

硬聲App

掃碼添加小助手

加入工程師交流群

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

電子發(fā)燒友網(wǎng)>RF/無線>遙測(cè)幀數(shù)、時(shí)間和特征參數(shù)的截取方法

遙測(cè)幀數(shù)、時(shí)間和特征參數(shù)的截取方法

收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴

評(píng)論

查看更多

相關(guān)推薦
熱點(diǎn)推薦

新型電子紋身可實(shí)時(shí)監(jiān)控身體特征

一種新型電子紋身可貼在嬰兒胸前,實(shí)時(shí)監(jiān)控嬰兒的身體特征參數(shù),此外,電子紋身還可適用于運(yùn)動(dòng)員、士兵等人群。據(jù)國(guó)外媒體報(bào)道,嬰兒可以在身體上貼著電子紋身,這是一種集成電路,不足一張郵票大小,貼在嬰兒胸部。它能夠監(jiān)控嬰兒的身體特征參數(shù):心電圖、體力活動(dòng)、營(yíng)養(yǎng)狀況、睡眠持續(xù)時(shí)間、呼吸頻率、體溫和水合作用。
2014-03-13 09:28:162345

通過特征參數(shù)優(yōu)化電感器的設(shè)計(jì)

在實(shí)際器件中,有多種方式可以驅(qū)動(dòng)電流通過電感器。我們可以施加特定的電壓、電流或功率。這可能是一個(gè)常數(shù)值,也可能是振蕩值,設(shè)置可能與時(shí)間存在更復(fù)雜的函數(shù)關(guān)系。在此應(yīng)用示例中,單匝線圈及集總端口特征(分別用于低頻和高頻)使用電流來驅(qū)動(dòng)導(dǎo)體,并演示了如何在各類產(chǎn)品應(yīng)用中實(shí)際驅(qū)動(dòng)線圈。
2018-04-18 10:18:005134

在VC 6.O平臺(tái)上實(shí)現(xiàn)遙測(cè)截取方式的設(shè)計(jì)

三種分割方式最后都?xì)w結(jié)到按幀分割。按幀分割惟一復(fù)雜的地方就是剔除無效幀。要剔除無效幀需要將每一幀數(shù)據(jù)的同步碼取出來和標(biāo)準(zhǔn)的同步碼進(jìn)行比較。如果差異位數(shù)超過容許值就丟棄該幀,否則保留。很多程序都采用依次右移一位,看二者最低位是否相同,如果不同則計(jì)數(shù)加1,循環(huán)直到兩個(gè)數(shù)都為零的方法。
2020-08-22 09:23:243872

動(dòng)力電池衰減原因及關(guān)鍵機(jī)理特征和演化規(guī)律

單體層面上,對(duì)電池樣品在工作過程中的宏觀特征參數(shù)進(jìn)行采集,參數(shù)包含容量、阻抗、溫度、電壓及電流(電壓電流的變種)等。
2023-01-04 15:48:269355

DVI數(shù)字視頻圖像數(shù)據(jù)的實(shí)時(shí)截取方法

【作者】:龍?jiān)谠?武斌;【來源】:《電視技術(shù)》2010年02期【摘要】:介紹了一種基于DVI接口的高分辨力數(shù)字視頻信號(hào)進(jìn)行實(shí)時(shí)截取方法,圖像截取采用了動(dòng)態(tài)實(shí)時(shí)調(diào)整行列起點(diǎn)、按行組包的方法,利用
2010-04-23 11:18:05

MAX1320的基礎(chǔ)知識(shí),總結(jié)的太棒了

MAX1320的基本特征參數(shù)MAX1320內(nèi)部結(jié)構(gòu)及引腳功能MAX1320的典型連接
2021-04-20 06:33:42

OPA2172QDGKQ1在實(shí)際使用中其特征參數(shù)會(huì)不會(huì)隨輸出電流的變化而改變?

運(yùn)放(OPA2172QDGKQ1) 在實(shí)際使用中其特征參數(shù)(帶寬、壓擺率)會(huì)不會(huì)隨輸出電流(負(fù)載)的變化而改變?例如隨著負(fù)載增大而減小?
2024-08-19 07:24:05

Smith圓圖基本原理 PPT下載

;  之間的關(guān)系,它們?cè)谝阎?b class="flag-6" style="color: red">特征參數(shù)     和長(zhǎng)度l 的基礎(chǔ)上進(jìn)行。 &nbsp
2009-11-02 09:58:53

tdms文件截取

tdms文件是一個(gè)小時(shí)的數(shù)據(jù),想截取某個(gè)時(shí)間段的tdms數(shù)據(jù),如何寫程序,labview是2015版的
2016-01-14 13:24:07

入門LABVIEW問題。求助各位大神

簡(jiǎn)單LABVIEW問題。小白入門求助。我有很多組特征參數(shù)的數(shù)據(jù),每一個(gè)特征參數(shù)對(duì)應(yīng)一個(gè)名稱。我希望在前面板中有這幾個(gè)數(shù)據(jù)的名稱,我可以輸入這些名稱對(duì)應(yīng)的數(shù)值,然后將這些數(shù)值輸入一個(gè)數(shù)組進(jìn)行比較,比較
2017-02-24 23:24:25

準(zhǔn)周期信號(hào)周期截取

采取了機(jī)器人關(guān)節(jié)活動(dòng)的聲發(fā)射信號(hào)大約20s左右,關(guān)節(jié)每次往復(fù)活動(dòng)大約3到4秒,也就是20s的信號(hào)里有4個(gè)周期的信號(hào),但是每個(gè)周期之間間隔時(shí)間不同,由于信號(hào)較大,所以想單獨(dú)截取一個(gè)周期信號(hào)進(jìn)行分析
2014-06-26 16:35:59

