众文网1.求论文：关于 倒谱特征参数提取算法 的英文文章
估计技术用于提取语音识别的特征的基础，目前主流的方法是FFT、LP等，但这两种方法都对噪声比较敏感。最小方差无失真响应谱估计（MVDR）方法作为一种谱包络估计技术，可以用于计算语音的全极点谱，与用于计算全极点参数的LP方法相比，MVDR鲁棒性更好，它可以有效的减轻加性噪声的干扰。因而可以用以代替传统的方法，获得鲁棒性更强的特征参数，对于提高识别系统的性能具有重要意义。
主要设计（研究）内容：
本题目中，针对所提供的语音样本，经过分帧加窗处理，在Mel 频率尺度上计算MVDR谱。对每个特定的频率的时间波形作傅立叶变换即可得到调制谱，通过调制谱滤波来提高语音识别的鲁棒性。然后通过宽等高半重叠的三角滤波器组，经对数运算和DCT变换得到倒谱参数。并在多种噪声环境下与传统的MFCC算法进行对比实验，得到相关结论。
进度安排：
第1-2周 查阅文献，书写开题报告
第3-4周 背景知识的学习、英文资料的翻译
第5-7周 前期设计、程序编写
第8周 填写中期检查表
第9-12周 程序调试
第13-14周 相关问题的改进、实验数据、结果的整理
第15-16周 完成毕业论文
第17-18周 答辩
需要的条件：
熟练使用Matlab
求如题的英文文章 以便翻译啊。
谢谢 加分
qq 547436942
2.求一篇关于脉搏计原理和设计的毕业论文 要求4000
摘 要 该论文研究了基于微机的脉搏信号实时采集系统。
研究工作的主要结果和创新点可归纳如下： （1）研究了PVDF压电脉搏传感器的设计。分析研究了PVDF压电薄膜的压电方程，推导出了压力与输出电荷的关系，在此基础上设计了电荷放大电路，并对电荷放大电路进行了线性化修正。
经过与电压放大电路比较发现，修正后的电荷放大电路性能稳定，灵敏度高。分析了脉搏测试中的各种噪声，并采取相应的措施加以滤除。
（2）设计了基于凌阳单片机的三路脉搏信号实时采集系统。该系统采集精度高，处理速度快，可实现单片机内数字滤波，并重点研究实现了单片机USB接口与PC机的通信，提高了数据传输速度，进一步抑制了噪声。
（3）利用小波变换提取了脉搏信号的特征值。分析了正常的人脉搏信号的小波域特征，发现脉搏信号的时域特点严格对应于其小波变换的过零点。
提出的过零点检测算法，较好解决了脉搏信号时域特征点参数多，分析复杂，误差较大的问题。提取了正常人脉搏信号的特征，以期为临床应用提供更易判断的依据。
本文的工作是对智能化测试脉搏信号的一次努力和尝试，无论是在传感器设计、信号传输，还是在脉搏信号处理上，都采用了比较独特的方法，为中医脉搏信号智能化测试研究提供了重要而具有指导意义的途径 关键词：脉搏信息 传感器设计 计算机辅助测试 信号处理 小波分析 摘 要 1 ABSTRACT 1 第一章 绪论 4 1.1课题研究的意义与作用 5 1. 2脉搏信号及脉图 6 1.2.1脉诊有关的概念 6 1.2.2脉搏信号的性质 6 第二章 PVDF脉搏传感器及其系统的研制 8 2.1引言 8 2.2设计原理 8 2.3信号调理电路 10 2.3.1线性电荷放大电路 10 2.3.2端频率选择电路和时间常数电路 14 2.3.3除噪设计 14 2.4实验与结果 15 2.4.1实验 15 2.4.2灵敏度测试[9] 16 第三章 基于凌阳单片机的脉搏信号采集处理系统设计 16 3.1凌阳单片机 16 3.2系统硬件结构 17 3.3数据采集 17 3.4SPCE061A与PC机通信的实现 20 3.4.1硬件方案 20 3.4.2软件设计 22 3.5讨论 24 第四章 基于小波分析的智能化脉搏信号测试方法 25 4.1小波分析基本原理[24] 25 4.2.小波变换滤波与传统滤波方法的比较 27 4.2.1小波变换模极大值滤波法 27 4.3小波变换提取脉搏信号特征值 32 4.3.1正常人桡动脉波的特征点及其二进制小波变换 32 4.4本章小结 34。
3.毕业论文数字图像的水印嵌入研究,要提出算法吗
现在做水印已经做得很多了，基本能提出新的算法对一个毕业论文来说比较难了，我个人认为，主要是参照别人的算法，如果学校要求严格的话，自己努力改进一点，就出来自己的东西了，水印嵌入和提取的算法程序很多，尤其是Matlab的，自己网上下载两个好的，有解释的那种，仔细看懂后，自己研究出点东西就是个毕业论文了，我毕业论文也做这个，嘿嘿，最近正在看，对于图像水印的话，大部分就是离散余弦变换（DCT）变换，也有离散小波变换的，小波变换比较难点，而且大部分是针对语音的，余弦变换的程序很多，大部分都是通过修改变换系数来嵌入水印，多搜些资料看看，不太难。
加油啊，如果满意回答的话希望给点分啦。
4.写一篇《论算法设计中的分治与增量》的学术论文1500字1500字 爱问
一、动态规划的基本思想 在比较基本的算法设计思想里，动态规划是比较难于理解，难于抽象的一种，但是却又十分重要。
动态规划的实质是分治思想和解决冗余，因此它与分治法和贪心法类似，它们都是将问题的实例分解为更小的、相似的子问题，但是动态规划又有自己的特点。 贪心法的当前选择可能要依赖于已经作出的选择，但不依赖于还未做出的选择和子问题，因此它的特征是由顶向下，一步一步地做出贪心选择，但不足的是，如果当前选择可能要依赖子问题的解时，则难以通过局部的贪心策略达到全局最优解。
