设计一个能够从复杂（不确定）、大背景噪音下分离出有用语音信号，并通过外放和耳机同时进行播放的有用语音信号提取装置。 基础学科是模拟电子技术和数字电子技术。

硬件三人行，信号特征提取电路设计 ADC信号链第3部 学习笔记 不想购买视频的可以看看具体讲的是什么内容 参考下

提出一种新的获取人体生理参数的方法，用摄像头采集人脸的彩色视频，对人脸区域进行颜色通道分离和独立成分分析（ICA），获取有用信号。使用经验模态分解（EMD）的方法，把信号分解成可以反映出生命信息的固有模态函数（IMF），再根据所设计的提取准则，分别提取出较为准确的心跳和呼吸信号。用Bland-Altman法进行对比实验分析，结果表明，此方法具有一定的准确性和实用性。

小电流测量电路 可用于微电 嵌入式开发等

针对卫星多径信号引入的干扰问题,建立了卫星多径干扰信号盲源分离模型,采用基于降维Householder变换的特征矩阵联合近似对角化(JADE)算法对接收的混合信号四阶累积量进行联合近似对角化,从而提取多径信号。实验结果表明,本算法能很好地分离频谱完全重叠的多径信号和部分重叠的干扰信号;在提取多径信号方面,本算法的性能优于快速独立成分分析(FastICA)算法;在运行时间上,FastICA算法运行1000次的平均时间约为采用Givens旋转的Cardoso高阶累积量特征矩阵联合近似对角化(CG-JADE)算法的6倍,而本算法比CG-JADE算法的平均运行时间少0.0024 s,证明了本算法的有效性和快速性。

答辩十分顺利喔，我觉得这个结果还是蛮好的

本人在MATLAB平台上设计了具体的说话人识别系统用户界面。在实验当中实现的功能有采集语音、预处理、特征提取、识别，如：对说话人进行实时录制并进行处理之后存到训练语音行列中；实时为说话人进行录音并进行处理，然后对训练语音进行匹配，得出较理想的结果。通过这个实验让本人对关于语音识别的理论知识有了更深层的了解并对已理解的部分知识起了验证的效果。

关于微弱信号提取一个改进方法的论文，个人觉得很好，特此分享

行业分类-电信-一种用于动平衡测量的不平衡信号提取方法.rar

提出了基于集合经验模态分解(EEMD)和奇异值(SVD)相结合的微弱信号提取方法和高低频部分的判别准则:采用EEMD把信号分解成几部分,将IMF分为高频段与低频段2部分,对2部分分别进行奇异值处理,叠加得到降噪信号,做出其频谱图,得到所需要的有用信号。此方法可以在未知原信号的情况下提取,并且可以提取信噪比为-15 dB的信号。仿真结果和对比分析表明,此方法能更好地提取微弱特征信号。