基于遙測(cè)的移動(dòng)艙室內(nèi)氣體檢測(cè)方法及實(shí)現(xiàn),不看肯定后悔

求大佬分享一種基于遙測(cè)的移動(dòng)艙室內(nèi)氣體檢測(cè)方法
2021-04-09 06:17:33

基于LabVIEW的聲發(fā)射信號(hào)特征參數(shù)提取程序

最近在分析聲發(fā)射信號(hào),請(qǐng)教大神如何編提取聲發(fā)射信號(hào)的特征參數(shù)提取程序,萬(wàn)分感謝!
2018-11-04 10:46:40

多站低頻雷達(dá)運(yùn)動(dòng)人體微多普勒特征提取與跟蹤技術(shù)【論文干貨】

采用模型擬合法估計(jì)各人體的微多普勒特征參數(shù)。實(shí)測(cè)結(jié)果證明:當(dāng)多個(gè)目標(biāo)距離像不重疊時(shí),該方法可以獲取高質(zhì)量的 STDS,實(shí)現(xiàn)各人體微多普勒特征的有效分離?;诰嚯x量測(cè)的最小均方誤差裁剪(Minimum
2021-12-20 15:49:31

如何判斷MODBUS RTU 一幀數(shù)據(jù)接收完畢

19200,28/19200)來判斷接收完畢了,才能去處理接收到的數(shù)據(jù),會(huì)不會(huì)影響下一幀數(shù)據(jù)的接收呀?一般發(fā)送兩幀數(shù)據(jù)之間的時(shí)間間隔是多少呀?有沒有其他的判斷幀接收完畢的方法呀?謝謝
2012-05-08 15:43:29

如何根據(jù)功率特征阻抗選擇電壓電流接線方法?

如何根據(jù)功率特征阻抗選擇電壓電流接線方法?
2021-05-11 06:27:11

有什么方法可以縮短測(cè)試儀器開發(fā)時(shí)間嗎?

有什么方法可以縮短儀器開發(fā)時(shí)間,以便測(cè)試儀器能夠滿足新的測(cè)量需求嗎?采用SDR技術(shù)一類的應(yīng)用往往具有共同的特征
2021-04-09 06:28:02

機(jī)器視覺系統(tǒng)診斷病害作物仍存在的主要問題

規(guī)律,探索不同發(fā)病時(shí)期作物病害機(jī)器視覺診斷轉(zhuǎn)移技術(shù)。2.3多元特征的互補(bǔ)作物病害機(jī)器視覺診斷目前多數(shù)都是利用病害圖像顏色、紋理、形狀等單變量特征參數(shù),可以為少數(shù)幾種病害的識(shí)別提供有效識(shí)別參數(shù),而對(duì)于作物
2014-05-12 15:51:06

模擬電路故障診斷中的特征提取方法

以及和其它特征提取方法的融合使用。  基于小波分析的特征提取  在電路信號(hào)的特征提取中,常采用頻譜分析的方法。但是基于統(tǒng)計(jì)分析的傅立葉分析僅對(duì)不隨時(shí)間變化的平穩(wěn)信號(hào)十分有效,對(duì)于模擬電路響應(yīng)信號(hào)中通常
2016-12-09 18:15:39

浩辰3D軟件新手入門攻略:特征建模

的草圖添料或除料的拉伸特征和旋轉(zhuǎn)特征。B:制造特征(如孔特征),您可以在其中定義諸如尺寸、深度、沉頭或埋頭等特征參數(shù)。C:在其中修改現(xiàn)有邊或面的處理特征,如倒圓、添加拔模和薄壁特征。為了加快快速建模
2020-09-18 17:00:45

溫度遙控遙測(cè)系統(tǒng)設(shè)計(jì)與PID實(shí)現(xiàn)

模塊實(shí)現(xiàn)遙測(cè)遙控,上位機(jī)設(shè)好溫度參數(shù)后,通過通信模塊傳給遠(yuǎn)處的微處理器,微處理器按照上位機(jī)設(shè)定好的溫度控制加熱模塊進(jìn)行加熱,同時(shí)微處理器把液體溫度和液位高度通過通信模塊傳給上位機(jī)軟件,通過上位機(jī)軟件界面
2021-10-16 14:05:58

用labview寫一個(gè)控制專用聲發(fā)射采集器的采集分析程序

采用LABVIEW編程,控制某采用TCP/IP協(xié)議的單通道聲發(fā)射采集器的程序。主要用到TCP/IP的相關(guān)傳輸協(xié)議、子VI的調(diào)用和分裝、字符串截取函數(shù)、數(shù)據(jù)文件存儲(chǔ)模塊、生產(chǎn)者/使用者結(jié)構(gòu)。可以解析出波形數(shù)據(jù)和特征參數(shù),并且繪制相關(guān)圖。
2019-02-18 16:27:06

用于負(fù)載點(diǎn)應(yīng)用的遙測(cè)技術(shù)

封裝。PMP9008 — 12Vin 至 1V/30A 參考設(shè)計(jì)監(jiān)控與遙測(cè)技術(shù)可為眾多應(yīng)用新增很多價(jià)值。當(dāng)前產(chǎn)品的重點(diǎn)是監(jiān)控輸出電壓、電流和溫度,但是,還能監(jiān)控哪些其它有用參數(shù)呢?具有 PMBus 接口
2018-09-14 14:46:07

