DFT的matlab源代码基于语音的登录系统
此项目使用语音作为度量标准，以根据从梅尔频率倒谱系数（MFCC）获得的系数训练的高斯混合模型（GMM）模型来授权登录
训练
首先清洁语音样本，以消除不必要的噪音。
为每个样本计算MFCC，然后进行离散傅立叶变换（DFT）和对数变换，GMM使用数据将基于MFCC值的语音样本进行聚类。
部署方式
该项目在Django上运行。
Web界面提示用户讲话。
然后，将录制的语音与训练有素的GMM模型进行匹配，以找到适合的最佳群集。
如果匹配高于某个阈值（例如90％），则授权用户。
改进之处
必须注意降低噪音
从录音中区分出实际声音
更好地了解GMM和制造的集群（集群的可视化）
增强模型训练（具有更多数据集）
尝试为MFCC使用不同的过滤器值
2022-12-06 13:49:18
267.82MB
1
DFT的matlab源代码时间序列数学库
概述
该库的目的是为时序分析和信号处理提供优化的算法。
特征
筛选条件：
移动平均滤波器
指数移动平均滤波器
规范化器：
Z归一化
最小-最大归一化
表示形式：
不可逆的
TESPAR
DZ
矩阵配置文件
完全加入
自我加入：STOMP，STAMP，SCRIMP
逐段地
分段总逼近（PAA）
分段线性聚合近似（PLAA）
自适应分段常数逼近（APCA）
具有线性（PLA），二次（PQA）或其他类型曲线拟合功能的分段曲线拟合逼近
象征性的
符号聚合近似（SAX）
可索引符号聚集近似（iSAX）
光谱
离散傅立叶变换（DFT）
离散余弦变换（DCT）
离散切比雪夫变换（DChT）
小波离散Haar小波变换（DWT）
测量：
动态时间规整（DTW）
最长公共子序列（LCSS）
在实际序列上编辑距离（EDR）
使用实际罚分（ERP）编辑距离
均匀缩放
缩放和扭曲匹配（在统一缩放中使用DTW）
其他
用于（自适应SAX
/
iSAX）的自适应分布分配器
复杂度不变距离
用法
将以下依赖项添加到您的Maven项目中。
<
dependency
>
<
gr
2022-12-01 11:42:02
4.26MB
1
DFT的matlab源代码电路测试和GNN
编写该程序包的目的在于涵盖用于电路网表（图形）的不同方法。
该软件包读取标准格式的电路网表，并且可以执行不同的测试设计（DFT）操作，包括：
门级逻辑仿真
故障模拟（PFS，DFS）
优势和对等关系
系统故障掉线（CPT）
基于故障的ATPG（D算法和PODEM的不同版本）
全回路ATPG
不同的可控性和可观察性测量值（例如SCOAP）
不同格式的电路（.bench，.verilog，.ckt）之间的转换
该软件包能够产生与测试相关的数据集，这些数据集随后将用于下游机器学习应用程序。
开发人员和附属机构：
该软件包最初是由一组南加州大学（USC）计算机工程研究生开发的，是与的共同研究项目。
仓库经理：
主要贡献者：
使用该平台的研究生（有的在其EE658课程中）
（同等贡献）：
王佳怡李嘉明韩章李树波严达达
顾问：
设定环境
Python3
电路输入格式
最初的实现基于.CKT的修改版本，称为CKT658
[参考]。
可以使用转换器将标准.bench格式转换为CKT658，并在平台内实现。
translator.py
运行代码
在命令行中，键
2022-11-28 21:54:29
259KB
1