排序方式: 共有8条查询结果,搜索用时 31 毫秒
1
1.
2.
3.
4.
5.
经验模态分解(empirical mode decomposition,简称EMD)的端点效应使得EMD分解结果产生严重失真,为了减小端点效应在分解过程中产生的影响,将混沌序列模型引入EMD,提出采用Volterra模型解决分解中产生的端点效应问题。论述了基于Volterra模型的数据延拓技术原理,即先对原始数据进行Volterra建模,然后利用该模型对数据进行延拓。该方法使端点处的延拓更加合理,从而使得三次样条曲线在端点处不会发生大的摆动,实现了准确的EMD分解。通过对仿真信号的研究表明,延拓抑制了分解的端点效应。把该技术应用于转子横向裂纹振动信号的EMD分解中,取得了良好效果。 相似文献
6.
7.
非均匀临界频带与人耳对固有语音的频率感知特性十分相似,并且可在听觉感知上近乎完美地使信号进行重构.文章基于此提出了一种新的语音增强方法.该方法首先采用易于计算的无抽样离散小波包(UDWP)模拟人耳的听觉特性滤波器组对带噪语音进行分解;其次在语音信号的子带层次上用一种类似于软阈值的无穷阶可导的函数进行阈值处理;最后应用谱减法进行二次增强.实验结果表明,该方法在有效去除语音噪声的同时可以较大地提高语音的清晰度和可懂度. 相似文献
8.
1