排序方式: 共有12条查询结果,搜索用时 31 毫秒
1.
介绍一种阶梯孔精加工的方法及其刀具 总被引:1,自引:0,他引:1
在液压阀的生产中,有很多阀体孔为阶梯形孔,孔的加工精度要求很高。一般孔的圆柱度误差为0.003~0.008mm,两孔的同轴度误差为0.005~0.015mm,表面精糙度为R_a0.8~R_a0.4。对于这样的阶梯孔在加工中如采用传统的加工方法是很难达到要求的。下面介绍一种加工阶梯孔的方法和一种新型刀具。以我厂生产的PHY-G20平衡乏掸体孔为例 相似文献
2.
3.
为解决传统算法对噪声适应性较差,残留音乐噪声较强的问题,本文提出了一种基于自适应噪声估计的宽带语音增强算法。该算法可应用于宽带语音编码器,以提升在噪声环境下的编码质量。本文所提算法利用谱熵对噪声类型进行有效的判别,将背景噪声分为白噪声和有色噪声两类,并根据噪声特性选择适当的噪声估计方法。在白噪声背景下,选择一种谱平滑的方法;在有色噪声背景下,则选择经典的最小值控制递归平均算法。在此基础上结合经典的统计模型方法,构建一种具有较强噪声鲁棒性的宽带语音增强算法。在ITU-T G.160标准下对算法进行性能测试,测试结果表明,在不同强度的背景噪声环境下,增强语音的信噪比提高都较为明显。同时,在低信噪比情况下,该算法有效的抑制了严重影响听觉质量的音乐噪声现象。 相似文献
4.
五里湾一区位于鄂尔多斯盆地陕北斜坡中东部的鼻隆带上,为长庆靖安油田主力开发区块之一。含油层主要为延长组长6储层,是典型的低渗、低压、低产"三低"油藏。长6油藏于1996年投入生产,目前已进入中含水开发期,面临着严峻的递减形势。针对开发中暴露出水驱油效率下降,见水后产液(油)指数急剧下降及油田稳产难度大的特点,加强长6储层特征以及含水上升规律和治理等研究,提高原油采收率是当前面临的一个重大问题,所以三次采油的必要性显而易见。 相似文献
5.
随着光纤和光发、光收等光设备价格的下降 ,利用光纤长距离传输有线电视的优势相对同轴电缆来说越来越明显。目前 ,很多乡镇对距离较远的村几乎都采取了光纤联网的方式 ,大大提高了农村用户收看电视信号的质量和节目套数。现根据本人在镇村光纤联网设计、施工、调试开通过程中的体会提出一些注意事项。1 关于光节点位置的选择一般来说 ,离镇有线电视机房 1km左右 (指干线距离 )的村可以被定为光纤联网村。在确定各村光节点位置之前必须先计算出光节点以下允许分配网传输的最长支干线距离。这个距离可以根据乡镇有线电视总体指标分配中分… 相似文献
6.
医药、保健品的质量与人们的生命健康息息相关。随着医疗体制的改革和药品分类管理的实施,消费者自行选择药品的比例将大大提高,巨大的市场空间让众多惟利是图的生产厂家纷纷打起了歪主意:市场上畅销的产品不约而同地成为了其假冒伪劣的对象。WHO(世界卫生组织)日内瓦公报指出,全球销售的药品10%以上是假药,而OTC药品是消费者可直接购买的特殊商品,若是假冒伪劣产品,轻者将影响消费者身体健康,重者将危及生命。医药销售渠道的增加,也要求加强药品防伪。而我国绝大部分药品的防伪却非常简单,有的只是在外包装盒上贴上防伪标签,而在盒子的… 相似文献
7.
着重介绍了江苏省扬中市广电宽带IP城域网的设计方案,同时介绍了该网络建成后初步运行及业务开展情况,对更好地发展广电网络提出建议。 相似文献
8.
有线电视区域性信号中断原因的快速判断□何玉文(江苏省扬中市广播电视局212200目前有线电视放大器一般都采取集中供电方法,这种方法好处在于省去了放大器分散取电带来的许多麻烦,但它的弊端在于一旦供电器出现故障,就会造成整个集中供电区域有线电视信号中断,... 相似文献
9.
为了有效利用纯净语音导抗谱频率参数(ISFs)的先验知识,本文针对ITU-T G.722.2宽带语音编码标准提出了一种基于高斯混合模型的压缩域语音增强方法.首先,将含噪语音、纯净语音的导抗谱频率参数,以及对应的增益调整因子构成特征矢量,并利用高斯混合模型拟合其概率密度;然后,在最小均方误差 (MMSE) 准则下对纯净语音的特征参数进行最优贝叶斯估计.为了兼容编码器中的非连续性传输模式,当处理信号为非语音信息时,算法在保持噪声帧谱包络参数不变的前提下,按固定比例调整对数帧能量;且若出现帧擦除情况,算法不调整接收到的码流,并按正常帧处理方式调整恢复后的参数以更新相关历史.本文采用ITU-T G.160标准进行了性能测试,结果表明,与参考方法相比,所提方法在保证信噪比提高能力的同时,可以达到更大的噪声衰减量,且增强语音的客观质量更优. 相似文献
10.
针对单通道语音增强技术对非平稳噪声的跟踪不准确、噪声抑制效果较差的问题,本文提出一种基于在线能量调整的语音增强方法.该方法以归一化临界带能量为特征,采用高斯混合模型对背景噪声进行分类,利用对应类型噪声的自回归隐马尔可夫模型(Auto-Regressive Hidden Markov Model,AR-HMM)和纯净语音的AR-HMM,在最小均方误差准则下估计语音和噪声的功率谱.考虑到非平稳环境中训练集和测试集的差异性,需在线调整语音模型和噪声模型中的能量,语音模型的能量调整采用迭代的期望最大化算法;噪声模型的能量调整则利用的是模型训练过程中的能量重估方法,并以最小值控制的递归平均算法确定噪声能量调整的初始值.在ITU-T G.160标准下对算法进行性能测试,测试结果表明,本文方法对非平稳噪声的跟踪效果较好,对噪声衰减量较大,收敛时间较短. 相似文献