matlab
文章平均质量分 51
qq-120
这个作者很懒,什么都没留下…
展开
-
matlab数据集路径设置方法
为matlab安装的路径,我的软件安装路径是’E:\Matlab2022’;‘IncludeSubfolders’ 判断是否包含子文件夹;原创 2023-02-11 23:38:17 · 1262 阅读 · 1 评论 -
卷积、相关(matlab)
本次博客主要是图示化卷积过程,能够进一步加深学者在学习过程中对数学卷积的理解。首先,再次回顾一下利用MATLAB产生指数序列 x[k]=Kαku[k],a=input('a=');K=input('K=');N=input('N=');k=0:N-1;x=K*a.^k;stem(k,x);xlabel('Time');ylabel('Amplitude');title(['\alp...原创 2019-10-28 01:26:16 · 1849 阅读 · 0 评论 -
二维矩阵与二维矩阵之间的卷积
最近在学习数字图像处理(Digital Image Processing,DIP)这门课,感觉有些吃力。由于在数字信号处理(Digital Singal Processing, DSP)这门课中只学了一维矩阵之间的卷积运算。第二步,需要将卷积核h的中心对准f(0,0),然后对应元素相乘后相加,没有元素的地方补0。第一步,需要将卷积核翻转180°,kernel矩阵 也就变成了。如果需要计算/了解多维的卷积,可看下面链接的博客。一定要主要conv2中A,B矩阵的顺序!假设我们的卷积核h为kernel矩阵(3。原创 2020-04-25 04:02:24 · 5556 阅读 · 2 评论 -
可视化滤波器fvtool
滤波器可视化工具是一个交互式工具,能够显示滤波器的幅值、相位响应、群延迟、脉冲响应、阶跃响应、极点-零点图和系数。[请添加图片描述](https://img-blog.csdnimg.cn/882367c320644597bec6aaf8c8e2dc18.jpeg。可以画出每一个滤波器幅值响应曲线,如下图所示;单独画出第9个滤波器幅值响应曲线,如下图所示;做8192点FFT得到的图像如下图所示;创建一个伽马通滤波器组对象,如下图所示;(1)首先创建一个倍频滤波器组对象;可视化第九个滤波器,如下图所示;原创 2022-10-17 14:18:35 · 874 阅读 · 0 评论 -
希尔伯特变换(matlab)
百度百科维基百科(需要梯子科学上网)原创 2022-10-13 20:10:04 · 6372 阅读 · 0 评论 -
matlab之Signal Labeled APP
使用信号标签器标记峰值,并标记平峰值与其他峰值不同。(3)为Peak创建一个子标签来注释平坦的峰值,这是三个标签中的第二个。、时间图或标签查看器中单击它来选择标签。”列表中选择“从工作空间”,在弹出的对话框中选择数据信号,单击“并选择“标记信号集到文件。”,选择“自动标签所有信号”。”中信号名称旁边的复选框,以在时间图中显示信号。首先创建一个信号标签定义。(6)导出标记信号集和信号标签定义。”浏览器中仍然选择Peak,单击“”浏览器中突出显示峰值定义,在“”并选择“添加子标签定义”。(4)导出标记的信号。原创 2022-10-13 18:17:52 · 1154 阅读 · 0 评论 -
如何求取一个序列的相位(matlab)
在大部分场景下,我们一般只看重信号的幅值大小,但有时也需要考虑相位信息,因此需要会求取信号的相位关系。很显然从上图中可以清楚地看出该信号在15Hz处相位为-pi/4,40Hz处相位为pi/2。计算变换的相位,删除小幅值变换值。将相位绘制为频率函数。首先创建一个复数,并计算其幅值和相位。原创 2022-10-12 09:52:36 · 7606 阅读 · 0 评论 -
如何寻找峰值及其位置(matlab)
创建一个时间表(timetable),声明函数years,并显示timetable中最后5组数据;仔细观察,发现上图中部分位置出现重叠现象,从而设置两两相邻峰值最小间隔为6;sunspot.dat是一组循环周期数据,大约每11年会出现一个峰值;(2)使用带有函数findpeaks来查找信号的峰值及其位置;假定数据均记录于每年3月20日,用每年的数据创建一个日期矩阵;为了验证上一步是否有效,计算上述情况峰峰值之间平均间隔;(4)标记出峰值相对高度、宽度等信息;得到平均间隔为10.96,近似于11;原创 2022-10-10 20:17:10 · 17581 阅读 · 0 评论 -
Monitor Deep Learning Training Progress
在训练过程中,您可以通过点击右上角的停止按钮停止训练并返回网络的当前状态。训练损失、经过平滑处理的训练损失和验证损失-分别指每个小批量的损失、其经过平滑处理的版本以及验证集的损失。经过平滑处理的训练准确度-经过平滑处理的训练准确度,通过将平滑算法应用于训练准确度来获得。训练网络并在训练过程中绘制训练进度。...原创 2022-07-20 00:16:11 · 664 阅读 · 0 评论 -
矩阵形式的泰勒展开
如何求任意n维空间任意m个列向量构成的平行多面体的体积用楔形积求任意n维空间任意m个列向量构成的平行多面体的体积公式为原创 2022-07-10 18:43:30 · 1838 阅读 · 0 评论 -
平面旋转任意角度x
a,b是n维空间中的任意两个不相关的列向量,试构建一个在a,b所在的平面旋转任意角度x的矩阵?References:https://blog.csdn.net/qq_41585683/article/details/115838461原创 2022-07-10 18:39:04 · 1048 阅读 · 0 评论 -
计算矩阵的任意次方
如何计算如下矩阵的任意次方(比如0.5次方)验证:References:原创 2022-07-10 18:34:02 · 1807 阅读 · 0 评论 -
加权最小二乘法和离群点
