SLAM导航机器人零基础实战系列-第3章_感知与大脑在我的想象中机器人首先应该能自由的走来走去，然后应该能流利的与主人对话。
朝着这个理想，我准备设计一个能自由行走，并且可以与人语音对话的机器人。
实现的关键是让机器人能通过传感器感知周围环境，并通过机器人大脑处理并输出反馈和执行动作。
本章节涉及到的传感器有激光雷达、IMU、轮式里程计、麦克风、音响、摄像头，和用于处理信息的嵌入式主板。
关于传感器的ROS驱动程序开发和在机器人上的使用在后面的章节会展开，本章节重点对机器人传感器和嵌入式主板进行讲解，主要内容：1.ydlidar-x4激光雷达2.带自校准九轴数据融合IMU惯性传感器3.轮式里程计与运动控制4.音响麦克风与摄像头5.机器人大脑嵌入式主板功能对比6.做一个能走路和对话的机器人
朝着这个理想，我准备设计一个能自由行走，并且可以与人语音对话的机器人。
实现的关键是让机器人能通过传感器感知周围环境，并通过机器人大脑处理并输出反馈和执行动作。
本章节涉及到的传感器有激光雷达、IMU、轮式里程计、麦克风、音响、摄像头，和用于处理信息的嵌入式主板。
关于传感器的ROS驱动程序开发和在机器人上的使用在后面的章节会展开，本章节重点对机器人传感器和嵌入式主板进行讲解，主要内容：1.ydlidar-x4激光雷达2.带自校准九轴数据融合IMU惯性传感器3.轮式里程计与运动控制4.音响麦克风与摄像头5.机器人大脑嵌入式主板功能对比6.做一个能走路和对话的机器人
2017/2/20 21:54:52
4.17MB
1
该书是一本声学和语音信号处理领域的专著，全面系统地阐述了麦克风阵列的理论和应用。
全书共分为十章，涵盖了麦克风阵列信号处理领域中最重要的主题。
每章沿着从基本理论到实际应用的脉络进行描述，希冀为读者建立起最重要的基本概念。
[1]全书各章基本是自含的，可以按需求单独阅读每一章。
第1章介绍麦克风阵列的概念、特点和应用，以及全书组织结构。
第2章阐述了线性最优滤波器，这是麦克风阵列信号处理的基础。
第3章介绍了传统的窄带波束成形技术，引入了宽带波束成形的原理。
第4章介绍如何将线性限制最小方差滤波器（LCMV）用于室内声音环境下的噪声抑制和去混响。
第5章在一个统一的数学框架下，介绍了几种典型的单通道噪声抑制算法在麦克风阵列噪声抑制中的应用。
第6章在单通道和多通道两个方面介绍了频域最优滤波器，侧重协助读者理解在多通道条件下频域滤波器的工作原理。
第7章从多输入多输出（MIMO）系统的角度介绍了麦克风阵列在信源提取、去混响和干扰抑制等方面的应用。
第8章是第7章的延续，介绍了如何使用两步策略处理干扰源及混响问题。
第9章介绍了麦克风阵列条件下的波达方向（DOA）和时延估计（TDOA）问题。
第10章对本书中没有涉及的几个问题进行了讨论。
本书可以作为通信、信号处理和声学等相关专业研究生的教材或教学参考书，也可供从事相关工作的科研及工程人员参考。
[1]
全书共分为十章，涵盖了麦克风阵列信号处理领域中最重要的主题。
每章沿着从基本理论到实际应用的脉络进行描述，希冀为读者建立起最重要的基本概念。
[1]全书各章基本是自含的，可以按需求单独阅读每一章。
第1章介绍麦克风阵列的概念、特点和应用，以及全书组织结构。
第2章阐述了线性最优滤波器，这是麦克风阵列信号处理的基础。
第3章介绍了传统的窄带波束成形技术，引入了宽带波束成形的原理。
第4章介绍如何将线性限制最小方差滤波器（LCMV）用于室内声音环境下的噪声抑制和去混响。
第5章在一个统一的数学框架下，介绍了几种典型的单通道噪声抑制算法在麦克风阵列噪声抑制中的应用。
第6章在单通道和多通道两个方面介绍了频域最优滤波器，侧重协助读者理解在多通道条件下频域滤波器的工作原理。
