小波变换在信号处理中的应用,包括分解，去噪，以及检测传感器故障等
上传时间： 2016-10-22
上传用户：q123321
变压器局部放电实验数据处理matlab程序，有去噪，波形峰值，相位信息获取。
上传时间： 2013-12-03
上传用户：FreeSky
对心电信号的QRS波进行前期处理，主要是下载信号和对信号去噪滤波。
上传时间： 2017-06-16
上传用户：xjz632
心电信号处理，通过matlab实现心电信号去噪，有利于更好的进行心电诊断
上传时间： 2020-02-29
上传用户：1304432475
自适应滤波器的硬件实现一直是自适应信号处理领域研究的热点。随着电子技术的发展，数字系统功能越来越强大，对器件的响应速度也提出更高的要求。 本文针对用通用DSP 芯片实现的自适应滤波器处理速度低和用HDL语言编写底层代码用FPGA实现的自适应滤波器开发效率低的缺点，提出了一种基于DSP Builder系统建模的设计方法。以随机2FSK信号作为研究对象，首先在matlab上编写了LMS去噪自适应滤波器的点M文件，改变自适应参数，进行了一系列的仿真，对算法迭代步长、滤波器的阶数与收敛速度和滤波精度进行了研究，得出了最佳自适应参数，即迭代步长μ=0.0057，滤波器阶数m=8，为硬件实现提供了参考。 然后，利用最新DSP Builder工具建立了基于LMS算法的8阶2FSK信号去噪自适应滤波器的模型，结合多种EDA工具，在EPFlOKl00EQC208-1器件上设计出了最高数据处理速度为36.63MHz的8阶LMS自适应滤波器，其速度是文献[3]通过编写底层VHDL代码设计的8阶自适应滤波器数据处理速度7倍多，是文献[50]采用DSP通用处理器TMS320C54X设计的8阶自适应滤波器处理速度25倍多，开发效率和器件性能都得到了大大地提高，这种全新的设计理念与设计方法是EDA技术的前沿与发展方向。 最后，采用异步FIFO技术，设计了高速采样自适应滤波系统，完成了对双通道AD器件AD9238与自适应滤波器的高速匹配控制，在QuartusⅡ上进行了仿真，给出了系统硬件实现的原理框图，并将采样滤波控制器与异步FIF0集成到同一芯片上，既能有效降低高频可能引起的干扰又降低了系统的成本。
上传时间： 2013-06-01
上传用户：ynwbosss
数字识别系统源代码 使用说明 第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别） 第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。 该系统的识别率一般情况下为90%。 此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。 具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“去噪”－“倾斜校正”－“分割”－“标准化尺寸”－“紧缩重排”。 注意，待识别的图片要与win.dat和whi.dat位于同一目录，这两文件保存训练后网络的权值参数。
上传时间： 2013-06-25
上传用户：wzr0701
·详细说明：sphinxbase是卡内基梅隆大学著名的sphinx语音识别工程的公用库，里面实现了语音的AD处理，端点检测，去噪等功能.文件列表: 67506257sphinxbase-0.1.tar
标签： Sphinxbase sphinx 大学 语音识别
上传时间： 2013-05-26
上传用户：boyaboy
提出了一种基于仿生小波变换和模糊推理的变步长自适应滤波语音降噪算法。该算法首先用仿生小波变换法对包含噪声的语音信号进行小波分解，以分离出来的噪声信号作为自适应滤波器的输入，选择基于模糊推理变步长自适应算法对带噪声语音信号进行降噪处理，最终实现语音信号的信噪分离，去除语音信号中的噪声。仿真结果表明，该方法对语音信号有较为明显的降噪效果。
上传时间： 2013-10-14
上传用户：恋天使569
为去除脑电信号采集过程中存在的噪声信号，提出了基于小波阈值去噪的脑电信号去噪。以小波阈值降噪为基础，首先利用db4小波对脑电信号进行5尺度分解，然后采用软、硬阈值与小波重构的算法进行去噪。通过对MIT脑电数据库中的脑电信号进行仿真，结果表明，采用软阈值方法有效去除了噪声，提高了脑电信号的信噪比。
上传时间： 2014-12-23
上传用户：如果你也听说
针对齿轮故障特征信号具有强噪声背景、非线性、非平稳性特点，提出采用形态梯度小波对齿轮振动信号进行降噪。首先使用形态梯度小波把齿轮振动信号分解到多个尺度上，然后对各层的细节系数进行软阈值方法降噪处理，对经过处理后的小波系数进行重构。对降噪后的齿轮振动信号采用S变换多分辨率时频分析，能够从具有良好的时频分辨率的S变换谱图提取齿轮故障特征。通过仿真试验和故障轴承的信号分析证明，该方法具有短时傅里叶变换和小波变换的优点，不存在Wigner-Ville分布的交叉干扰和负频率，能有效地提取隐含在噪声中的齿轮故障特征，适合齿轮故障的在线监测和诊断。
上传时间： 2013-11-01
上传用户：AISINI005
