通过该Matlab程序可以求取用于描述图像纹理特征的灰度共生矩阵参数（能量、熵、惯性矩、相关性）。
可以分别求取0,45°,90°,135°方向上的特征参数，同时可以求出这些特征参数的平均值与标准差。
可以分别求取0,45°,90°,135°方向上的特征参数，同时可以求出这些特征参数的平均值与标准差。
2023/12/6 9:40:38
4KB
1
对于传统的基于高阶累积量调制信号识别已经较为成熟，从基本的单混合信号出发，提取合适的特征参数设计相应的分类器，实现单混合信号的识别，现在达到了一个较高的识别率。
具有一定的工程意义，本资源主要包括一些基本的高阶累积量代码实现，和一些基于高阶累积量来实现的混合信号识别的文献，对于入门学习高阶累积量和信号识别具有一定的指导意义。
具有一定的工程意义，本资源主要包括一些基本的高阶累积量代码实现，和一些基于高阶累积量来实现的混合信号识别的文献，对于入门学习高阶累积量和信号识别具有一定的指导意义。
2023/12/1 16:48:42
15.64MB
1
--文件名：mine4.vhd。
--功能：实现4种常见波形正弦、三角、锯齿、方波（A、B）的频率、幅度可控输出（方波--A的占空比也是可控的），可以存储任意波形特征数据并能重现该波形，还可完成--各种波形的线形叠加输出。
--说明：SSS（前三位）和SW信号控制4种常见波形种哪种波形输出。
4种波形的频率、--幅度(基准幅度A)的调节均是通过up、down、set按键和4个BCD码置入器以及一--个置入档位控制信号（ss）完成的（AMP的调节范围是0~5V，调节量阶为1/51V）。
--其中方波的幅度还可通过u0、d0调节输出数据的归一化幅值（AMP0）进行进一步--细调（调节量阶为1/（51*255）V）。
方波A的占空比通过zu、zp按键调节（调节--量阶1/64*T）。
系统采用内部存储器——RAM实现任意输入波形的存储，程序只支--持键盘式波形特征参数置入存储，posting为进入任意波置入(set)、清除（clr）状态--控制信号，SSS控制存储波形的输出。
P180为预留端口，
--功能：实现4种常见波形正弦、三角、锯齿、方波（A、B）的频率、幅度可控输出（方波--A的占空比也是可控的），可以存储任意波形特征数据并能重现该波形，还可完成--各种波形的线形叠加输出。
--说明：SSS（前三位）和SW信号控制4种常见波形种哪种波形输出。
4种波形的频率、--幅度(基准幅度A)的调节均是通过up、down、set按键和4个BCD码置入器以及一--个置入档位控制信号（ss）完成的（AMP的调节范围是0~5V，调节量阶为1/51V）。
--其中方波的幅度还可通过u0、d0调节输出数据的归一化幅值（AMP0）进行进一步--细调（调节量阶为1/（51*255）V）。
方波A的占空比通过zu、zp按键调节（调节--量阶1/64*T）。
系统采用内部存储器——RAM实现任意输入波形的存储，程序只支--持键盘式波形特征参数置入存储，posting为进入任意波置入(set)、清除（clr）状态--控制信号，SSS控制存储波形的输出。
P180为预留端口，
2023/10/27 16:32:26
79KB
1
一篇心电信号识别和分类的论文。
定义并提取了基于时域特征、小波域特征和高阶统计量特征等三大类心电特征参数，将一次性直接求解多类模式的SVM方法应用于心电信号分类。
定义并提取了基于时域特征、小波域特征和高阶统计量特征等三大类心电特征参数，将一次性直接求解多类模式的SVM方法应用于心电信号分类。
2023/10/18 14:27:35
268KB
1
语音数据经过预处理，提取特征参数，训练VQ模型，建立码本库，然后对测试数据集进行说话人识别，输出识别结果。
2023/9/15 7:25:26
894KB
1
该说话人识别系统通过提取语音信号的MFCC特征参数，并由DWT算法计算得测试样本与各模板样本之间的距离，由最近临准则，完成说话人识别。
优点是算法简单，无需大量样本，缺点为需保证说话人说话的内容一致。
优点是算法简单，无需大量样本，缺点为需保证说话人说话的内容一致。
2023/9/1 6:51:52
1.15MB
1
声纹识别技术，形象的说法就是说话人识别技术。
它是根据人在说话时产生的波形，以及波形中反映人类心理和生理的特征参数来判断说话人的身份的技术。
本文所研究的是与文本有关的说话人确认系统。
比较了基于声道的线性预测倒谱系数(LPCC)和基于听觉特性的MEL频率倒谱系数(MFCC)参数特征，得出MFCC对环境存在更高的鲁棒性。
并运用了隐形马尔可夫模型(HMM)在MATLAB上实现了语音数字的识别仿真。
本实验系统的识别率达到了90%，验证了HMM模型识别的准确性。
它是根据人在说话时产生的波形，以及波形中反映人类心理和生理的特征参数来判断说话人的身份的技术。
本文所研究的是与文本有关的说话人确认系统。
比较了基于声道的线性预测倒谱系数(LPCC)和基于听觉特性的MEL频率倒谱系数(MFCC)参数特征，得出MFCC对环境存在更高的鲁棒性。
并运用了隐形马尔可夫模型(HMM)在MATLAB上实现了语音数字的识别仿真。
本实验系统的识别率达到了90%，验证了HMM模型识别的准确性。
2023/8/10 15:50:09
1.61MB
1
完整的语音处理matlab程序。
demo为利用ERBGammatone滤波器对语音信号进行处理。
可以提取基于听觉感知的特征参数。
demo为利用ERBGammatone滤波器对语音信号进行处理。
可以提取基于听觉感知的特征参数。
2023/8/7 15:58:56
144KB
1
运用MATLABR2014a来完成灰度共生矩阵各特征参数的求解。
以纸作为纹理分析的对象。
首先需将彩色图像将各颜色分量转化为灰度。
所用图像的灰度级为256。
为了减少计算量，对原始图像灰度级压缩，将灰度量化成16级。
计算四个共生矩阵P，取距离为1，角度分别为0,45,90,135。
对共生矩阵进行归一化，求出最常用的能量、熵、惯性矩、相关4个纹理参数。
最后求出能量、熵、惯性矩、相关的均值和标准差，作为最终8维纹理特征。
以纸作为纹理分析的对象。
首先需将彩色图像将各颜色分量转化为灰度。
所用图像的灰度级为256。
为了减少计算量，对原始图像灰度级压缩，将灰度量化成16级。
计算四个共生矩阵P，取距离为1，角度分别为0,45,90,135。
对共生矩阵进行归一化，求出最常用的能量、熵、惯性矩、相关4个纹理参数。
最后求出能量、熵、惯性矩、相关的均值和标准差，作为最终8维纹理特征。
2023/6/2 16:52:46
713B
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