語(yǔ)音特征參數(shù)提取的仿真研究

語(yǔ)音特征參數(shù)提取的仿真研究
2012-08-20 12:38:27

請(qǐng)教 labview 聲發(fā)射信號(hào) RMS 能量 特征參數(shù)提取

在做原油加熱爐爐管聲發(fā)射檢測(cè),請(qǐng)教各位前輩信號(hào)RMS能量特征參數(shù)提取,labview有這些自帶函數(shù)嗎?
2012-08-04 21:18:03

請(qǐng)教 信號(hào)RMS 能量 特征參數(shù)提取

在做原油加熱爐爐管聲發(fā)射檢測(cè),請(qǐng)教各位前輩信號(hào)RMS能量特征參數(shù)提取,labview有這些自帶函數(shù)嗎?
2012-08-04 21:21:52

雷電接口聲發(fā)射系統(tǒng)-----一種全新的聲發(fā)射系統(tǒng)

帶寬:≥2.5GB/s(連續(xù)穩(wěn)定),≥3GB/s(峰值);特征參數(shù):硬件實(shí)時(shí)提?。ǚ萢mplitude、能量energy、振鈴計(jì)數(shù)counts、持續(xù)時(shí)間duration、信號(hào)均方根值RMS、平均信號(hào)
2016-06-29 08:53:27

基于特征點(diǎn)轉(zhuǎn)換的時(shí)間序列符號(hào)化方法

將時(shí)序數(shù)據(jù)有效地映射到特征空間是時(shí)間序列相似性搜索的一個(gè)關(guān)鍵問題。文章結(jié)合時(shí)間序列符號(hào)化思想與分段線性表示中分段點(diǎn)選取的思想,提出一種基于特征點(diǎn)轉(zhuǎn)換的時(shí)間序列
2009-04-20 08:59:3437

天饋系統(tǒng)性能參數(shù)的細(xì)微特征分析

本文給出了一種簡(jiǎn)便的天饋系統(tǒng)性能參數(shù)的細(xì)微特征分析方法。應(yīng)用該方法,可以對(duì)天饋系統(tǒng)的反射系數(shù)、駐波比、故障距離和回波損耗等參數(shù)進(jìn)行細(xì)微分析,在天饋系統(tǒng)出現(xiàn)重
2009-05-26 13:46:3818

氣體傳感器陣列中特征參數(shù)的提取與優(yōu)化

用一組厚膜金屬氧化錫氣體傳感器陣列對(duì)氣味進(jìn)行分析和識(shí)別, 其中最重要、最難的因素是傳感器特征提取技術(shù)和特征參數(shù)的優(yōu)化, 使所用的傳感器陣列能快速準(zhǔn)確地識(shí)別不同氣味。
2009-07-15 08:51:0818

一種基于概率模型的特征補(bǔ)償算法

本文提出了一種基于概率模型的特征補(bǔ)償算法。該方法基于語(yǔ)音和噪聲的先驗(yàn)概率密度,在倒譜域?qū)φZ(yǔ)音特征參數(shù)進(jìn)行最小均方誤差預(yù)測(cè)(MMSE),提高識(shí)別精度。實(shí)驗(yàn)結(jié)果表明,本
2009-08-24 10:16:146

幾種典型聲發(fā)射信號(hào)的特征參數(shù)分布分析

幾種典型聲發(fā)射信號(hào)的特征參數(shù)分布分析:針對(duì)幾種典型缺陷類型的聲發(fā)射源, 進(jìn)行了聲發(fā)射信號(hào)特征參數(shù)的采集和統(tǒng)計(jì), 并對(duì)其聲發(fā)射特征參數(shù)分布規(guī)律進(jìn)行了分析討論。關(guān)鍵
2009-10-22 12:41:0431

基于FRFT的域-包絡(luò)曲線的雷達(dá)信號(hào)特征提取及自動(dòng)分類

提取和補(bǔ)充新的特征參數(shù)是解決復(fù)雜體制雷達(dá)輻射源信號(hào)分選和雷達(dá)目標(biāo)識(shí)別難題的有效手段,為此該文提出一種基于FRFT的α 域-包絡(luò)曲線特征向量的提取方法。該方法通過FRFT搜索
2009-11-10 16:18:5914

聲發(fā)射信號(hào)處理方法

目前采集和處理聲發(fā)射信號(hào)的方法可分為兩大類。一種為以多個(gè)簡(jiǎn)化的波形特征參數(shù)來表示聲發(fā)射信號(hào)的特征,然后對(duì)這些波形特征參數(shù)進(jìn)行分析和處理;另一種為存貯和記錄聲
2009-11-15 12:27:5019

一種基于統(tǒng)計(jì)原理的特征參數(shù)提取法

在模擬信號(hào)和數(shù)字信號(hào)的聯(lián)合制式識(shí)別中,通常使用零中心歸一化瞬時(shí)幅度緊致性參數(shù)來區(qū)分AM 和MASK 信號(hào),使用零中心歸一化瞬時(shí)頻率的緊致性參數(shù)來區(qū)分FM 和MFSK 信號(hào)。但是,
2009-12-07 13:31:1418

基于噪聲環(huán)境下的MFCC特征提取

在語(yǔ)音識(shí)別系統(tǒng)中,如何在含有噪聲的語(yǔ)音信號(hào)中提取其良好的特征參數(shù)是系統(tǒng)的關(guān)鍵問題之一。本文通過采用自適應(yīng)濾波來濾除語(yǔ)音信號(hào)中的高斯白噪聲,然后提取出能夠反映人
2009-12-12 13:46:1124

運(yùn)用焊接結(jié)構(gòu)的S-N曲線獲取焊縫裂紋擴(kuò)展規(guī)律的特征參數(shù)

