基于DSP的智能足球机器人的总体设计

提出了一种基于DSP控制器的智能足球机器人的设计，采用DSP芯片构造足球机器人后，不仅简化了系统的外围设备，降低了系统的损耗，而且提高了系统的准确性和实时性，获得了更好的控制效果。     

基于DSP的干涉型光纤加速度计检测方案的研究

针对采用PGC解调方案的光纤加速度计，提出了一种基于高速数字处理芯片(DSP)的数字检测方案．介绍了DSP系统的软件和硬件的设计及实现．以DSP为核心的数据采集处理系统在光纤加速度计测量系统中得到了很好的应用．系统经过了软件和硬件的调试工作，完成了PGC解调工作．光纤加速度计检测的信号得到了解调，取得了预期目标，这也进一步说明了利用DSP芯片进行数字PGC解调处理方案的可行性．     

基于DSP的视频图像采集系统设计

文章提出了一种基于DSP的电视信号采集系统。该系统采用TMS320LF2407DSP、高速模数转换器TCL5510和视频同步分离芯片LM1881,实现了视频图像的实时采集。     

基于相位差的声源定位算法研究及实现

针对目前安防监控系统监控效率低、盲目性大的问题,设计了一种基于相位差（differenceofphase,DOP）的声源定位系统,介绍了系统的组成原理、软硬件电路设计与实现,提出了一种基于DOP的定位算法。该系统以DSP芯片TMS320F28335为核心,以麦克风为声音传感器,以云台为控制对象,实现了一种高效、低成本的嵌入式声源定位系统。实验结果表明,该系统反应快、定位准、可靠性高。     

3种脉冲计数检测电路的设计与分析

为实时在线测量电力线的线径,设计了3种基于光栅位移传感器的脉冲计数电路,其控制核心分别采用8051系列芯片STC12C5A60S2,FPGA芯片EP1C3和16位定点DSP芯片TMS320F2407,对比分析了不同方案下的控制效果.实验结果表明:基于FPGA的脉冲计数方法和基于DSP的脉冲计数方法的外围电路简单,精度高,抗干扰能力强,但开发成本较高,基于FPGA的脉冲计数方法侧重于硬件设计,需要掌握VHDL语言;基于DSP的脉冲计数方法需要掌握DSP芯片复杂的内部结构及开发流程,注重于算法的实现.     

基于DSP的指纹采集系统研制

提出了一种基于DSP的指纹采集系统，主要介绍了系统的组成原理、硬软件电路设计与实现。该系统以DSP芯片TMS320VC5402为核心，以FPS200为指纹传感器，通过USB接口实现与主机之间的通信，实现了一种高效低耗的嵌入式指纹采集系统。实验结果表明，该系统采集速度快、采集图像清晰且指纹图像预处理效果良好。     

基于DSP的数字信号采集处理系统设计

为快速准确地采集各种数据，提出一种基于DSP的数字信号处理方法．系统采用DSP作为主处理芯片，外围电路由FPGA实现．多路高速数据使用并行方式进行采集，利用DSP高速处理能力对数据进行处理，最后通过在FPGA内部实现的UART电路与模拟串行口完成数据传输．利用DSP FPGA设计的数字信号处理系统，具有与其他以现代数字技术为基础的设备接口方便、系统精度高、工作可靠的优点．     

DSP数据采集处理系统在工务报警仪中的应用

针对传统的单片机数据采集处理系统速度慢的问题，为了对铁轨中采集来的声音信号进行实时处理，提出了一种基于DSP系统的数据采集处理系统，该系统具有抗干扰能力好、实时性强、可靠性高、功耗低等优点。     

在FPGA中实现高速FFT算法的研究

介绍了采用ALTERA公司的STRATIX系列芯片实现按频率抽取(DIF)的基2FFT算法的设计和实现，而基于FPGA的高速FFT算法的实现是SAR实时信号处理机的核心．现在常用的FFT算法方案是采用高速DSP芯片实现，但近几年可编程器件的发展使得FPGA已经成为比DSP更优越的压缩处理方式．     

TMS320LF2407在异步电动机控制系统中的应用

介绍了DSP芯片TMS320LF2407的结构特点，根据交流异步电机转差频率型矢量控制的系统方案，提出了用DSP实现异步电机控制的策略，并简略介绍了TMS320LF2407的外围设计和编程。     

基于 LabVIEW 的声音信号采集分析系统开发

利用麦克和计算机声卡作为声音信号采集的硬件,在LabVIEW环境下开发了计算机音频采集分析系统.本系统能够采集各种工况环境的声音信号,并具有信号保存、调用、回放等功能,同时实现了对声音信号的各种数字分析,为声音振动研究和工况状态识别提供了有效的工具.     

