Wideband DOA Estimation. 语音信号以及野外的车辆信号的声音都是宽带信号,所以传统的窄带DOA算法(MUSIC,ESPRIT等)都不适用.需要采用宽带DOA算法来计算目标信号的波达角. 信号处理方法中,广泛采用的是分频处理方法.得益于快速傅里叶变换(FFT)在时频分析中的快速性,将宽带阵列信号模型划分为若干个窄带信号模型,进行DOA估计,并综合各频带上的数据得出最终的结果,比如取平均等. 主要分为两种算法:非相干信号子空间法(Incoherent signal subspa

原创博文,转载请注明出处 下面的论文是我的雷达处理的作业,拿来共享,不喜勿喷.由于公式编辑器的原因,无法复制公式,全部内容请点击. 基于多重信号分类算法的DOA估计 1引言 多重信号分类(MUSIC)算法是Schmit R O等人在 1979 年提出的.这一类算法的提出开创了空间谱估计算法研究的新时代,促进了特征结构类算法的兴起和发展,该算法已成为空间谱估计理论体系中的标志性算法.此算法提出之前的算法都是针对阵列接收数据协方差矩阵进行直接处理,而MUSIC算法的基本思想则是将任何阵列输出数据的协

基于多重虚拟扩展阵列的宽带信号DOA估计[1]. 宽带DOA估计是阵列信号处理领域的一个重要研究方向.在DOAs估计的实际应用中,信号总是会被噪声破坏,在某些情况下,源信号的数量大于传感器的数量,因此不能通过一些传统的算法正确地解决源问题.文中提出了一种将空间重采样和四阶累积量相结合的宽带DOAs方法——多重虚拟扩展阵列(MVEA).在信源个数大于传感器个数的情况下,MVEA能够正确地找到宽带源的方向,通过空间重采样和四阶累积量的虚拟扩展,MVEA获得了比仅采用空间重采样虚拟扩展(SRVE)的方

题名:一种用于语音带宽扩展的深度神经网络方法 作者:Kehuang Li:Chin-Hui Lee 2015年出来的 摘要 本文提出了一种基于深度神经网络(DNN)的语音带宽扩展(BWE)方法.利用对数谱功率作为输入输出特征进行所需的非线性变换,训练神经网络来实现这种高维映射函数.在10小时的大型测试集上对该方法进行评估时,我们发现与传统的基于高斯混合模型(GMMs)的BWE相比,DNN扩展语音信号在信噪比和对数谱失真方面具有很好的客观质量度量.在假定相位信息已知的情况下,主观听力测试对DNN扩

2.1.1 题目与摘要 1.为什么要增强IPD? The phase differences between the discrete Fourier transform (DFT) coefficients for two microphone signals are one of popular spatial cues in the frequency domain. 非理想情况下,IPD会失真,会偏离纯净语音提取的IPD. 2.IPD在复杂场景(混响.噪声)下受到了什么影响? 我们可以从

实际卷积混合情况下,基于ICA的盲源分离算法快速收敛性能评估[1]. 提出了一种新的盲源分离算法,该算法将独立分量分析ICA和波束形成BF相结合,通过优化算法来解决盲源分离的低收敛问题.该方法由以下三部分组成:(1)基于到达方向(DOA)的频域ICA估计:(2)基于估计DOA的零波束形成:(3)基于迭代和频域算法多样性的(1)和(2)的集成.通过迭代优化,用基于零波束形成的矩阵代替ICA得到的混合矩阵的逆,ICA与波束形成的时间交替可以实现快速.高收敛的优化.实验结果表明,即使在混响条件下,该算

论文地址:使用半监督堆栈式自动编码器实现包含记忆的人工带宽扩展 作者:Pramod Bachhav, Massimiliano Todisco and Nicholas Evans 博客作者:凌逆战 博客地址:https://www.cnblogs.com/LXP-Never/p/10889975.html 摘要 为了提高宽带设备从窄带设备或基础设施接收语音信号的质量,开发了人工带宽扩展(ABE)算法.以动态特征或从邻近帧捕获的explicit memory(显式内存)的形式利用上下文信息,在A

作者:桂. 时间:2017-06-03  15:40:33 链接:http://www.cnblogs.com/xingshansi/p/6937576.html 前言 本文主要记录麦克风阵列的几个基本知识点,并简单介绍基本的波束合成方法:Delay and sum (DSB). 一.栅瓣效应 类似干涉仪中的phase-wrapping问题:传感器的距离超过半波长的距离. A-Beam Pattern 以线性阵列为例 输出为 对应的增益,也就是output,取频率为1KHz的数据: 有时候也用极

https://mp.weixin.qq.com/s/zpZERtWPKljWNAiASBLJxA 根据以上网页自己做的总结: 在机器人社区中,定位与构图问题属于状态估计问题.主流使用的工具可以对给定噪声测量的动态系统进行随机估计,例如扩展卡尔曼滤波器(EKF)或粒子滤波器(PF). 一些内部传感器可以测量姿势随时间的变化,这种变化关系可以用公式表示为移动平台的数据驱动动力学模型,包括地面移动机器人中的光学编码器和飞行机器人中的IMU,众所周知它们具有累积误差和测量偏差. 一些外部传感器,如相机

昨天查压缩感知的资料,无意间看到一位浙大女神Rachel Zhang的博客,果断关注了.我感觉应该向她好好学习.下面转自她的CSDN博客.网址是http://blog.csdn.net/abcjennifer/article/details/7724360 一.引论与综述 1  石光明,刘丹华,高大化,刘哲,林杰,王良君,压缩感知理论及其研究进展,http://www.cqvip.com/qk/90131x/200905/30412489.html 2  李树涛,魏丹,压缩传感综述,http:/