利用疲勞理論中S-N曲線和線彈性斷裂力學(xué)中Paris公式,導(dǎo)出了兩者之間的換算規(guī)律,得出了不需通過實(shí)驗(yàn)手段估算裂紋擴(kuò)展規(guī)律特征參數(shù)方法,并運(yùn)用該方法得到了結(jié)構(gòu)中常見連接
2010-01-14 15:45:5716

故障特征提取的方法研究

摘要:針對(duì)常規(guī)特征提取方法存在著問題不足,提出了基于BP神經(jīng)網(wǎng)絡(luò)和基于互信息熵的特征提取方法,并通過特征提取實(shí)例加以說明。結(jié)果表明這兩種方法是可行和有效的。
2006-03-11 13:14:211858

電阻的分類和主要特征參數(shù)

3 電阻的分類和主要特征參數(shù) 答:• 分類:1、線繞電阻器:通用線繞電阻器、精密線繞電阻器、大功率線繞電阻器、高頻
2009-04-22 20:28:401751

廉價(jià)的脈沖-時(shí)間遙測(cè)儀電路圖

廉價(jià)的脈沖-時(shí)間遙測(cè)儀電路圖
2009-06-30 13:17:31391

數(shù)碼攝像頭最大幀數(shù)

數(shù)碼攝像頭最大幀數(shù)              簡(jiǎn)單地
2009-12-22 13:54:101110

求解每個(gè)熱源功率損耗的新方法

DC-DC轉(zhuǎn)換器的效率和功率損耗是許多電子系統(tǒng)的一個(gè)重要特征參數(shù)??梢詼y(cè)量出這些特征參數(shù),并用直觀方式進(jìn)行表達(dá).
2011-08-09 09:18:571976

基于單幀數(shù)據(jù)的步進(jìn)頻信號(hào)運(yùn)動(dòng)補(bǔ)償方法

紹了頻率步進(jìn)雷達(dá)中多普勒效應(yīng)對(duì)距離像的影響,根據(jù)頻率步進(jìn)雷達(dá)中常見運(yùn)動(dòng)補(bǔ)償方法的優(yōu)缺點(diǎn),提出了一種僅利用單幀數(shù)據(jù)即可實(shí)現(xiàn)速度估計(jì)和補(bǔ)償?shù)?b class="flag-6" style="color: red">方法,為了提高該方法的抗噪
2011-09-20 16:07:1819

基于EMD法的語(yǔ)音信號(hào)特征提取

特征提取是目標(biāo)識(shí)別的關(guān)鍵,如何從有限的測(cè)量數(shù)據(jù)中獲取有效、可靠的特征參數(shù),是特征提取中重點(diǎn)考慮的問題。本文采用EMD方法對(duì)語(yǔ)音信號(hào)進(jìn)行頻率特征提取,可以較好地降低語(yǔ)音
2011-10-10 15:11:4241

基于決策論的數(shù)字模擬信號(hào)調(diào)制識(shí)別

文中提取了反應(yīng)調(diào)制類型差異的6個(gè)特征參數(shù)。這6個(gè)特征參數(shù)是對(duì)傳統(tǒng)特征參數(shù)的改進(jìn),運(yùn)算簡(jiǎn)單且判決門限容易確定。構(gòu)建了基于決策論算法的分類器,對(duì)典型的13種數(shù)字模擬信號(hào)進(jìn)行了
2011-10-17 16:52:2429

一種改進(jìn)的語(yǔ)音信號(hào)特征參數(shù)提取算法研究

為了提高語(yǔ)音信號(hào)的識(shí)別率,提出了一種改進(jìn)的語(yǔ)音信號(hào)特征提取算法。該算法在MFCC參數(shù)的基礎(chǔ)上,增加每幀信號(hào)的短時(shí)能量和短時(shí)過零率,使得新參數(shù)能夠更為準(zhǔn)確地表征語(yǔ)音信號(hào)。
2011-11-14 11:13:3752

基于GPS的航標(biāo)遙測(cè)系統(tǒng)數(shù)值優(yōu)化方法

隨著電子技術(shù)和通信技術(shù)的發(fā)展,無線通信以及遙測(cè)遙控系統(tǒng)被廣泛應(yīng)用于工業(yè)、農(nóng)業(yè)、航空、航海等各個(gè)領(lǐng)域中。出??诩皟?nèi)陸河道作為航海航運(yùn)重要的一部分,其管理維護(hù)方法及管
2012-03-28 11:56:242045

參數(shù)監(jiān)護(hù)儀的功用類型及測(cè)量原理

監(jiān)護(hù)儀可以實(shí)時(shí)、連續(xù)并且長(zhǎng)時(shí)間的檢測(cè)病人的一些重要生命特征參數(shù),具有重要的臨床使用價(jià)值。而且這種儀器還可便攜移動(dòng)、車載使用,極大的提高了使用頻率。隨著傳感技術(shù)和電
2012-07-17 16:49:1312334

電力電子電路健康監(jiān)測(cè)的特征參數(shù)選取和閾值建立

文中提出的是關(guān)于電力電子電路健康監(jiān)測(cè)的特征參數(shù)選取和健康閾值確定的方法。該方法以到健康樣本集的馬氏距離為特征參數(shù),以正態(tài)化馬氏距離的均值和均方差構(gòu)建健康閾值。本文
2013-05-06 18:24:260

[2.1.1]--遙測(cè)參數(shù)特點(diǎn)及分類

遙測(cè)
jf_75936199發(fā)布于 2023-03-10 15:28:09

[6.4.1]--遙測(cè)天線參數(shù)