基于Android的心音身份识别系统研究

心音信号蕴含了丰富的个体特征,心音信号的唯一性、不易伪造、易采集性决定了心音信号可以用于生物特征识别领域。该文基于安卓系统开发了一种利用心音进行身份识别的新型身份识别系统。识别算法基于MEL频率倒谱系数和矢量量化算法。该系统利用心音信号实现了用户注册,身份辨识等功能,可以准确高效地实现用户的身份识别。     

语音信息查询虚拟仪器的设计

在虚拟仪器开发软件LABVIEW平台上,利用LABVIEW和MATLAB混合编程,通过声卡获得原始语音信号,经过小波消噪处理、预加重处理和端点检测处理得到干净的语音信号,提取语音信号的美尔频率倒谱系数及其一阶、二阶差分系数作为语音识别的特征参数,通过矢量量化（VQ）与隐马尔可夫模型（HMM）实现非特定人连续语音的训练与识别,构建了基于LabVIEW平台的连续语音识别系统．实验表明,系统的识别速度较快,识别率达到90％左右,而且成本比较低廉,具有一定的应用价值．     

基于Labview的声音密钥系统设计

声音密钥系统利用PC中配制的声卡对声音进行采集。在LabVIEW中对采集的信号进行存储和重载,并对音频信号处理后提取关键参量进行比对。比对结果比较准确,可以判断录入声音和密钥声音的相似性,实现了密钥的功能。系统具有成本低,交互性高,便捷的优点,在工业生产线和医疗器械等方面具有很大的推广前景。     

基于单片机的智能家居门禁系统

本文采用80C552单片机为核心,利用分段语音芯片ISD2590及键盘构成一个能区分有人和无人发出不同语音的门铃、并且具有分段来客语音留言、语音警告、警笛声报警,射频识别门锁、人体光控门灯等功能.系统采用模块化积木式设计,根据用户需要可以灵活的扩展或简化.     

基于语音处理技术及DTMF解码技术的远程控制

电话远程控制不需进行专门的布线,不占用无线电频率资源,还可避免电磁污染.通过基于语音处理技术及DTMF解码技术的远程控制系统,运用语音识别技术,以及语音命令通过电话网络来控制家用电器的开与关, 从而实现智能住宅中电器远程可控化.该系统通过嵌入式的智能语音提示,优秀的状态查询功能和密码控制系统,可使操作者根据各种提示音及时了解受控对象的有关信息.实验结果显示,系统可实现通过发出语音命令用电话远程控制多个家电,用户可以查询家电状态,提供密码功能,只有输入正确的密码才能控制家电,从而提高了安全性.     

基于语音处理技术及DTMF解码技术的远程控制

电话远程控制不需进行专门的布线，不占用无线电频率资源，还可避免电磁污染。通过基于语音处理技术及DTMF解码技术的远程控制系统，运用语音识别技术，以及语音命令通过电话网络来控制家用电器的开与关，从而实现智能住宅中电器远程可控化。该系统通过嵌入式的智能语音提示，优秀的状态查询功能和密码控制系统，可使操作者根据各种提示音及时了解受控对象的有关信息。实验结果显示，系统可实现通过发出语音命令用电话远程控制多个家电，用户可以查询家电状态，提供密码功能，只有输入正确的密码才能控制家电，从而提高了安全性。     

基于DWTMFC特征参数提取的心音身份识别

心音信号是临床上有用的心脏疾病诊断工具,是一种很好的用于身份识别的方法,而在基于心音识别的系统中,提取反映用户个性特征的参数是关键问题之一.该文将Mel倒频系数的提取方法中的Mel滤波器组用小波变换后的信号频谱拼接来替代,以此提取了新的参数DWTMFC,并用矢量量化模型进行验证.实验结果表明DWTMFC参数的性能在矢量...     

融合语音信号和脑电信号的多模态情感识别

为构造有效的情感识别系统,通过声音刺激分别诱发出高兴、悲伤、生气以及中性4种情感,并采集相应的语音信号和脑电信号。首先,利用相空间重构技术提取脑电信号和语音信号的非线性几何特征和非线性属性特征,并结合两者的基本特征分别实现情感识别;然后,通过构建基于限制玻尔兹曼机的特征融合算法,从特征层融合的角度实现多模态情感识别;最后,利用二次决策算法从决策融合的角度构建多模态情感识别系统。实验结果显示,从特征融合的角度构建的多模态情感识别系统相比语音信号和脑电信号情感整体识别率,分别提高1.08%和2.75%;从决策融合的角度构建的多模态情感识别系统相比语音信号和脑电信号情感整体识别率,分别提高6.52%和8.19%;决策融合相比特征融合构建的多模态情感识别系统整体识别效果更优。因此,融合语音信号和脑电信号等不同来源的情感数据可以构造出更有效的情感识别系统。     

一种基于EEMD的异常声音识别方法

为了优化组合特征在异常声音识别中的效率,提出一种用集合经验模态分解（EEMD）对异常声音帧信号进行有效性检测和提取多层特征的算法.首先对异常声音帧信号进行集合经验模态分解,得到固有模态函数;然后根据给定的固有模态函数层数阈值,对该帧信号进行有效性检测;再对有效帧信号的每一层固有模态函数提取梅尔频率倒谱系数、翻转梅尔频率倒谱系数、线性预测倒谱系数、短时能量和能量比,并将它们归一化后拼接成多层特征.根据提取的特征,用深度卷积神经网络实现异常声音识别分类.仿真结果表明,提出的新方法在4类异常声音识别中的识别率可以达到98.65%.