相比而言，动态规划则可以处理不具有贪心实质的问题。 在用分治法解决问题时，由于子问题的数目往往是问题规模的指数函数，因此对时间的消耗太大。
动态规划的思想在于，如果各个子问题不是独立的，不同的子问题的个数只是多项式量级，如果我们能够保存已经解决的子问题的答案，而在需要的时候再找出已求得的答案，这样就可以避免大量的重复计算。 由此而来的基本思路是，用一个表记录所有已解决的子问题的答案，不管该问题以后是否被用到，只要它被计算过，就将其结果填入表中。
比较感性的说，其实动态规划的思想是对贪心算法和分治法的一种折衷，它所解决的问题往往不具有可爱的贪心实质，但是各个子问题又不是完全零散的，这时候我们用一定的空间来换取时间，就可以提高解题的效率。 二、动态规划的基本步骤 动态规划算法通常用于求解具有某种最优性质的问题。
在这类问题中，可能会有许多可行解。每一个解都对应于一个值，我们希望找到具有最优值（最大值或最小值）的那个解。
设计一个动态规划算法，通常可以按以下几个步骤进行： （1）找出最优解的性质，并刻画其结构特征。 （2）递归地定义最优值。
（3）以自底向上的方式计算出最优值。 （4）根据计算最优值时得到的信息，构造一个最优解。
其中（1）——（3）步是动态规划算法的基本步骤。在只需要求出最优值的情形，步骤（4）可以省去。
若需要求出问题的一个最优解，则必须执行步骤（4）。 此时，在步骤（3）中计算最优值时，通常需记录更多的信息，以便在步骤（4）中，根据所记录的信息，快速构造出一个最优解。
三、典型的动态规划举例——矩阵连乘问题 作为经典的动态规划算法举例，矩阵连乘问题很好地展现了动态规划的特点和实用价值。 给定n个矩阵{A1,A2,。
,An}，其中Ai与Ai 1是可乘的，i=1,2,。
n-1。
现在要计算这n个矩阵的连乘积。由于矩阵的乘法满足结合律，所以通过加括号可以使得计算矩阵的连乘积有许多不同的计算次序。
然而采用不同的加扩号方式，所需要的总计算量是不一样的。 若A是一个p*q矩阵，B是一个q*r矩阵，则其乘积C=AB是一个p*r矩阵。
如果用标准算法计算C，总共需要pqr次数乘。 现在来看一个例子。
A1,A2,A3分别是10*100,100*5和5*50的矩阵。 如果按照（（A1A2）A3）来计算，则计算所需的总数乘次数是10*100*5 10*5*50=7500。
如果按照（A1(A2A3)）来计算，则需要的数乘次数是100*5*50 10*100*50=75000，整整是前者的10倍。由此可见，在计算矩阵连乘积时，不同的加括号方式所导致的不同的计算对计算量有很大的影响。
如何确定计算矩阵连乘积A1A2,。
,An的一个计算次序，使得依此次序计算矩阵连乘积需要的数乘次数最少便成为一个问题。
对于这个问题，穷举法虽然易于入手，但是经过计算，它所需要的计算次数是n的指数函数，因此在效率上显得过于低下。 现在我们按照动态规划的基本步骤来分析解决这个问题，并比较它与穷举法在时间消耗上的差异。
（1）分析最优解的结构。 现在，将矩阵连乘积AiAi 1。
Aj简记为A[i:j]。对于A[1:n]的一个最优次序，设这个计算次序在矩阵Ak和Ak 1之间将矩阵链断开（1 *max） *max= A; if(A } } 上面这个算法需比较2(n-1)次。
能否找到更好的算法呢？我们用分治策略来讨论。 把n个元素分成两组： A1={A[1],。
,A[int(n/2)]}和A2={A[INT(N/2) 1],。
,A[N]} 分别求这两组的最大值和最小值，然后分别将这两组的最大值和最小值相比较，求出全部元素的最大值和最小值。
如果A1和A2中的元素多于两个，则再用上述方法各分为两个子集。直至子集中元素至多两个元素为止。
例如有下面一组元素：-13,13,9,-5,7,23,0,15。用分治策略比较的过程如下： 图中每个方框中，左边是最小值，右边是最大值。
从图中看出，用这种方法一共比较了10次，比直接比较法的14次减少4次，即约减少了1/3。算法如下： void maxmin2(int A[],int i,int j,int *max,int *min) /*A存放输入的数据，i,j存放数据的范围，初值为0,n-1,*max,int *min 存放最大和最小值*/ { int mid,max1,max2,min1,min2; if (j==i) {最大和最小值为同一个数；return;} if (j-1==i) {将两个数直接比较，求得最大会最小值；return;} mid=(i j)/2； 求i~mid之间的最大最小值分别为max1,min1； 求mid 1~j之间的最大最小值分别为max2,min2； 比较max1和max2，大的就是最大值； 比较min1和min2，小的就是最小值； } 利用分治策略求解时，所需时间取决于分解后子问题的个数、子问题的规模大小等因素，而二分法，由于。
转载请注明出处众文网 » 基音提取算法的毕业论文