基于NLMS和LMS算法,用matlab实现了对语音信号中的回声进行消除,完成了课程设计,其中NLMS的效果要优于LMS的效果.
2023/7/24 22:40:51
2KB
1
为了方便盲人朋友出行，提出了一种基于STC90C516RD单片机的多功能盲人智能拐杖设计方案，并完成了系统的软硬件设计。
整个系统采用模块化设计，由测距模块、电子指南模块、时钟显示模块、GSM通信模块、语音播报等模块组成，实现了报时、紧急呼救、方位辨识和障碍探测等功能，并且所有功能均伴有语音提示。
为了使设计更加人性化，该系统设置了功能按键，使用者可以通过按键实现各个功能之间的切换。
实际应用结果表明，智能拐杖不但克服了传统拐杖的缺点，而且使用简单，能够为盲人朋友提供更加便捷、安全的出行方式。
整个系统采用模块化设计，由测距模块、电子指南模块、时钟显示模块、GSM通信模块、语音播报等模块组成，实现了报时、紧急呼救、方位辨识和障碍探测等功能，并且所有功能均伴有语音提示。
为了使设计更加人性化，该系统设置了功能按键，使用者可以通过按键实现各个功能之间的切换。
实际应用结果表明，智能拐杖不但克服了传统拐杖的缺点，而且使用简单，能够为盲人朋友提供更加便捷、安全的出行方式。
2023/7/24 13:09:43
4.63MB
1
盲源分离，语音增强Blindsourceseparation(BSS)methodshavereceivedextensiveattentionoverthepasttwodecades;thankstoitswideapplicabilityinanumberofareassuchasbiomedicalengineering,audiosignalprocessing,andtelecommunications.Theproblemofsourceseparationisaninductiveinferenceproblem,asonlylimitedinformation,e.g.,thesensorobservations,isavailabletoinferthemostprobablesourceestimates.
2023/7/22 21:39:42
19.57MB
1
语音这是我正在学习的数字游乐场。
我在这里集成和验证新技术和想法，使用新的UI/UX组件，并使用我想到的最佳编码标准进行开发。
同时，我想提供一种有声读物播放器，它真的很容易使用，并且很有趣。
仍然有些组件已过时。
如果您喜欢或，那将非常感激。
但是随着时间的流逝，可能会发生结构性变化。
发展历程如果您想帮助检查标签。
在实际开始之前先讨论要做什么是一个好主意，这样可以避免沮丧。
一些编码规则：使用项目使用的代码样式对于每个功能，请创建一个单独的分支，以便可以单独进行查看使用具有良好描述的提交，这样每个人都可以看到您所做的事情项目页面位于。
在那里所有的本地化都得到维护。
如果您想做出贡献，请检查是否存在未翻译或错误翻译的单词。
或者，如果您会说一种新语言，也可以开始翻译;-)执照版权所有（C）2014许可证是。
通过捐款，您同意在相同条件下许可代码。
我在这里集成和验证新技术和想法，使用新的UI/UX组件，并使用我想到的最佳编码标准进行开发。
同时，我想提供一种有声读物播放器，它真的很容易使用，并且很有趣。
仍然有些组件已过时。
如果您喜欢或，那将非常感激。
但是随着时间的流逝，可能会发生结构性变化。
发展历程如果您想帮助检查标签。
在实际开始之前先讨论要做什么是一个好主意，这样可以避免沮丧。
一些编码规则：使用项目使用的代码样式对于每个功能，请创建一个单独的分支，以便可以单独进行查看使用具有良好描述的提交，这样每个人都可以看到您所做的事情项目页面位于。
在那里所有的本地化都得到维护。
如果您想做出贡献，请检查是否存在未翻译或错误翻译的单词。
或者，如果您会说一种新语言，也可以开始翻译;-)执照版权所有（C）2014许可证是。
通过捐款，您同意在相同条件下许可代码。
2023/7/18 22:41:53
11.09MB
1
问题发现：本次案例为工作中遇到的实际问题，在语音识别中的语料准备部分，需要从网络中爬取相当数量的相关文本，其中发现爬取到了一些不相关的内容，如何把这些不相关的内容剔除掉成为笔者需要思考的问题。
初步思考：遇到此问题笔者第一时间考虑是将文本分词后向量化，使用聚类看一下分布情况，然而发现在不同训练集中，训练样本变化时，向量随之变化，在测试集中表现一般，在实测中几乎无用。
于是想到向量化的方法问题，使用sklearnCountVectorizer方法进行向量化，仅仅是将所有词频无序的向量化，看到另外博文时，发现应该先将目标主题的文本进行词频统计，将统计结果当做向量化模板，实测发现效果不错，现将此方法分享给大家
初步思考：遇到此问题笔者第一时间考虑是将文本分词后向量化，使用聚类看一下分布情况，然而发现在不同训练集中，训练样本变化时，向量随之变化，在测试集中表现一般，在实测中几乎无用。
于是想到向量化的方法问题，使用sklearnCountVectorizer方法进行向量化，仅仅是将所有词频无序的向量化，看到另外博文时，发现应该先将目标主题的文本进行词频统计，将统计结果当做向量化模板，实测发现效果不错，现将此方法分享给大家
2023/7/17 6:40:05
2.71MB
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