稀疏表示波达方向（DOA）估计算法具有分辨力高等优点，但是对阵元个数要求高、低信噪比时估计功能恶化严重，不利于在实际系统中应用。
为此，提出一种基于实信号特点的稀疏表示波达方向估计算法。
首先，建立实值稀疏表示的DOA估计模型，能够将阵元数虚拟加倍；
其次，利用正交三角分解对估计模型变型，从而改善低信噪比时的估计功能；
最后，利用正交匹配追踪算法得到估计结果。
仿真实验结果表明，相对传统稀疏表示算法，具有更低的估计误差和更好的实时性，在实际工程中应用前景广阔。
为此，提出一种基于实信号特点的稀疏表示波达方向估计算法。
首先，建立实值稀疏表示的DOA估计模型，能够将阵元数虚拟加倍；
其次，利用正交三角分解对估计模型变型，从而改善低信噪比时的估计功能；
最后，利用正交匹配追踪算法得到估计结果。
仿真实验结果表明，相对传统稀疏表示算法，具有更低的估计误差和更好的实时性，在实际工程中应用前景广阔。
2021/3/21 4:44:13
934KB
1
提出了一种将激光光源进行AD转换并与干涉信号相除以消除伴生调幅的相位生成载波的数字化解调方案，对消除伴生调幅后的信号进行了反正切PGC算法和微分交叉相乘PGC-DCM算法的对比研讨，仿真实验表明：反正切PGC可以检测到更低频率的信号，而且算法耗时低，具有更高的实时性。
2022/11/3 9:58:54
147KB
1
首先产生若干种群（特征子集），然后用PSO算法对特征及参数进行优化。
在UCI标准数据集上进行的仿真实验表明，该算法可无效地找出合适的特征子集及LS-SVM参数，且与基于遗传算法的最小二乘支持向量机算法（GALS-SVM）和传统的LS-SVM算法相比具有较好的分类效果。
在UCI标准数据集上进行的仿真实验表明，该算法可无效地找出合适的特征子集及LS-SVM参数，且与基于遗传算法的最小二乘支持向量机算法（GALS-SVM）和传统的LS-SVM算法相比具有较好的分类效果。
2020/7/14 17:04:21
256KB
1
首先产生若干种群（特征子集），然后用PSO算法对特征及参数进行优化。
在UCI标准数据集上进行的仿真实验表明，该算法可无效地找出合适的特征子集及LS-SVM参数，且与基于遗传算法的最小二乘支持向量机算法（GALS-SVM）和传统的LS-SVM算法相比具有较好的分类效果。
在UCI标准数据集上进行的仿真实验表明，该算法可无效地找出合适的特征子集及LS-SVM参数，且与基于遗传算法的最小二乘支持向量机算法（GALS-SVM）和传统的LS-SVM算法相比具有较好的分类效果。
2016/6/20 2:21:45
256KB
1
为了有效改善解码语音的质量，提出了一种K-L变换语音波形编码算法。
由语音帧构造协方差矩阵，并对其进行特征值分解，得到特征值及其对应的特征向量，由特征向量构造正交矩阵；
用正交矩阵对语音帧作正交变换得到变换系数向量；
选取适当特征值对应的特征向量构造重构矩阵；
用重构矩阵对变换系数向量作逆变换得到增强后的语音信号；
对增强后的语音抽取并传输至解码端；
通过插值技术重构语音信号。
在不同信噪比下对不同语音样本进行仿真实验，并同离散余弦变换编码比较，实验表明，该算法不仅数据压缩率高、解码语音清晰和自然，而且同时实现语音良好的自顺应增强。
由语音帧构造协方差矩阵，并对其进行特征值分解，得到特征值及其对应的特征向量，由特征向量构造正交矩阵；
用正交矩阵对语音帧作正交变换得到变换系数向量；
选取适当特征值对应的特征向量构造重构矩阵；
用重构矩阵对变换系数向量作逆变换得到增强后的语音信号；
对增强后的语音抽取并传输至解码端；
通过插值技术重构语音信号。
在不同信噪比下对不同语音样本进行仿真实验，并同离散余弦变换编码比较，实验表明，该算法不仅数据压缩率高、解码语音清晰和自然，而且同时实现语音良好的自顺应增强。
2020/7/16 18:07:23
1.19MB
1
为了有效改善解码语音的质量，提出了一种K-L变换语音波形编码算法。
由语音帧构造协方差矩阵，并对其进行特征值分解，得到特征值及其对应的特征向量，由特征向量构造正交矩阵；
用正交矩阵对语音帧作正交变换得到变换系数向量；
选取适当特征值对应的特征向量构造重构矩阵；
用重构矩阵对变换系数向量作逆变换得到增强后的语音信号；
对增强后的语音抽取并传输至解码端；
通过插值技术重构语音信号。
在不同信噪比下对不同语音样本进行仿真实验，并同离散余弦变换编码比较，实验表明，该算法不仅数据压缩率高、解码语音清晰和自然，而且同时实现语音良好的自顺应增强。
由语音帧构造协方差矩阵，并对其进行特征值分解，得到特征值及其对应的特征向量，由特征向量构造正交矩阵；
用正交矩阵对语音帧作正交变换得到变换系数向量；
选取适当特征值对应的特征向量构造重构矩阵；
用重构矩阵对变换系数向量作逆变换得到增强后的语音信号；
对增强后的语音抽取并传输至解码端；
通过插值技术重构语音信号。
在不同信噪比下对不同语音样本进行仿真实验，并同离散余弦变换编码比较，实验表明，该算法不仅数据压缩率高、解码语音清晰和自然，而且同时实现语音良好的自顺应增强。
2015/11/25 3:27:43
1.19MB
1
针对图像边缘与轮廓不能精确重构的问题,提出了一种基于灰度共生矩阵的多尺度分块压缩感知算法。
该算法利用三级离散小波变换将图像分解为高频部分和低频部分。
通过灰度共生矩阵的熵分析高频部分图像块的纹理复杂度,并根据图像块纹理进行再分块、自顺应分配采样率。
采用平滑投影Landweber算法重构图像,消除分块引起的块效应。
对多种图像进行压缩重构仿真,实验结果表明,无观测噪声情况、采样率为0.1时,本算法在Mandrill图像上得到的峰值信噪比(PSNR)为25.37dB,比现有非均匀分块算法提高了2.51dB。
不同噪声水平下,本算法的PSNR比无噪时仅下降了0.41~2.05dB。
对于纹理复杂度较高的图像,本算法的重构效果明显优于非均匀分块算法,对噪声具有较好的鲁棒性。
该算法利用三级离散小波变换将图像分解为高频部分和低频部分。
通过灰度共生矩阵的熵分析高频部分图像块的纹理复杂度,并根据图像块纹理进行再分块、自顺应分配采样率。
采用平滑投影Landweber算法重构图像,消除分块引起的块效应。
对多种图像进行压缩重构仿真,实验结果表明,无观测噪声情况、采样率为0.1时,本算法在Mandrill图像上得到的峰值信噪比(PSNR)为25.37dB,比现有非均匀分块算法提高了2.51dB。
不同噪声水平下,本算法的PSNR比无噪时仅下降了0.41~2.05dB。
对于纹理复杂度较高的图像,本算法的重构效果明显优于非均匀分块算法,对噪声具有较好的鲁棒性。
2015/9/27 10:19:52
11.24MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB