语音处理指定了一个由 Lawrence Rabiner 教授（罗格斯大学和加州大学圣巴巴拉分校）、Ronald Schafer 教授（斯坦福大学）、Kirty Vedula 和 Siva Yedithi（罗格斯大学）组成的团队。 此练习是一组语音处理练习之一，旨在补充LR Rabiner和RW Schafer编写的教科书“数字语音处理的理论和应用”中的教材。 此 MATLAB 练习分析一个音频文件，其中包含一段背景信号，然后是一段语音，最后是一段背​​景信号。 该分析是逐帧进行的，并且基于一组短时对数能量和短时过零率参数，程序确定对语音开头的最佳估计的帧信号和作为语音信号结尾的最佳估计的帧。

串行干扰抵消检测器（SIC） 干扰抵消检测器 基本思想： 干扰抵消检测器的基本思路是先解出各用户的数据比特，再根据信道估计值将将该数据比特重构，即重构出期望用户的干扰信号，再从原接收的信号中减去这一重构的干扰信号，以达到干扰抵消的目的。 SIC检测器 算法原理图

2014年全国电子设计大赛金属检测器程序,金属检测 stm32 33886 PWM SPI2 MOTOR,实战通过，十分好使！

基于频谱分析的EAS门道检测器的设计与实现，吴扬，，阐述了谐波EAS系统中门道检测器的工作原理，分析了传统门道检测器的缺点，提出了以信号频谱分析为基础的标签检测方法，给出了硬件

颜色分类leetcode 使用 YOLOv3 对象检测器的汽车颜色分类示例 介绍 使用 . 它由用于查找汽车的目标检测器和用于识别检测到的汽车颜色的分类器组成。 对象检测器是 YOLOv3（OpenCV DNN 后端）的实现。 它不使用 GPU，在 Intel Core i5-7600 CPU 上处理一帧需要 1 秒。 YOLOv3 权重是从 . 分类器基于 Mobilenet v2（TensorFlow 后端）。 在 Intel Core i5-7600 CPU 上进行单一分类需要 35 毫秒。 它可以通过在 GPU 上运行和使用批处理来进一步加速。 这个分类器还不够准确，用作概念验证演示。 图像中的物体检测和分类 此示例将图像作为输入，使用 YOLOv3 对象检测器检测汽车，裁剪汽车图像，在保持纵横比的情况下使它们成为正方形，将它们调整为分类器的输入大小，并识别每辆车的颜色。 结果显示在显示屏上并保存为 output.jpg 图像文件。 用法 使用 --help 查看 car_color_classifier_yolo3.py 的用法： $ python car_color_cla

三种主流的线检测器：lsd线，ed线和hough线 段线检测器（LSD） 边缘绘图线检测器（edlines） 霍夫线检测器（标准和概率） 所有原始依赖项均已删除。 代码可以独立运行： 在包围盒中分别在垂直和水平方向具有刻度的线段检测器 边界框中分别在垂直和水平方向具有比例的边缘绘图线检测器 Hough线检测器（标准和概率），分别在边界框中具有垂直和水平方向的刻度 ED线 EDLines边界框内带有刻度的简单界面 @param src image,single channel. @param w width of image. @param h height of image. @param scaleX downscale factor in X-axis. @param scaleY

基于python的带有关键点检测的超轻量级人脸检测器项目源码

汽车流量检测计是交通管理系统的重要组成部分, 文章采用红外传感器作为车辆流量检测元件，以MSP430处理器作为控制核心模块，设计了一种车辆流量检测系统。文中给出了系统设计方案，详细介绍了车辆流量检测系统的基本原理、系统的硬件电路结构与软件流程。实验结果表明，该系统具有精度高、处理速度快等优点。

使用最简单的逻辑，只检测大的错误，小错误还得细纠。 嫌找的麻烦顺手写的帮我从7个错误降低到了2个。 只能单条单条的对比[M]，[J]，[D]的，但是应该够用了。