用于CrowdDetection算法实现的网络权重。 旷世研究院在CVPR2020上发表的论文《Detection in Crowded Scenes: One Proposal, Multiple Predictions》，提出了一种非常简单而有效的基于提议的对象检测器，它是专门为**拥挤实例检测**而设计的。

可以运行的EMD工具箱针对hhspectrum错误-instfreq.m 在论坛上载了那个最经典的EMD，但是运行后发现出现错误。但是好像很多人也只是随便发，不管是否可以运行，可能仅仅是为了挣麦片。 与同学研究了下，发现是缺少了一个instfreq的函数，于是就从网站上载了一个函数给有需要的人参考下。 EMD中文件夹的install不用管它。可以用一个例子测试下 t=1:500; t=t*1/2000; x=sin; y=0.4*sin; z=x y; plot imf=emd; emd_visu,imf) [A,f,tt]=hhspectrum; [im,tt]=toimage; disp_hhs; colormap) 如果单纯用EMD包，运行到[A,f,tt]=hhspectrum;就会出错，hhspectrum函数需要有instfreq函数包才行。 希望对大家有帮助，为了方便，也提供了一个emd instfreq函数的可以下载

为了消除语音信号分离中仍存在的部分混叠声音，提出一种基于小波消噪和独立分量分析(ICA)结合的信号分离方法。该方法将小波变换和独立分量分析结合，利用小波变换的去噪作用，滤除原始语音信号中的噪声后作为ICA的输入信号，采用 FastIcA算法在小波域进行独立分量分析，对输入信号实施分离．实验结果表明，该方法大大调高了传统独立分量分析对语音信号的分离效果。

对机电系统进行音频信号的故障诊断研究，传统的音频信号处理方法大多采用滤 波降噪的方式，针对其中的不足，拟采用独立分量分析（ICA）的盲源分离方法。该方法只依据传感器采集的观测混合信号，就能恢复各个机械部件产生的声源信号，从而准确地对各个振源进行状态监测和故障诊断

一个对含噪声的语音信号的MATLAB小波去噪程序 一个对含噪声的语音信号的MATLAB小波去噪程序 一个对含噪声的语音信号的MATLAB小波去噪程序 一个对含噪声的语音信号的MATLAB小波去噪程序

分析了小波去噪的特点，针对软、硬阈值的缺陷，构造出一种新的阈值函数及阈值估计方法。新阈值函数连续可导并且新阈值估计方法具有优良的自适应性。仿真实验表明，该方法可以有效去除白噪声干扰，信噪比更高，均方根误差更小，且重构信号的近似性好。

分别用小波分解、小波包分解和EMD分解处理滚动轴承故障数据,并结合Hilbert变换进行包络谱分析实现滚动轴承故障诊断。对滚动轴承故障数据进行小波阈值降噪。小波阈值降噪后分别进行小波分解、小波包分解和EMD分解。分别求出小波分解、小波包分解和EMD分解后各个频带的能量谱。再根据能量谱确定故障频带范围并对其进行信号重构。采用Hilbert变换对重构信号进行包络谱分析实现滚动轴承故障诊断。通过对滚动轴承内圈故障信号的分析验证了小波分解、小波包分解和EMD分解结合Hilbert变换进行包络谱分析的滚动轴承故障诊断方法的有效性。

地震动信号各EMD分量的香农熵计算

为了从强烈的背景噪声中提取侧信道信号的特征信息，提出了一种基于经验模式分解（EMD）与奇异值差分谱相结合的信号特征提取方法。该方法首先对原始侧信道信号进行EMD分解，计算各个特征模态函数（IMF）与原始信号的相关系数，找到最大相似特征分量；再对该分量进行奇异值分解求出对应的奇异值差分谱；最后根据差分谱进行重构和消噪，进一步提取分量的特征信息。实验结果表明，该方法可以有效应用于侧信道信号的特征提取，成功提高信号的信噪比和攻击成功率。

labview编写的EMD分解程序，LabVIEW的HHT方法实现及在轴承故障诊断中的应用研究.非常好用