遙測(cè)
jf_75936199發(fā)布于 2023-03-10 15:46:04

GPS信息截取方法

從GPS信息中的GPRMC信息串中提取所需要的時(shí)間信息、經(jīng)緯度信息,信息處理轉(zhuǎn)換后經(jīng)串口顯示上報(bào)
2015-11-12 15:58:427

Labview之截取字符串

Labview之截取字符串,很好的Labview資料,快來下載學(xué)習(xí)吧。
2016-04-19 10:23:160

DVI輸出圖像選區(qū)截取的FPGA實(shí)現(xiàn)

DVI輸出圖像選區(qū)截取的FPGA實(shí)現(xiàn),下來看看
2016-08-29 15:02:037

有限遙測(cè)速率下衛(wèi)星遙測(cè)數(shù)據(jù)設(shè)計(jì)方法研究_劉洋

有限遙測(cè)速率下衛(wèi)星遙測(cè)數(shù)據(jù)設(shè)計(jì)方法研究_劉洋
2017-03-19 11:45:571

特征阻抗的計(jì)算方法

特征阻抗的計(jì)算方法
2017-06-09 14:53:1227

一種變步長(zhǎng)KLMS遙測(cè)振動(dòng)信號(hào)降噪方法

針對(duì)飛行器遙測(cè)振動(dòng)信號(hào)具有典型的非平穩(wěn)、非線性及強(qiáng)噪聲干擾的特征,提出了一種變步長(zhǎng)KLMS遙測(cè)振動(dòng)信號(hào)降噪方法。首先利用遙測(cè)時(shí)序分析法將遙測(cè)振動(dòng)信號(hào)序列分為平穩(wěn)飛行段落和特征飛行段落,以平穩(wěn)飛行段落
2017-11-06 17:56:4712

基于SVM的多種語(yǔ)言特征參數(shù)清濁音判決優(yōu)化算法

特征參數(shù)的清濁音判決優(yōu)化算法。實(shí)驗(yàn)結(jié)果顯示,該算法能夠有效降低清濁音的誤判率,進(jìn)而使合成語(yǔ)音的清晰度和自然度得到改善。將本算法應(yīng)用到正弦激勵(lì)線性預(yù)測(cè)算法中,在與相同碼率的其他算法的比較實(shí)驗(yàn)中,得到較高的PESQ-MOS分,顯示出一定的優(yōu)勢(shì)。
2017-11-08 15:24:335

基于萊特準(zhǔn)則和小波變換的遙測(cè)數(shù)據(jù)處理方法

遙測(cè)數(shù)據(jù)經(jīng)常含有噪聲和野值,針對(duì)遙測(cè)數(shù)據(jù)的處理面臨的消除噪聲和野值剔除問題,介紹了小波變換的基本原理以及小波消噪在信號(hào)處理方面的應(yīng)用,提出了利用萊特準(zhǔn)則和小波軟閡值消噪相結(jié)合的方法進(jìn)行野值剔除,利用MATLAB軟件進(jìn)行遙測(cè)信號(hào)噪聲消除和野值剔除仿真試驗(yàn),結(jié)果表明該方法具有良好的降噪效果和出色的野值剔除能力。
2017-11-14 10:53:160

基于層次匹配下多種特征融合的蕾絲花邊檢索方法

彩色Canny圖像及其灰度梯度共生矩陣GGCM,采用能量、梯度平均、灰度平均、相關(guān)等二次統(tǒng)計(jì)特征參數(shù)描述圖像的紋理特征,將上述提取紋理特征結(jié)合形狀特征和SURF特征進(jìn)行逐層匹配,實(shí)現(xiàn)層次匹配下多種特征的融合,彌補(bǔ)單個(gè)匹配方法的不足
2017-11-17 14:24:498

基于特征模理論和CMA技術(shù)的天線設(shè)計(jì)

本文簡(jiǎn)要介紹了特征模理論基礎(chǔ),并采用商業(yè)軟件FEKO v14.0版本的CMA分析模塊對(duì)幾種簡(jiǎn)單的天線形式進(jìn)行特征模分析,得到了豐富的模式特征參數(shù),并展開分析,便于讓大家清楚地了解CMA技術(shù)的應(yīng)用。CMA方法廣泛應(yīng)用于天線設(shè)計(jì),也同樣應(yīng)用于天線布局、電磁兼容以及目標(biāo)隱身等領(lǐng)域。
2017-11-22 10:18:3911098

基于趨勢(shì)特征的多樣化top-k shapelet分類方法

變化的時(shí)間序列,采用典型的時(shí)間序列表示方法進(jìn)行shapelet發(fā)現(xiàn),容易造成序列中趨勢(shì)信息的丟失。為了解決時(shí)間序列趨勢(shì)信息丟失的問題,提出一種基于趨勢(shì)特征的多樣化top-k shapelet分類方法:首先采用趨勢(shì)特征符號(hào)化方法對(duì)時(shí)間序列的趨勢(shì)信息進(jìn)行表示;然后針對(duì)序
2017-11-29 15:55:000

以AVR單片機(jī)為控制核心的語(yǔ)音識(shí)別控制系統(tǒng)設(shè)計(jì)

語(yǔ)音識(shí)別通常需要兩個(gè)階段完成。第一階段是訓(xùn)練,主要是提取語(yǔ)音特征,用戶往往需要進(jìn)行幾次語(yǔ)音訓(xùn)練,經(jīng)過預(yù)處理和特征提取后獲得相應(yīng)特征參數(shù)。第二階段是識(shí)別,識(shí)別過程就是將輸入的語(yǔ)音特征參數(shù)和模型庫(kù)中的參數(shù)進(jìn)行相似性比較,最后輸出匹配度最高的特征參數(shù)完成識(shí)別過程。
2018-07-27 07:27:002534

