加权短时自相关函数的基音周期估计算法.doc

该程序能够实现语音信号处理中的短时倒谱分析，包括复倒谱、倒谱、Mel倒谱系数MFCC、lpc倒谱、lpcMel倒谱系数，线性预测误差序列的倒谱以及对应的倒谱距离。并在程序中指明了这些参数的用途，给出了算法程序仿真和对应的结果图。

语音短时时域分析matlab仿真代码

语音短时频域分析matlab仿真代码

matlab自带了短时傅里叶变换的分析函数，老版本的matlab是specgram函数，新的改成了spectrogram函数，虽然一说到时频分析，都会说到小波分析，小波分析要比短时傅里叶要好云云，但在分析信号的瞬时频谱时，短时傅里叶还是有它的用武之地的。前一阵也看了一些有关小波分析的matlab实现，发现帮助中使用小波也多是除噪、压缩，都说小波是时频显微镜，它的用武之地还是在于查看高频在哪一级分解中，进而可以有效滤除一些信号，比如除噪，所以短时傅里叶变换查看瞬时频率正好互补一下。

摘 要 短时强降水是气象上的常见灾害性天气，准确认识短时强降水的发生规律和科学有效地预报是防灾减灾的关键问题。利用江苏省13个气象观测站历史上短时强降水观测资料，用遗传算法进行特征选择，选定影响短时强降水的对流抑制能、对流有效势能、高空水汽通量场等19个特征为主要因素，将是否短时强降水抽象成二元分类问题。借助机器学习中CART决策树算法进行分类分析，构建便于预报员使用的短时强降水预报规则集。实验部分，随机选择3000条样本进行训练模型，得到适合江苏地区的短时强降水规则集，用剩余的838条数据进行检验，模型的短时强降水预报准确率为88.26%，非强降雨预报准确率为96.81%，较特征选择之前分别提升4.75%和0.70%。

交通流量预测是智能交通系统中非常重要的研究领域,传统的预测方法在交通流量预测中有着非常广泛的应用。但是,在短时交通流量预测中,由于其影响因素错综复杂,传统的预测方法对于短时交通流量不能很好地进行预测。随着机器学习和数据挖掘各种理论的不断提出及完善,机器学习和数据挖掘与交通流量预测的结合是智能交通系统未来发展的一个重要方向。本文利用SVM(supportvectormachine)构建了短时交通流量预测模型,并利用遗传算法(geneticalgorithm)对SVM的惩罚参数C和核参数。进行优化,同时比较S

利用cwt函数(一维连续小波变换)对线性调频仿真信号进行时频分析，绘制时频分布图，并与短时Fourier变换结果进行比较

利用小波降噪预处理的时频分布分析柴油机漏油故障。诊断实例为斯太尔实车发动机漏油故障，振动传感器放置在第3、第4缸中间，设置故障为第3缸油路漏油，同时采集振动信号和第4缸喷油压力信号，采样频率为12.8kHz，发动机转速为1300r/min，Sig1.txt是正常工况下第4缸上止点后两个工作循环的振动信号，Sig2.txt是第3缸漏油工况下的振动信号。 如有任何疑问，请私信博主。

需要注意的是：实现离散序列的短时 Fourier变换,是 tftoobox工具箱中的函数。 该程序构建一个256点仿真信号x(N),采样频率为256Hz，在区间(30,80)和(140,190)内正弦信号的频率分别为32Hz和64Hz，采用函数 tfrstft对其进行时频分析。