06 2018 档案
摘要:指针的值(该指针指向的地址),储存在指针指向地址上的值,指针自己的地址。 9种不同的操作 1.赋值 数组名,带地址运算符(&),另一个指针。 2.解引用 “ * ”:*ptr = 100; //给出指针指向地址上储存的值 3.取址 指针变量也有自己的变量名。 4.指针与整数相加 ptr1 + 4 =
阅读全文
摘要:参考文献: Spectral Subtraction Based on Minimum Statistics. R.Martin 纯净语音取自:TIMIT,ITU-T P501 噪声库可用:Noise92, NOIZEUS或Aurora2等。 步骤 1.短时功率谱平滑 2.噪声功率谱估计:设带噪语音
阅读全文
摘要:1.具有方向性的音频信号获取 采用MIT数据库(http://sound.media.mit.edu/resources/KEMAR.html,并与语音信号卷积得到具有方位性的信号。 差值可以获取不在数据库中的数据。 界面设计: 2.运动声源的音频信号获取(声源围绕水平面转一周) 运动声源的合成过程
阅读全文
摘要:项目要求:通过鼠标选择视频区域,检测其中对象,进行跟踪 提取相对于背景运动的目标,并将其与背景图像相分离的技术就是运动目标检测。运动目标检测的方法有三种,分别为: 本次工作选择第三种方法:背景消除。它就是利用当前帧和背景图像的差分来检测目标运动区域,一般选取视频图像第一帧作为背景图像。 算法过程:
阅读全文
摘要:读取信号为数组 def wavread(filename): f = wave.open(filename,'rb') params = f.getparams() nchannels, sampwidth, framerate, nframes = params[:4] strData = f.r
阅读全文
摘要:1.背景: 针对股票市场中AR 模型的识别、建立和估计问题,利用AR 模型算法对股票价格进行预测。 2.模型选取: 股票的价格可视为随机信号,将此随机信号建模为:一个白噪声通过LTI系统的输出,通过原始数据求解 所建模型参数,得到模型,即可预测近期未来的未知股票价格。 随机信号建模为:白噪声通过滤波
阅读全文
摘要:回声添加,两种方法:叠加法和滤波法 界面:
阅读全文
摘要:数组和指针:这里 flizny是一个数组。 flizny == &flizny[0]; //数组名是该数组首元素的地址,两者都是常量,在程序的运行过程中,不会改变。但是,可以把数组名赋值给指针变量,然后可以修改指针变量的值。 例: short dates[4]; short *pti; pti =
阅读全文