基于Mel子帶參數(shù)特征的鳥鳴自動(dòng)識(shí)別方法

針對(duì)自然復(fù)雜聲學(xué)環(huán)境下基于鳥鳴的物種分類問題,提出了一種基于Mel予帶參數(shù)特征的鳥嗚自動(dòng)識(shí)別方法。采用高斯混合模型(CMM)擬合連續(xù)聲學(xué)監(jiān)測(cè)數(shù)據(jù)分幀后的對(duì)數(shù)能量分布,選取高似然率的數(shù)據(jù)幀組成候選
2017-12-04 14:54:030

結(jié)合高層對(duì)象特征和低層像素特征的視覺注意方法

針對(duì)已有視覺注意模型在整合對(duì)象特征方面的不足,提出一種新的結(jié)合高層對(duì)象特征和低層像素特征的視覺注意方法。首先,利用已訓(xùn)練的卷積神經(jīng)網(wǎng)(CNN)對(duì)多類目標(biāo)的強(qiáng)大理解能力,獲取待處理圖像中對(duì)象的高層次
2017-12-09 09:32:550

藍(lán)牙beacon產(chǎn)品分析_兩款藍(lán)牙beacon特征參數(shù)詳細(xì)對(duì)比

藍(lán)牙beacon_兩款藍(lán)牙beacon特征參數(shù)詳細(xì)對(duì)比(完整版),藍(lán)牙Beacon 的原意是信標(biāo),是建立在低功耗藍(lán)牙協(xié)議基礎(chǔ)上的一種廣播協(xié)議,同時(shí)它也是擁有這個(gè)協(xié)議的一款低功耗藍(lán)牙從機(jī)設(shè)備。 藍(lán)牙
2017-12-14 17:01:354

說話人識(shí)別中基于Fisher比的特征組合方法

)、線性預(yù)測(cè)梅爾倒譜系數(shù)( LPMFCC)、Teager能量算子倒譜參數(shù)(TEOCC)相混合的特征參數(shù)提取方法。首先,提取語(yǔ)音信號(hào)的MFCC、LPMFCC和TEOCC三種參數(shù);然后,計(jì)算MFCC和LPMFCC參數(shù)中各維分量的Fisher比,分別選出六個(gè)Fisher比高的分量與TEOCC參數(shù)組合成混
2017-12-19 11:16:302

基于小波脊線的特征提取算法

捕獲問題,并對(duì)其特征參數(shù)提取算法進(jìn)行了研究。針對(duì)跳頻信號(hào)的特征提取,研究了一種基于小波脊線的特征提取算法,通過matlab仿真實(shí)驗(yàn)對(duì)方法的性能進(jìn)行了驗(yàn)證,實(shí)驗(yàn)表明基于小波脊線的特征提取算法有很大的性能優(yōu)勢(shì),進(jìn)一步提
2018-01-04 14:04:490

基于隱馬爾可夫模型的軟件狀態(tài)評(píng)估預(yù)測(cè)方法

狀態(tài)進(jìn)行客觀、準(zhǔn)確地評(píng)估和預(yù)測(cè),成為亟待解決的問題.為此,提出了一種基于隱馬爾可夫模型的軟件系統(tǒng)狀態(tài)評(píng)估預(yù)測(cè)方法.該方法基于軟件系統(tǒng)外在特征參數(shù),通過K-means方法構(gòu)建系統(tǒng)的觀測(cè)狀態(tài),并以此建立隱馬爾可夫模型,建
2018-01-05 10:56:011

基于HTM架構(gòu)的時(shí)空特征提取方法

特征,利用時(shí)間鄰接矩陣提取樣本的時(shí)間特征,利用置信傳播方法將各層局部特征組進(jìn)行匯總歸類,得到整體特征組,作為該圖像幀的時(shí)空特征。此外,在節(jié)點(diǎn)操作中引入張量代數(shù),從而避免出現(xiàn)高維特征,將特征送入支持向量機(jī)(SVM)分
2018-01-17 17:27:250

觸電信號(hào)暫態(tài)特征提取及故障識(shí)別

針對(duì)傳統(tǒng)剩余電流保護(hù)裝置只能監(jiān)測(cè)到總泄漏電流信號(hào)大小,但不能根據(jù)監(jiān)測(cè)到的總泄漏電流信號(hào)自動(dòng)分類和識(shí)別觸電類型,提出了一種基于統(tǒng)計(jì)特征參數(shù)與支持向量機(jī)的觸電信號(hào)暫態(tài)特征提取及故障類型識(shí)別的新方法。該
2018-01-23 17:12:594

基于NMF后驗(yàn)特征優(yōu)化的語(yǔ)音查詢樣例檢測(cè)

warping,SDTW)檢索的無監(jiān)督語(yǔ)音查詢樣例檢測(cè)方法。該方法首先應(yīng)用頻域線性預(yù)測(cè)(Frequency domain linear prediction,F(xiàn)DLP)聲學(xué)特征參數(shù)代替梅爾頻率倒譜系
2018-02-27 16:01:051

通信輻射源識(shí)別方法

輻射源的個(gè)體識(shí)別。通過對(duì)20部手持機(jī)的實(shí)驗(yàn)表明,使用該方法提取的特征矢量能夠較好地反映信號(hào)的循環(huán)平穩(wěn)特性,并且特征參數(shù)對(duì)噪聲干擾不敏感,在較低信噪比條件下,系統(tǒng)仍具有較高的正確識(shí)別率,說明該方法確實(shí)能夠較好地
2018-03-02 11:01:411

