搜索资源列表
谐波恢复MUSIC方法
- 现代信号处理作业中的MUSIC(多重信号分类)进行谐波恢复的实验。文件中有清晰详细的理论及算法说明-modern signal processing operations MUSIC (multiple signal classification) harmonic restoration experiment. The document included a clear and detailed statement Theory an
数字信号处理的上机实习报告！关于声音的采样！
- 健身球检验分类机MATLAB应用--音乐信号处理MATLAB应用--音乐信号处理-fitness test signal separation machines MATLAB applications -- music MATLAB signal processing applications -- music Signal Processing
puguji
- 谱估计 (1)修正协方差法 (2)多重信号分类（MUSIC）算法 (3)ESPRIT算法 (4)皮萨论科（Pisarenko）谐波分解法 并对各算法进行分析。 解压后即可在MATLAB上运行-spectral estimation (1) the amendment of covariance (2) multiple signal classification (MUSIC) algorithm (3) ESP
matlab_pro
- matlab实现信号分类，根据信号的相关性，获取信号类别，自动进行信号分类
modulate_identify
- 基于小波变换的调制识别方法.里面包含如下内容：QAM、PSK、FSK、AM和OFDM信号源生成程序，基于小波变换的QAM、PSK和FSK信号分类算法的程序，利用小波变换区分OFDM信号与数字单载波信号的算法程序，利用OFDM信号自相关特性分类OFDM信号与模拟信号的算法的程序。
music
- 此算法是DOA估计中多重信号分类算法（MUSIC)算法，保证正确。
BP1
- BP神经网络 数据分类 语音特征信号分类-BP neural network classification of data signal classification speech features
case1
- BP神经网络的数据分类-语音特征信号分类-BP Neural Network for Data Classification- Classification of speech feature signals
基于DFT的信号识别系统
- 设系统的输入信号x(n)是具有单一频谱峰值的正弦信号，短时矩形窗将信号截短尾有限长，经过DFT变换得到频谱，频率检测器检测频谱最大峰值的位置，即对应的频率，然后由分类器识别信号的类别。
chapter1
- 语音特征信号分类，利用神经网络进行语音特征信号分类(Voice feature signal classification, the use of neural networks for voice feature signal classification)
案例1 BP神经网络的数据分类-语音特征信号分类
- 简单的bp神经网络，是一个语音信号的简单建模和处理，结构深度是3层(simple MATLAB code example for BP network)
案例1 BP神经网络的数据分类-语音特征信号分类
- 通过BP算法，实现对语音特征信号的数据分类(Through the BP algorithm, the realization of the classification of speech signals)
Design Explorer 99 SE
- 波达方向（DOA）估计的基本问题就是确定同时处在空间某一区域内多个感兴趣的信号的空间位置（即多个信号到达阵列参考阵元的方向角）。最早的也是最经典的超分辨DOA估计方法是著名的MUSIC方法，MUSIC是多重信号分类（Multiple Signal Classification）的英文缩写。它是由R．O． Schmidt于1979年提出来的，由1986年重新发表的。MUSIC算法利用了信号子空间和噪声子空间的正交性，构造空间谱函数，通过谱
am，pam等信号
- 详细分类介绍了AM,BPSK,BFSK,PAM信号的循环谱与循环自相关函数的生产，具有可操作性。(The production of cyclic spectrum and cyclic autocorrelation function of AM, BPSK, BFSK and PAM signals is introduced in detail, and it is operable.)
SVM
- 利用SVM支持向量机进行信号分类，解决非线性信号问题(SVM support vector machine is used to classify signals and solve nonlinear signal problems.)
cnn
- cnn 分类 一维 信号分类 模型简单适合新手，效果一般(Cnn classification One-dimensional signal classification The model is simple for beginners, the effect is average)
心电信号检测与分类算法的研究
- （1）心电信号预处理 心电信号是一种低频且含有众多噪声干扰的信号。针对心电信号存在的 噪声干扰问题，本文采用了平稳小波变换结合双变量阈值的方法对其进行去 噪处理。通过对心电信号进行八层平稳小波变换，得到不同的小波系数，采 用双变量阈值函数表达式对其进行处理得到新的小波系数，最后进行逆平稳 小波变换实现小波重构，完成心电信号去噪。Matlab 仿真结果显示，本文算 法的准确率较高，信噪比达到 84.5934dB。 （2）心电信号
数字信号识别
- 应用直接幅度方差实现mask\mfsk\mpsk的分类识别，识别率高达97%。(The direct amplitude variance is used to classify mask, MFSK and MPSK, and the recognition rate is as high as 97%.)
SVM分类
- 基于SVM的疲劳驾驶系统。基于神经网络的非接触式疲劳驾驶检测已成为当前针对疲劳驾驶检测领域炙手可热的研究方向。它有效解决了接触式疲劳检测方法给驾驶员带来的干扰以及单一信号源对于反映疲劳程度可靠性低的问题，同时通过设计神经网络模型对多源信息进行分类，实现对疲劳状态的高精度和高速度的检测。选取合适的特征值对网络检测准确率以及准确反映疲劳程度至关重要。基于驾驶员生理信号检测可靠性和准确性较高。(Fatigue driving system b
BP神经网络
- 一个简单的BP神经网络分类声发射信号的范例，对理解框架有帮助，不过结果不够严谨，不利于发表(A simple example of BP neural network classification of AE signals is helpful to understand the fr a mework, but the results are not rigorous enough to be published)