第7章从多输入多输出（MIMO）系统的角度介绍了麦克风阵列在信源提取、去混响和干扰抑制等方面的应用。
第8章是第7章的延续，介绍了如何使用两步策略处理干扰源及混响问题。
第9章介绍了麦克风阵列条件下的波达方向（DOA）和时延估计（TDOA）问题。
第10章对本书中没有涉及的几个问题进行了讨论。
本书可以作为通信、信号处理和声学等相关专业研究生的教材或教学参考书，也可供从事相关工作的科研及工程人员参考。
[1]
2019/8/6 23:54:47
27.59MB
1
采用windowsvista之后最新的mmdeviceapi，进行基于coreaudio的音频采集，启用windows内部实现的回声消弭，系统会将正在输出的音频信号，从麦克风采集到的音频里面过滤掉，使其只包含来着计算机外部的声音。
比如人的语音。
系统要求vista及以上，xp不可用，xp可移步至directsound全双工采集，启用AEC回声消弭效果的参考代码。
http://download.csdn.net/detail/xuwei17385/4060561
比如人的语音。
系统要求vista及以上，xp不可用，xp可移步至directsound全双工采集，启用AEC回声消弭效果的参考代码。
http://download.csdn.net/detail/xuwei17385/4060561
2019/7/27 10:52:58
151KB
1
用VS2013编译，在项目配置属性-》连接器—》输入中添加库winmm.lib。
文件齐全，代码可以枚举麦克风设备，实现选择麦克风设备进行录音调试，并且实时播放录音效果，选择麦克风设备时，就已经设置系统录音设备了。
录音同时绘制波形图。
文件齐全，代码可以枚举麦克风设备，实现选择麦克风设备进行录音调试，并且实时播放录音效果，选择麦克风设备时，就已经设置系统录音设备了。
录音同时绘制波形图。
2022/9/7 11:23:11
439KB
1
在音视频通话的现实场景中，不同的参会人说话音量各有不同，参会用户需要频繁的调整播放音量来满足听感的需要，戴耳机的用户随时承受着大音量对耳朵的“暴击”。
因而，对发送端音量的均衡在上述场景中显得尤为重要，优秀的自动增益控制算法能够统一音频音量大小，极大地缓解了由设备采集差异、说话人音量大小、距离远近等因素导致的音量的差异设备的多样性最直接的体现就是音频采集的差异，一般表现为音量过大导致爆音，采集音量过小对端听起来很吃力。
webrtc的AGC算法AGC是自动增益补偿功能（AutomaticGainControl），AGC可以自动调麦克风的收音量，使与会者收到一定的音量水平，不会因发言者与麦克风的距离改变时，声音有忽大忽小声的缺点。
webbrtc中的结构如下：
因而，对发送端音量的均衡在上述场景中显得尤为重要，优秀的自动增益控制算法能够统一音频音量大小，极大地缓解了由设备采集差异、说话人音量大小、距离远近等因素导致的音量的差异设备的多样性最直接的体现就是音频采集的差异，一般表现为音量过大导致爆音，采集音量过小对端听起来很吃力。
webrtc的AGC算法AGC是自动增益补偿功能（AutomaticGainControl），AGC可以自动调麦克风的收音量，使与会者收到一定的音量水平，不会因发言者与麦克风的距离改变时，声音有忽大忽小声的缺点。
webbrtc中的结构如下：
2018/10/18 17:32:02
51KB
1
普通来说我们都使用键盘输入，但是98，IBM认为，可以使用麦克风，那么效果如何呢，驱动和GHO5都是一个辅助，特别的好，推荐
2020/9/21 17:48:31
578.49MB
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