搜索资源列表
target-detection-in-sea-clutter
- 作者分析了海杂波的多普勒谱特性，给 出了两种基于多普勒谱特征的检测方法，应用联合瑞利概率密度函数描述海杂波 多普勒谱的统计特性和熵值方式表示多普勒谱的波形特性。 -As the present study on sea clutter are shown, based on the analysis of sea clutter Doppler spectrum characteristics, two target detection algorithms are propo
paper-of-VAD
- 语音端点检测的各种论文，包括MFCC、过零率、短时能量、小波以及谱熵等方法，对编写语音VAD算法有很大的帮助-Speech endpoint detection in a variety of papers, including MFCC, zero-crossing rate, short-term energy, wavelet and spectral entropy method, write voice VAD algorithm of great help
62
- 对重分配小波尺度谱存在着时、频分辨率不能同时达到最佳及当振动信号中存在着能量较大的噪声时会降低其时频分布可读性的缺陷，提出一种基于参数优化和奇异值分解(SVD)提高重分配尺度谱时频分布可读性的方法。首先利用Shan— non熵方法优化重分配尺度谱基函数的时间．带宽积(TBP)，克服其时、频分辨率不能同时达到最佳的缺陷，再对重分配尺度谱 进行SVD降噪降低噪声干扰影响，提高时频分布的可读性。最后用该方法对仿真信号和滚动轴承故障信号进行了分析，结果表明该方法的时频聚集性更好，抗噪能力更强，能
code-to-Fulfill
- 视频原始图像中存在着大量的信息冗余，如时间冗余、空间冗余、信息熵冗余、谱间冗 余、几何结构冗余、视觉冗余和知识冗余等等。运动估计是视频压缩编码中的核心技术之一， 采用运动估计和运动补偿技术可以消除视频信号的时间冗余以提高编码效率。如何提高运动 估计的效率，使运动估计算法的搜索过程更健壮、更快速、更高效成为目前研究的热点。
melppaper6
- 为了提高深度模型的编码重构性能,本文为传统对比散度(Contrastive divergence,CD)添加了基于交叉熵的重构误差约束。利用改进后的算法训练了重构性深度自编码机(Reconstructive deep au-to-encoder,RDAE),并用 RDAE 替换混合激励线性预测编码(Mixed excitation linear prediction, MELP)语音编码器中 LSF 参数的矢量量化方法。测试结果表明,改进后的算法在损失一定模型似然度的条件下获得了重构性能的提升,
HRV-power-spectrum-sleep-state
- 颠倒睡眠状态调制心率变异性信号的 功率谱和基本尺度熵分析 -Analysis on power spectrum and base-scale entropy for heart rate variability signals modulated by reversed sleep state.pdf
ghvnp
- 采用热核构造权重，基于互功率谱的时延估计，能量熵的计算。- Thermonuclear using weighting factors Based on the time delay estimation of power spectrum, Energy entropy calculation.
axdcw
- 能量熵的计算，供做算法研究人员参考，基于kaiser窗的双谱线插值FFT谐波分析。- Energy entropy calculation, Algorithm for researchers to do reference, Dual-line interpolation FFT harmonic analysis kaiser windows.
hjbuy
- 可直接计算得到多重分形谱,仿真图是速度、距离、幅度三维图像，基于负熵最大的独立分量分析。- It can be directly calculated multi-fractal spectrum, FIG simulation speed, distance, amplitude three-dimensional image, Based on negative entropy largest independent component analysis.
基于希尔伯特黄熵的麻醉深度估计
- 麻醉深度监测是外科手术中必不可少的步骤之一。 目前已经提出多种监测麻醉深度的脑电信号分析方 法, 尤其熵方法得到了广泛的关注。 提出一种新的麻醉深度监测方法-希尔伯特黄熵, 先用经验模态分解—希尔 伯特黄变换处理脑电信号获取希尔伯特黄边际谱, 再根据香农熵定义得到希尔伯特黄熵。 对 19 个接受吸入药物 七氟醚麻醉的病人脑电信号的希尔伯特黄熵和时频均衡谱熵进行计算、测试和比较, 结果表明:希尔伯特黄熵能够 更准确的区分麻醉和清醒状态, 更适合于麻醉深度监测。