搜索资源列表
xiaobobianhuan
- 利用小波变换多尺度分析的特性,在小波域的各个尺度上选取不同的阈值对基本的频域谱减法进行改进,并且根据清浊音各自不同的特点,在去噪过程中加以分离,保留了语音中的清音成分,使语音更加饱满。-The use of multi-scale wavelet analysis of the characteristics of the individual in the wavelet domain scale threshold select a different frequency domain of
SIFT-Algorithm-and-CPP-code
- 尺度不变特征变换（SIFT）算法详解及C++修正后源码-Scale Invariant Feature Transform (SIFT) Algorithm explain and C++ of correction after source
The-nature-of-the-Fourier-transform
- 使用图形化的方法显示傅里叶变换的一些性质(至少应包括时移性质和尺度变换性质) 对于信号的时移和频谱的关系，选择一个信号，让它在时域上作移位，可调节不同的时移大小，然后用软件演示其傅立叶变换在幅度上几乎没有变换，但在相位上会有变化。 对于信号的时间与频率的尺度变换，给出一个信号，保持其幅度不变，让信号的宽度发生变化，再观察其频域的变化。-Using a graphical method to display some of the properties of the Fourier tra
Laplace
- 传统的短时谱估计语音增强算法通常假设语音谱分量相互独立，没有考虑语音谱分量间的相关性。针对这 一问题，该文提出一种新的基于多元Laplace分布模型的短时谱估计算法。首先，假设语音的离散余弦变换(DCT) 系数服从多元Laplace分布，以此利用谱分量间的相关性；在此基础上，利用多元随机矢量的高斯尺度混合模型表 示，推导得到语音DCT系数矢量的最小均方误差(MMSE)估计的解析表达式；并进一步推导了基于该分布模型的 语音存在概率，对最小均方误差估计子进行修正。实验结果表明，该算法
fuse_dwb.m
- 程序中主要涉及一下几个关键技术：IHS方法、PCA方法、离散小波方法、平稳小波方法等等融合方法。多尺度融合主要有多尺度变换和融合规则两大部分。-The program mainly involves the following key technologies: IHS method, PCA method, discrete wavelet method, stationary wavelet methods, etc. Fusion. Multiscale fusion how major
3142
- 基于kaiser窗的双谱线插值FFT谐波分析，完整的图像处理课设，包含所有源代码，汽车图像，结合PCA的尺度不变特征变换(SIFT)算法。- Dual-line interpolation FFT harmonic analysis kaiser windows, Complete class-based image processing, contains all of the source code, auto image, Combined with PCA scale invariant
1617
- 结合PCA的尺度不变特征变换(SIFT)算法，使用高阶累积量对MPSK信号进行调制识别，STM32制作的MP3的全部资料。- Combined with PCA scale invariant feature transform (SIFT) algorithm, Using high-order cumulants of MPSK signal modulation recognition, STM32 all the information produced by the MP3.
jan-V1.7
- 雅克比迭代求解线性方程组课设,结合PCA的尺度不变特征变换(SIFT)算法，重要参数的提取。- Jacobi iteration for solving linear equations class-based, Combined with PCA scale invariant feature transform (SIFT) algorithm, Extract important parameters.
小波分解与重构
- 对信号进行多尺度分解并提取小波的高频系数和低频系数(Multi-scale decomposition of signals and extraction of high frequency coefficients and low frequency coefficients of wavelet)
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