基于超圖的多模態(tài)關(guān)聯(lián)特征處理方法

傳統(tǒng)的模式識(shí)別方法認(rèn)為特征是相互獨(dú)立的,容易忽略多模態(tài)特征之間多元的關(guān)聯(lián)性,從而造成識(shí)別的誤差。為此,基于超圖模型,提出一種新的特征整合方法。定義共享熵的計(jì)算方法用以表示多個(gè)特征之間的關(guān)聯(lián)程度,以
2018-03-07 11:01:412

變溫度下Boost變換器健康狀態(tài)評(píng)估方法

基于特征參數(shù)估計(jì)的關(guān)鍵元器件健康狀態(tài)評(píng)估是實(shí)現(xiàn)電路級(jí)故障預(yù)測(cè)與健康管理的關(guān)鍵技術(shù)。然而,工作溫度的變化會(huì)導(dǎo)致元器件特征參數(shù)估計(jì)值與失效標(biāo)準(zhǔn)(25℃條件下)不統(tǒng)一,致使?fàn)顟B(tài)評(píng)估結(jié)果不準(zhǔn)確。針對(duì)該
2018-04-20 14:25:240

如何自制簡(jiǎn)單的夾具來測(cè)量電容器的特征參數(shù)

旁路電容器在配電網(wǎng)絡(luò)中用得很多。現(xiàn)在大多數(shù)供應(yīng)商不僅提供旁路電容器的典型特征參數(shù),還提供各種仿真模型。盡管如此,工程師需要能夠自己測(cè)量這些器件的特征參數(shù)。
2018-06-27 11:07:335891

圖像特征點(diǎn)檢測(cè)方法的原理解析

研究圖像特征檢測(cè)已經(jīng)有一段時(shí)間了,圖像特征檢測(cè)的方法很多,又加上各種算法的變形,所以難以在短時(shí)間內(nèi)全面的了解,只是對(duì)主流的特征檢測(cè)算法的原理進(jìn)行了學(xué)習(xí)研究。
2020-08-31 10:26:557852

Python特征生成作用和生成的方法

創(chuàng)造新的特征是一件十分困難的事情,需要豐富的專業(yè)知識(shí)和大量的時(shí)間。機(jī)器學(xué)習(xí)應(yīng)用的本質(zhì)基本上就是特征工程。——Andrew Ng 業(yè)內(nèi)常說數(shù)據(jù)決定了模型效果上限,而機(jī)器學(xué)習(xí)算法是通過數(shù)據(jù)特征做出預(yù)測(cè)
2021-03-10 15:53:422640

融合神經(jīng)網(wǎng)瓶頸特征與MFCC特征的符合特征構(gòu)造方法

針對(duì)梅爾頻率倒譜系數(shù)(MrCC)語(yǔ)音特征不能有效反映連續(xù)幀之間有效信息的問題,基于深度神經(jīng)網(wǎng)絡(luò)相關(guān)性和緊湊性特征,提岀一種融合神經(jīng)網(wǎng)瓶頸特征與MFCC特征的復(fù)合特征構(gòu)造方法,提高語(yǔ)音的表征能力和建模
2021-03-17 11:31:565

基于特征加權(quán)與神經(jīng)網(wǎng)絡(luò)的惡意檢測(cè)系統(tǒng)

相結(jié)合的惡意檢測(cè)系統(tǒng)。采用靜態(tài)分析方法從惡意與良性應(yīng)用程序中提取不同類型行為特征,利用特征加權(quán)方法消除噪聲與不相關(guān)因素后構(gòu)建特征向量,使用Bi-LSTM深度學(xué)習(xí)算法優(yōu)化行為特征參數(shù),并設(shè)計(jì)惡意與良性應(yīng)用程序分類模型,建立特征加權(quán)與深度學(xué)習(xí)算
2021-03-17 13:54:2511

數(shù)字電源遙測(cè)有助于降低能耗,并延長(zhǎng)系統(tǒng)運(yùn)行時(shí)間

數(shù)字電源遙測(cè)有助于降低能耗,并延長(zhǎng)系統(tǒng)運(yùn)行時(shí)間
2021-03-21 15:04:501

淺談火災(zāi)報(bào)警系統(tǒng)的構(gòu)成及作用

火災(zāi)產(chǎn)生時(shí),安裝在維護(hù)地區(qū)當(dāng)場(chǎng)的火災(zāi)探測(cè)儀,將火災(zāi)造成的濃煙、發(fā)熱量和光輻射等火災(zāi)特征參數(shù)變化為電子信號(hào),經(jīng)數(shù)據(jù)處理方法后,將火災(zāi)特征參數(shù)信息傳送至火災(zāi)報(bào)警控制器;或立即由火災(zāi)探測(cè)儀作出火災(zāi)報(bào)警分辨
2021-03-22 10:51:231917

基于全局特征金字塔網(wǎng)絡(luò)的信息融合方法

全局語(yǔ)義信息的特征網(wǎng)絡(luò),并采用反向過程對(duì)原始特征層進(jìn)行重新標(biāo)度,從而使得每個(gè)特征層均含有全局語(yǔ)義信息。實(shí)驗(yàn)結(jié)果表明,與原始基于 Mask r-CNN的方法相比,該方法的檢測(cè)精度提升4-6個(gè)百分點(diǎn),而檢測(cè)時(shí)間僅增加0.112s。
2021-03-24 14:51:2813

基于最大信息系數(shù)與冗余分?jǐn)偛呗缘?b class="flag-6" style="color: red">特征選擇方法

特征選擇方法(MlC- share)。以MIC度量相關(guān)性測(cè)度與冗余性測(cè)度,釆用冗余分?jǐn)偛呗垣@取新的特征得分,自動(dòng)終止特征引入過程,減少最優(yōu)子集確定所需時(shí)間。仿真結(jié)果表明,與PLSR、MIFS、 KNN-FABO等特征選擇方法相比, Mic-share方法得到的回歸
2021-03-26 15:27:1113