处理方法1)使用加权最小二乘法;由于最小二乘法思想是最小化均方差,在误差符合正态分布,均值为0的前提下,考虑了每个样本的贡献度,即每个样本都具有相同的权重,因此最小二乘法对数据中间的异常值特别敏感。加权最小二乘法也是以距离为度量,根据距离大小赋予不同的权重值,可以在一定程度上减少异常值的干扰。2)使用残差诊断离群值;利用最小二乘法线性模型,通过计算残差,判定采样数据中的离群值,去除离群值后再次计算残差,找出离群值,直至不再出现离群值,计算最小二乘法回归方程。......原创 2022-07-10 18:21:32 · 2082 阅读 · 2 评论 -
超高维数据(数据维度远大于样本数)的降维
超高维数据(数据维度远大于样本数)的降维该如何处理原创 2022-07-10 18:09:19 · 1623 阅读 · 0 评论 -
单通道语音信噪分离算法研究
单通道语音信噪分离算法研究摘要:为了评估单通道语音信噪分离的效果,本文分别对六种传统语音增强算法进行了探讨。在理想的高斯白噪声环境下,子空间法增强后的语音信号输出信噪比SNR最大,VMD(Variational Mode Decomposition, VMD)增强后的语音信号语谱图保留频率细节部分更多,分段信噪比 segSNR 最高。在八种不同场景不同信噪比复杂环境下,维纳滤波法增强后的语音信号分段信噪比segSNR最大,语音感知度最高。关键词:语言增强;VMD;子空间;维纳滤波法;......原创 2022-07-09 23:25:48 · 859 阅读 · 0 评论 -
国科大数值分析每章作业解析及期末考试
国科大数值分析作业解答:数值分析第一二单元数值分析第三单元数值分析第四单元数值分析第五单元数值分析第六单元数值分析第七单元作业代码原创 2022-07-09 22:24:42 · 2109 阅读 · 0 评论 -
图像匹配之SIFT
图像匹配之SIFT的应用原创 2022-07-09 20:58:13 · 589 阅读 · 0 评论 -
convn-N 维卷积
C = convn(A,B) 返回数组 A 和 B 的 N 维卷积。C = convn(A,B,shape) 根据 shape 返回卷积的子区。例如,C = convn(A,B,'same') 返回卷积中大小与 A 相同的中心部分。原创 2022-06-24 15:08:00 · 221 阅读 · 0 评论 -
语音断点检测(短时改进子带谱熵)
端点检测:确定句子的时间起始点和终点,忽略中间少量的非语音帧,用于语音识别。(Speech Endpoint Detection)熵在信息论中是反映信息度量的一个量。某随机事件的随机性越大,即不确定性越高,则熵值也越大,所以携带的信息量亦越大。本次采用 谱熵法 对语音进行端点检测。......原创 2022-06-19 19:46:03 · 1052 阅读 · 0 评论 -
语音信号处理之多阶MFCC提取(matlab)
1.音频原始数据形式:8k16bitpcm;2.频率范围:60HZ~3400HZ;3.三角窗数量:15组;4.提取filter bank特征,并观察特征分布特点;进一步提取MFCC特征5求取特征三阶差分并进行离线CMVN(cepstral mean and variance normalization,CMVN);......原创 2022-06-19 18:15:54 · 1090 阅读 · 0 评论 -
批量读取文件夹下的全部语音文件
如何批量读取文件夹下的全部语音文件:% fileFolder1 = fullfile('path'); % 搜索目录dirOutput1 = dir(fullfile(fileFolder1,'*.wav')); % 获取目录下所有 wav 格式音频文件信息fileNames1 = {dirOutput1.name}; % 获取音频文件的名字,放入数组fileNames中filePath1 = {dirOutput1.folder}; % 获取音频文件目录,存放入数组filePath中如原创 2022-05-27 16:52:14 · 549 阅读 · 0 评论 -
信号fft变换
信号频谱图fun = @(x)0.*(x<0 |x>5)+x.*(x>=0 & x<1)+1.*(x>=1 & x<4) +(5-x).*(x>=4 & x<5);%分段函数x = -5:0.2:10; % x自变量y = fun(x); % 得到输入的平稳信号yDfy = fft(y); % 离散Fourier变换Dfy_shift = fftshift(Dfy); % 对称变换得到对称的Fourier频谱figu原创 2022-05-21 15:05:22 · 1452 阅读 · 0 评论 -
websave保存数据
outfilename = websave(filename,url) 保存来自 url 指定的 Web 服务的内容,并将其写入 filename。websave 函数将完整的 filename 路径以 outfilename 形式返回。语法:outfilename = websave(filename,url)outfilename = websave(filename,url,QueryName1,QueryValue1,...,QueryNameN,QueryValueN)outfilen原创 2022-05-12 13:04:38 · 997 阅读 · 0 评论 -
vggish目标识别
Mathworks官网实例链接vggish这个实例用到两个工具箱:Audio Toolboxs 和 DeepLearning Toolboxs下载并解压缩VGGish的音频工具箱™模型。在命令窗口输入vggish如果VGGish的Audio Toolbox模型没有安装,那么该函数将提供一个到网络权值位置的链接。 要下载模型,请单击链接。 将该文件解压缩到MATLAB路径中的某个位置,并且设置路径。Step1:下载并解压缩环境声音分类数据集。 该数据集由标记为10个不同音频声音类之一的录音组成原创 2022-05-12 11:51:12 · 806 阅读 · 0 评论