搜索资源列表
wavelet
- 用小波对语音信号进行分解与重构（matlab）-Voice signals using wavelet decomposition and reconstruction (matlab)
wavelet
- 采样小波包分解语音信号，分解为3层，并求出分解系数-Speech signal using wavelet packet decomposition，decomposing 6 level，and attain decomposition coefficient
MATLAB2
- 多尺度小波分解下的自适应语音消噪算法研究,并进行仿真，得到高质量的语音-use MATLAB to voicedenoise
xiaobofenjiehechougou
- 小波分解和重构 小波分解和重构 -thr=sigma*(2*lgN)1/2/lg(j+1) 用[x,xn]=wnoise(2,10,6) 产生噪声测试数据-The following is Part I of a of hard and soft threshold denoising matlab procedure is the following hardware and software, I made a threshold denoising matlab program: thr
xiaobochonggou
- matlab中使用的小波分解后各种重构程序，注释清晰，容易实现-various reconstruction procedures the matlab using wavelet decomposition notes in a clear, easy to implement
xindianxiaobofejie
- 利用matlab软件对心电信号进行小波分解和降噪处理，包含原始数据-Wavelet decomposition and noise reduction processing of the ECG signal using matlab software contains raw data
labviewxiaoboyoulunwen
- Labview的小波分解与还原程序，没有调用matlab，配套论文，可以此为基础改成小波去噪程序-Labview wavelet decomposition and reduction program, there is no call matlab, supporting the thesis, this can be changed based on wavelet denoising procedure
xioaboquzao
- 小波去噪程序，调用matlab，db6基波，分解三次，用于声音处理，比一般滤波器要好用-Wavelet denoising procedure, call matlab, db6 fundamental decomposition three times, for sound processing, be easy to use than the average filter
2Dwavelet-transform
- 未使用matlab小波函数实现图像的二维小波分解和重构，分解和重构结果有对比-Matlab wavelet function is not used to achieve a two-dimensional image wavelet decomposition and reconstruction, decomposition and reconstruction contrasting results
one
- 通过使用matlab自带的小波函数对语音信号进行处理，首先对载入的语音信号snow.wav添加高斯白噪声，然后对加噪的语音信号进行三层小波分解，最后分别采用强制性和默认阈值两种方法对信号进行消噪处理，强制性消噪方法直接将分解的高频系数全部变为0，默认阈值通过对分解的高频系数设定阈值来进行消噪-By using MATLAB built-in wavelet function of speech signal processing, first on the loading of the spee
Wavelet-Analysis-in-speech-signal-
- 用MATLAB对一语音信号进行小波分解，分别用强阈值，软阈值，默认阈植进行消噪处理。-Using MATLAB to a voice signal wavelet decomposition, respectively intensity threshold, soft threshold, default threshold denoising processing plant.
Sparse image and signal processing
- 这本书在稀疏的多尺度图像和信号处理提出了艺术状态，包括线性多尺度变换，如小波，脊波和曲波变换、非线性、多尺度变换基于中值和数学形态学算子。最近的稀疏性和形态多样性的概念描述和利用各种问题，如去噪，反问题正规化，稀疏信号分解，盲源分离，压缩感知。 这本书的理论和实践研究相结合的领域，如天文学、生物学、物理学、数字媒体应用和取证。最后一章探讨了信号处理中的一个范式转换，表明以前的信息取样和提取的限制可以用非常重要的方法加以克服。 MATLAB和IDL代码伴随这些方法和应用程序重现。 实验并说明