基于改进的小波阈值去噪算法的研究

传统的小波阈值函数的去噪方法简单有效,若用在车载下的语音去噪,由于其去噪后的信号存在边缘模糊、高频信息丢失等缺陷,难以得到较好的去噪效果.为提高车载环境下的语音系统的去噪效果,首先对已有小波阈值去噪算法进行分析,针对其不足,提出改进小波阈值函数的去噪方法.其次,通过Matlab软件对不同小波及分解层数进行仿真,选取最优的小波和层数.最后,由软件仿真实验数据比较得出,在相同噪声影响下,该方法比已有方法输出的效果要好.     

基于STM32单片机智能灌溉小车设计

园林绿化不但可以防风固沙,涵养水源,保持水土,还可以改善、美化城市环境,健全城市的生态平衡。其次还可以给城市居民创造良好的自然环境,给人们提供良好的休息、锻炼和娱乐的场所。为了解决园林绿化中多样化植物不同需水量的问题,减少人工浇灌的单一性,因此设计了一款STM32单片机智能灌溉小车。该设计可以通过网络终端界面对土壤的温湿度进行远程监测并控制小车前往指定地点进行灌溉作业,满足用户对植物进行远程控制灌溉及实时监测和观察植物的生长状况。     

主成分分析和K-means聚类在说话人识别中的应用

为了解决特征提取计算量大且特征参数不够全面的问题,提出了用主成分分析和K-means聚类进行语音特征参数提取的方法。通过对说话人识别系统中最常用的线性预测倒谱系数( LPCC)参数和梅尔倒谱系数( MFCC)参数提取原理以及差分参数的提取算法深入研究,选择LPCC、MFCC以及其一阶差分参数的组合作为最终混合特征参数。首先用主成分分析降低每一帧语音信号特征参数的阶数,然后经过K-means聚类降低帧数,最后通过矢量量化( VQ)来进行说话人识别。实验结果表明,该方法降低了计算复杂度,同时也提升了识别准确性。     

基于机器视觉的元器件分拣系统设计

随着教育行业的兴起与发展,在众多高校中,电子专业课程的实验室和关于电子的社团在元器件管理方面会存在一些问题,比如元器件的存储存在不同型号元器件混合在一起该如何去解决的问题。在目前,元器件存储分拣通常需要花费大量的人力和时间。近年来,世界智能化程度越来越高,我们可以通过智能机器视觉来代替人工去识别大量的元器件混合场景,以提高分拣效率,降低传统分拣时间精力浪费的问题,减少重复枯燥的分拣工作。本系统主要针对传统元器件分拣方法准确率和效率低等问题,设计一个基于机器视觉的元器件分拣系统,可以广泛应用于数电实验室和社团元器件混合等多种需要进行元器件分拣分类识别的应用场景,具有较高的准确率和实时性,克服了人工分拣工作效率和正确率较低的问题。