1) the stochastic audio signal
随机音频信号
1.
A scheme to identify the stochastic signal and its modes by computer is introduced and using the method of the autocorrelation functions for recognizing the stochastic audio signal fleet has been applied.
分析了利用自相关函数法实现快速识别随机音频信号 ,介绍一种用计算机实现随机音频信号处理与模式识别的硬件结构和程序设
2) pseudo-random multi-frequency signal
伪随机多频信号
1.
Based on time domain expression of 2n sequence pseudo-random multi-frequency signal, the binary system sequence realized by numeral logic was formed, and complex programmable logic device (CPLD) and its soft were used to realize pseudo-random multi-frequencies signal\'s transmitting wave.
利用-1,0,1这3个元素的3元数加法群自封闭加法的编码原理,建立将多种频率信号合成、编码的an序列伪随机多频信号。
3) frequency hopping signal
随机跳频信号
1.
Phase compensation of band passes filters in frequency hopping signal
基于随机跳频信号的带通滤波器相位补偿
4) audio signal
音频信号
1.
Design of an audio signal collector based on DSP with high fidelity;
基于DSP的高保真音频信号采集器设计
2.
The Development of a Soft Digital Spectral Analyzer for Audio Signals;
音频信号软件频谱分析仪设计
3.
Blind separation of mixed audio signal based on FastICA
基于FastICA的混合音频信号盲分离
5) Audio frequency signal
音频信号
1.
In the emitting part of the system, the audio frequency signal is modulated through frequency modulation while the receiving part restores the primitive audio frequency signal.
系统中的发射机单元采用调频方式实现音频信号的调制而接收机单元对调频信号进行解调 ,恢复出原始的音频信
6) acoustic signal
音频信号
1.
Signal Analysis Based on Cantor Set and the Application of Cantor Set in Acoustic Signal of Vehicle Model Recognize;
信号的康托尔分析及其在音频信号车型识别中的应用
2.
Compared with vibration signals,acoustic signals can be collected with non-contact sensors,so as to be convenient and cheap.
轴承音频信号包含了大量的运行状态信息,与振动信号相比,音频信号的采集是非接触式的,具有使用方便和成本低廉等优势。
3.
On the basis of combining theory with practice, bearing fault diagnosis by acoustic signals based on Hidden Markov Model (HMM) is researched systematically in this paper.
(1)轴承音频信号包含其运行状态的重要信息，通过分析这些信息就能对轴承进行有效的故障诊断，而且音频信号能够非接触式采集，具有使用方便、成本低廉等优点。
补充资料：离散随机信号处理
| 离散随机信号处理 discrete random signal processing 利用数字运算，对离散随机信号进行各种滤波处理、离散变换和谱分析。随机信号是一种非确定性的信号，如热噪声信号发生器输出的电信号，飞行器起飞时的结构振动，以及起伏海面的波动高度等。它们的共同特点是无法预测其未来瞬间的精确值。处理的目的是便于从中提取有用的信息，削弱信号中的多余信息量，便于估计信号的特征参数，或变换成易于分析和识别的形式等。 随机信号处理的主要理论基础是信号检测理论、估计理论和随机过程理论。根据理论分析，随机信号的不同样本函数在同一时刻的值往往是不确定的，因而只能用样本函数集的统计平均来描述，如用均值、均方值、方差、概率密度函数、相关函数和功率谱密度函数来描述随机过程的特性。但是，在大多数情况下，被处理的随机信号是具有各态历经的平稳随机过程，它的样本函数集平均可以用某一样本函数的时间平均来确定，这给随机信号的分析和处理带来很大方便。虽然平稳随机信号本身是不确定的，但它的相关函数是确定的，可以利用快速变换算法来计算。相关函数的傅里叶变换或Z变换表示随机信号的功率谱密度函数，简称为功率谱。功率谱是描述随机信号基本特征的重要参数，而功率谱估值是按照实际观测的有限数据估计得到的，它必然与真实的功率谱值有差别。为了减小谱分析偏差和提高谱分辨率，产生了多种谱估计方法。 在非平稳随机信号处理中，非平稳随机过程的特征函数一般是随时间而变化的，不能再用时间平均代替集平均，只能用组成过程的样本函数集的瞬时平均来描述其特性。因而求得的功率谱是随时间变化的谱。这种时变功率谱的计算方法仍在研究中。卡尔曼滤波和最大熵法是处理非平稳随机信号的有用方法。 |
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条