時(shí)間序列的特征表示和相似性度量研究分析

特征表示和相似性度量方法進(jìn)行了闡述。針對(duì)時(shí)間序列特征表示方法,從非數(shù)據(jù)適應(yīng)性法、數(shù)據(jù)自適應(yīng)性方法、基于模型的方法三方面進(jìn)行說明,對(duì)各種主要方法的研究現(xiàn)狀、優(yōu)缺點(diǎn)、適用領(lǐng)域方法特性以及局限性等進(jìn)行了比較分析
2021-04-02 13:53:5542

結(jié)合局部特征融合的時(shí)間卷積網(wǎng)絡(luò)方法

針對(duì)3D人體骨架序列動(dòng)作識(shí)別這一問題,提出了一種結(jié)合了局部特征融合的時(shí)間卷積網(wǎng)絡(luò)方法。首先,對(duì)個(gè)動(dòng)作中整個(gè)骨架序列的所有關(guān)節(jié)點(diǎn)的空間位置變化進(jìn)行建模,提取其骨架序列的全局空間特征;然后,根據(jù)人體
2021-04-21 15:22:434

箭載無線收發(fā)機(jī)的遙測(cè)參數(shù)綜述

箭載無線收發(fā)機(jī)的遙測(cè)參數(shù)綜述
2021-06-22 10:54:3714

基于工程化參數(shù)優(yōu)化的遙測(cè)伺服系統(tǒng)

基于工程化參數(shù)優(yōu)化的遙測(cè)伺服系統(tǒng)
2021-06-30 15:57:286

基于積分法和差分法的電力系統(tǒng)短路電流直流分量特征參數(shù)計(jì)算

基于積分法和差分法的電力系統(tǒng)短路電流直流分量特征參數(shù)計(jì)算(新能源汽車移動(dòng)電源)-本資料是基于積分法和差分法的電力系統(tǒng)短路電流直流分量特征參數(shù)計(jì)算,希望能夠給各位開發(fā)者提供幫助
2021-07-26 12:10:219

壓敏電阻的結(jié)構(gòu)、特征參數(shù)及應(yīng)用電路

對(duì)于電磁兼容的整改,很多都會(huì)涉及系統(tǒng)瞬變干擾的影響的抗性,特別是對(duì)于雷擊浪涌這種破壞性能量的抑制,一般LC網(wǎng)絡(luò)組成的濾波電路對(duì)這種高速大能量干擾,很難起到抑制作用。最常用的方法是在系統(tǒng)的輸入端用并聯(lián)
2022-03-16 12:40:269628

半封閉大棚實(shí)驗(yàn)下廣州市植被滯塵光譜特征分析2.0

引言 植物葉片光譜特征是植物葉片中色素含量、組織機(jī)構(gòu)、水分和蛋白質(zhì)等對(duì)反射光譜響應(yīng)的重要特征,探尋植物滯塵量與光譜之間的規(guī)律已成為當(dāng)前的研究重點(diǎn)。在植物光譜曲線特征規(guī)律和特征參數(shù)方面,受時(shí)間、區(qū)域
2023-02-06 17:24:521540

高光譜成像技術(shù):礦物光譜識(shí)別特征參數(shù)

高光譜成像技術(shù)能在紫外、可見光、近紅外和中紅外區(qū)域、獲取許多非常窄且光譜連續(xù)的圖像數(shù)據(jù)。 礦物光譜識(shí)別特征參數(shù) 礦物光譜主要取決于物體內(nèi)電子與晶體場(chǎng)的相互作用,以及物體內(nèi)的分子振動(dòng)。在晶體場(chǎng)作用中
2023-09-18 14:34:261939

揭秘漫途遙測(cè)終端的功能及應(yīng)用

遙測(cè)終端是一種集數(shù)據(jù)采集、遠(yuǎn)程傳輸、數(shù)據(jù)存儲(chǔ)與處理于一體的綜合性設(shè)備。在物聯(lián)網(wǎng)應(yīng)用領(lǐng)域,遙測(cè)終端已逐漸成為現(xiàn)代智能物聯(lián)領(lǐng)域中不可或缺的一部分。 多參數(shù)遙測(cè)終端 遙測(cè)終端的功能 1.多參數(shù)監(jiān)測(cè):多參數(shù)
2024-01-02 16:38:24859

安寶特產(chǎn)品 3D Evolution : 基于特征實(shí)現(xiàn)無損CAD格式轉(zhuǎn)換

安寶特3D Evolution具有強(qiáng)大的3D CAD模型轉(zhuǎn)換功能,可在保留模型特征參數(shù)、注釋、約束的前提下,完成不同格式3D CAD模型的無損轉(zhuǎn)換
2024-08-06 17:26:081115

基于高光譜特征參數(shù)的馬鈴薯塊莖形成期葉片含水量定量監(jiān)測(cè)模型

采用高光譜數(shù)據(jù)選擇的特征光譜參數(shù)對(duì)馬鈴薯關(guān)鍵生育期葉片含水量的定量監(jiān)測(cè)普適性更高。研究結(jié)果可以實(shí)時(shí)、準(zhǔn)確地監(jiān)測(cè)馬鈴薯葉片含水量,對(duì)于馬鈴薯株水分狀態(tài)的評(píng)估具有重要價(jià)值,為馬鈴薯的快速水分診斷及節(jié)水灌溉推薦提供技術(shù)支撐。
2025-03-24 18:03:55562

已全部加載完成