基于EMD-ICA的机电系统音频故障诊断方法研究.pdf

对机电系统进行音频信号的故障诊断研究，传统的音频信号处理方法大多采用滤 波降噪的方式，针对其中的不足，拟采用独立分量分析（ICA）的盲源分离方法。该方法只依据传感器采集的观测混合信号，就能恢复各个机械部件产生的声源信号，从而准确地对各个振源进行状态监测和故障诊断

小波消噪和ICA在语音信号分离中的应用.pdf

为了消除语音信号分离中仍存在的部分混叠声音，提出一种基于小波消噪和独立分量分析(ICA)结合的信号分离方法。该方法将小波变换和独立分量分析结合，利用小波变换的去噪作用，滤除原始语音信号中的噪声后作为ICA的输入信号，采用 FastIcA算法在小波域进行独立分量分析，对输入信号实施分离．实验结果表明，该方法大大调高了传统独立分量分析对语音信号的分离效果。

基于ICA的混叠声目标的分离和评价.pdf

本文提出一种基于独立分量分析战场混叠振动目标盲分离方法并且采用相关系 数来评价分离信号与源信号的对应关系实验表明分离声信号从波形上看很好地保持 了原始信号的波形采用相关系数评价标准能较准确地确定分离信号和源信号的次序 该方法在混叠声目标分离中具有可行性

基于FastICA算法的混合声信号分离技术.pdf

立成分分析(Independent ComponentAnalysis，ICA)是一种从混合信号中分离出源信号的信号处理技术。本文在对ICA的基本原理与算法进行介绍的基础上，对Fast ICA算法进行了讲解。文中通过数值模拟信号与真实声音信号对FastICA算法进行了检验，所得的分离结果与实际值的波形非常吻合。

基于负熵FastICA的设备声音盲分离算法.pdf

章利用巡检机器人所带拾音器采集设备运行声音样本，并利用基于负熵的FastICA算法实现设备声音和环境噪声的分离，并对分离性能指标进行了统计和分析，实验结果表明该算法成功分离了声音样本中的各独立声音分量，分离性能稳定可靠，有助于提高后续状态识别的识别率。

西门子1200与Labview，亲测可用.rar

PLC程序和labVIEW程序，西门子1200，亲测可用

labview串口开发资料大全.rar

整理的很全的labview串口开发资料，本身串口开发也不难，但现有资料不多，特意整理下，供有需要的人下载参考，亲测可用。

基于自相关和倒谱法的基音检测改进算法.pdf

语音信号基音周期检测一直以来都是语音信号处理的关键技术和热点领域。对传统的基音检测方法进行研究分析，提 出基于自相关和倒谱法的基音检测改进算法。先将语音信号进行最小均方误差(LMs)自适应滤波和非线性处理进行语音增强，后 进行自相关法和倒谱法加权平方运算来检测基音周期。经Matlab实验仿真，该算法在低信噪比环境中能精确检测基音周期，较传 统基音检测方法鲁棒性更好、更精确。

基于改进小波变换的语音基音周期检测.pdf

基音在许多方面都有比较广泛的应用,比如语音编码、语音识别、语音转换、音乐检索以及发声系统疾病诊断等。 针对目前 很多小波变换方法在测量基音周期时存在的准确度低、复杂度高、鲁棒性差等缺点,以及在带噪语音环境下,特别是在非平稳噪声下 比较难判断语音基音周期的问题,提出了一种基于改进小波变换的语音基音检测方法。 首先将每帧带噪信号进行预处理,提取出有 话段的信息,消除直流分量;然后在加窗分帧后先进行端点检测,滤波后再分帧;接着再利用小波分解后取低频系数重构信号;最后结 合四阶累积法对重构信号进行基音检测。 试验结果表明,该方法在不同带噪语音环境下和低信噪比条件下,提高了带噪语音基音检 测的准确性。 与传统的小波变换法相比,该方法鲁棒性好且计算复杂度低,有利于语音基音周期检测。

一种基于倒谱法的基音周期检测改进算法.pdf

通过对常规语音信号处理分析，设计一种基于倒谱法的基音周期检测改进算法。其过程是先对语音信号进行 预处理、去趋势项处理及去噪声处理，，然后通过语音分析中的线性化处理、伯格算法和中值滤波算法对预处理过的 语音信号进一步优化，并利用仿真软件验证改进增强算法，改进算法可有效的减少外界环境及共振峰等因素的干 扰，相对于常规的语音基音检测算法其鲁棒性、稳定性更强。