固定拓扑和交换拓扑下多智能体系统的分散稳定性

基于深度学习的噪声抑制与语音识别系统功能如下 1、噪声抑制： （1）提供对音频进行转换成频谱图，让用户分析起来更加直观。 （2）可以进行录音，并将录进的音频内容保存到指定的文件夹中。 （3）同时可以对录进的音频进行添加噪音，添加研究内容。 （4）可以对录制的音频进行降噪处理，使录进的音频听起来更加清晰。 （5）可以将处理后的音频播放出来。 2、语音合成： （1）提供对用户想输入的两段文字的编辑功能。 （2）可以将用户输入的两段文字合成为一段文字并将文字转换为音频信息。 （3）可以存取转换后的音频，也可以存取任意一段文字所转换的音频。 （4）可以将存取的音频播放出来 3、语音识别： （1）提供对于用户输入的音频进行录制。 （2）可以将用户录入的音频存储到指定路径中并进行播放。 （3）将存储的音频识别成文字的方式进行输出。 基于深度学习的噪声抑制与语音识别 基于深度学习的噪声抑制与语音识别 基于深度学习的噪声抑制与语音识别 基于深度学习的噪声抑制与语音识别 基于深度学习的噪声抑制与语音识别 基于深度学习的噪声抑制与语音识别 基于深度学习的噪声抑制与语音识别 基于深度学习的噪声抑制与语音

针对传统降噪方法处理激发极化法（激电法）测量数据的效果不理想的问题，对经验模态分解方法和独立分量分析技术进行了研究，提出了一种新的激电数据降噪方法。首先，采用经验模态分解方法将原始测量数据自适应分解为有限个固有模态函数，再根据其与激发信号的相关性选择固有模态函数构造虚拟噪声通道，最后利用独立分量分析技术提取多维混合数据中的激电信号。利用仿真信号和实际数据对该方法进行实验，对比普通滤波方法和小波阈值算法，结果表明该方法能有效提高激电数据的信噪比。

针对基于数学形态学的去除高浓度椒盐噪声不足问题，采用了一种基于数学形态学的噪声去除方法。所提滤波方法分为预滤波和滤波两个阶段。在预滤波阶段，设定一个简单的检测算子用于构造逐点自适应的3×3像素大小结构元素；在滤波阶段，对预滤波过的像素进行中值滤波。仿真结果表明所提的滤波方法不仅能有效地去除高浓度椒盐噪声，并能很好地保留图像的原有细节信息，而且PSNR值比其他滤波方法平均高出3 dB左右，并具有较短的滤波时间。

时滞在工程领域广泛存在，对此综述了线性时滞系统的稳定性研究方法。从频域和时域两个角度详细介绍了各种方法的特点，着重讨论基于线性矩阵不等式(LMI)的分析方法，指出保守性是分析的重点．对现有结果的保守性进行比较和评述，并提出了改进的思路．

大数据-算法-非线性动力系统的时滞反馈分岔控制研究.pdf

大数据-算法-非线性分数阶时滞微分系统稳定性和延展性的研究.pdf

大数据-算法-非线性高阶时滞微分方程的有界性和稳定性.pdf

可见光通信经典的dco ofdm 和aco ofdm，加高斯白噪声信道，可以使用的。

大数据-算法-非平稳色噪声环境下的参数估计方法研究.pdf