- 博客(4)
- 收藏
- 关注
RSS订阅原创 S变换在特征提取中的使用
S变换 S变换采用高斯窗函数且窗宽与频率的倒数成正比，免去了窗函数的选择和改善了窗宽固定的缺陷，并且时频表示中各频率分量的相位谱与原始信号保持直接的联系，S变换具有良好的时频特性，适合用S变换对信号的一些时频与特征进行提取。 可以看出S变换不同于短时傅里叶变换之处在于高斯窗的高度和宽度随频率变化，这样就克服了短时傅里叶变化窗口高度和宽度固定的缺陷。S变化的离散变现形式：S变换的结
2016-10-31 21:19:58
29216
25
原创 ICA(独立成分分析)在信号盲源分离中的应用
ICA简介 ICA是20世纪90年代提出的，起初是神经网络的研究中有一个重要的问题，独立成分分析是一个解决问题的新方法。在许多应用方面，包括特征识别、信号分离。这种方法是用一种解线性方程组的方式的估计方式求解信号源。ICA与鸡尾酒会 假想一下，在一个房间里的不同位置放着两个麦克风，同时有两个人说话。两个麦克风能同时记录下两个时间信号，如果仅用这两个记录的信号来估计出原来的两个语音
2016-10-31 20:11:15
40921
18
原创 小波变换在信号去噪声中的使用
关于小波变换 小波变换（wavelet transform，WT）是一种新的变换分析方法,能够在时间（空间）频率的局部化分析，通过伸缩平移运算对信号（函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求。去噪的必要性 一般来说信号中都是带有信号的，特别是信号的采集过程中，在接收端除了获取目标信号外还会引入噪声。常见的噪声包括高斯白噪声，
2016-10-31 16:07:12
72654
18
原创 哈希表之开放地址的三种方法
hash表作为一种常见数据结构可以提供快速的插入和查找操作，不管哈希表中有多少个数据，插入和删除数据只需要接近O(1)的时间。这是具有非常大的优势。通常使用hash表速度会比树快，因为树需要O（N）时间级。不过hash表是基于数组的，创建后比较难扩展，使用不灵活。这样就注定需要面对动态内存问题，通常的思路是对数组进行扩展，将之前的数据复制到新的数组中并释放原来的内存。 hash表就是key
2016-10-03 20:23:10
22244
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人