为了缓解大城市中日益突出的停车困难，现如今中国各大城市级停车诱导系统的研究开发势在必行.在停车诱导系统中，作为帮助用户找到最合适的停车场的重要因素，对未来停车位的预测是一个非常重要的智能技术手段.目前主流预测方法如果没有了实时数据，大部分会出现误差累积现象，从而影响预测准确性.然而，在停车诱导系统平台的建设早期，我们很难做到将城市所有停车场实时的数据流搜集起来.因此，文中以具有周期特性的非平稳停车位历史数据为研究对象，首先根据中心极限定理和大数定理对停车位进行统计分析，然后结合LSTM （Long Short-Term Memory），提出混合预测模型SAL （non-stationary Stochastic And Long short-term memory）来对未来某个时间段的停车位作有效预测.实验数据证明，相比于单独使用LSTM和Lyapunov指数法作长期预测，SAL的计算复杂度更低，预测效果相对更加精确，并且有效解决了在失去实时数据支撑情况下多步长期预测导致的误差累积问题.

1、能实现无刷电机平稳启动。 2、电机运行流畅，方波PID速度闭环控制稳定可靠。 3、串口能发生调试命令启动电机运行，同时打印速度消息。 4、OLED同步显示电机运行状态和故障信息。

16非平稳时间序列突变检测的启发式瓜分算法(bg算法)matlab源代码[最新].doc

常用AR模型自相关系数递推公式 AR(1) 模型 AR(2) 模型

本程序是通过分析当前3G通信时代中关键技术-------OFDM，结合OFDM信号的循环平稳特性，通过相位和幅度进行信道估计，从而获取更加准确的信道信息，这个是当前通信业的关键问题之一！

针对红外图像对比度和分辩率低、噪声大的特点，提出一种基于平稳小波域的红外图像增强新方法。对高频子带中幅值较小的噪声系数进行衰减，幅值较大的边缘细节系数进行放大；对低频子带系数的幅值采用所提出的正弦函数进行伸缩处理。实验结果表明，本文提出的方法在有效地增强红外图像对比度及边缘细节的同时，又能很好地抑制背景噪声，综合性能明显优于传统的直方图均衡化和反锐化掩膜增强方法。

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。

包含去除仿真交叉项的工具 以及fbrr的工具箱 代码在里面

针对噪声的随机性和突变性,使得传统算法抑制非平稳噪声比抑制平稳噪声难度增大的问题,提出了一种基于深度神经网络的子空间语音增强算法。该算法利用带噪的语音信号数据训练一组深度神经网络语音生成型模型(DNN训练模型);在测试增强阶段根据噪声估计和DNN模型去除非平稳噪声;最后,通过信号子空间在抑制噪声和减少信号失真上做出较为折中的选择重构语音信号。实验结果表明,基于深度神经网络的子空间语音增强算法对非平稳噪声有非常强的抑制能力,通过STOI和PESQ值反映了在低信噪比下,该算法可以提高增强语音的可懂度。

直接序列扩频技术具有强杭干扰能力,高保密性等优点,在军事和民用通信等领域有广泛的应用．但反过来在复杂噪声环境中对其进行检测和参数估计是一个非常困难的课题．本文利用循环谱理论,根据直扩信号和高斯噪声在循环平稳性上的差异来实现在循环频率轴上对二者的检测和参数估计．实验仿真结果表明,此方法在低信噪比条件下具有很好的效果．