基于子阵列互累积量(Cross-Cumulant)的远场和近场混合声源定位[1]. 文中采用Uniform linear array (ULA)阵列,将其分为两个互相重叠的子阵列,构建关于子阵列输出信号的两个特殊cross-cumulant matrices,而这两个矩阵仅仅与源信号的DOA有关. 信号模型 阵列模型如下: K个窄带信号,阵元数目为2M+1的对称ULA阵列.假设中间阵元为相位基准.则第m个传感器的接收信号可以表示为: 其中为第k个入射信号的波形,为第m个传感器的噪声,为第k个源信

迁移学习研究综述 Sinno Jialin Pan and Qiang Yang,Fellow, IEEE 摘要:   在许多机器学习和数据挖掘算法中,一个重要的假设就是目前的训练数据和将来的训练数据,一定要在相同的特征空间并且具有相同的分布.然而,在许多现实的应用案例中,这个假设可能不会成立.比如,我们有时候在某个感兴趣的领域有个分类任务,但是我们只有另一个感兴趣领域的足够训练数据,并且后者的数据可能处于与之前领域不同的特征空间或者遵循不同的数据分布.这类情况下,如果知识的迁移做的成功,我们将

先说说破解的意义,联通赠送的这个无线猫本身是带路由功能的,只是联通为了限制用户分享宽带,把拨号功能给禁用了,于是WIFI虽然能连上,但是不能用.我破解的目的就是达到让此路由既能有猫的拨号功能又能有路由的分享功能,并且WIFI可用. 具体操作步骤如下:1.将计算机网线随便插在猫后面的任意LAN口,在浏览器输入http://192.168.1.1/cu.html, 输入账号cuadmin密码hE11@%zY登录. 2.进入下图所示配置项,将远程管理功能关闭,并且将密码修改成任意值. 3.进入下图所示

1.[硬件环境] a, 1台宿主(win7)+几十台虚拟机(xp)(vm10的版本,估计可打开52台以上的虚拟机) b, 双网卡,其中一个网卡通过路由连接电信ADSL,一个直连集线器,可直接连接移动modem,也可直接连接办公室网络. c,其中路由的网关为:192.168.1.1,通过配置花生壳实现外网的远程连接,内网则通过另外一个网卡在办公室远程连接.   2.[CCProxy的代理设置] a, 因CCProxy免费版有3个用户及线程限制,故采用CCProxy2010-遥志代理软件真正绿色破解

神通广大的各位互联网的网友们.大家早上中午晚上好好好.今早起来很准时的收到了两条10086的扣月租的信息.心痛不已.怀着这心情.又开始了STM32的研究.早上做了计算机控制的PID实验,又让我想起了飞思卡尔的电磁小车..曾经的电感电压采集让我心碎的多少次.又让我开心了多少次.但已经成为过去.(软件和硬件都会影响),呵呵.估计有人已经猜到我接下来要介绍什么了.在你们面前.我已无秘密.额.其实标题也直接“表白”了.看到标题,别吓到哈.并不是要用英文写.至于原因是什么.请往下看: 好吧.言归正传:ST

LIBSVM 使用的一般步骤是:1)准备数据集,转化为 LIBSVM支持的数据格式 :[label] [index1]:[value1] [index2]:[value2] ...即 [l类别标号] [特征1]:[特征值] [特征2]:[特征值] ...2)对数据进行简单的缩放操作(scale):(为什么要scale,这里不解释了)3)考虑选用核函数(通常选取径函数,程序默认):4)采用交叉验证(一般采用5折交叉验证),选择最佳参数C与g :5)用得到的最佳参数C与g 对整个训练集进行训练得到S

内容管理框架:oneThink 版本:V1.1.141212 (注:v1.1也有很多版本,一不小心就下到V1.1.140202 去了,还有其他版本,建议去代码托管平台下载最新版本) 我也不偷懒,把每一步步骤都记录下来. 一.进入后台,创建插件 这里的钩子我新建了一个indexFooter,因为我只需在前台首页底部显示友情链接即可.我们把上面所有要勾的地方都勾上,至于有什么区别,大家可以自己建几个例子区分一下,生成的文件是否一样.OK!到这里 我们的友情链接插件就创建好了!点击“确定”.(这里的自

安装Nvidia k80驱动步骤 ------------------ 环境介绍: CentOS6 远程终端使用Xshell -------------------- 安装Nvidia k80驱动步骤 目录 操作过程... 1 问题以及解决方案: 3 参考资料... 4   操作过程 在网上查看安装Nvida Tesla K80M , 使用./XXX-NVIDIA.run --no-opengl-files   估计 --no-opengl-files 与OpenGL有关 , 我没有时候用后面参

http://blog.csdn.net/myarrow/article/details/51933651 1. 目前进展 1.1 相关资料      1)HANDS CVPR 2016      2)HANDS 2015 Dataset      3)CVPR 2016      4)Hand 3D Pose Estimation (Computer Vision for Augmented Reality Lab)          5)CVPR2016 Tutorial: 3D Deep

IT技术开发人士成功的6大步骤 一个前辈在移民加拿大后写的文章,写得不错,值得借鉴,转来给大家看看,也给自己   序言:经过001多年的洗礼,认识了这里这么多的JJMMGGDD,前几天刚得到签证, 无限感慨 面对未来,我也不知道我31岁如何发展,尤其是我现在在北京还算过的去,各种机会都纷至沓来. 无论如何,我相信,世界上各种事物都有他们自己的原因,也结合自己在北京接近8年的感悟,写一个总结,我相信,世界上只要有人,无论是什么皮肤,总有人性可以探索,人作为"天生的政治动物"的本性,都是有