Python 版本： https : //github.com/nssh/dsp 该文件夹包含两个简单的函数（零交叉和能量）来计算 STE 和 STZCR。 脚本 zcr_ste_so.m 使用这两个和其他函数（包括）来计算 STE 和 STZCR “所以”这个词。 有关更多详细信息，请参阅相应的功能帮助。

提出了一种针对灰色直方图短时能量的高动态工业x射线图像的自动窗口算法。我们首先计算高位图像中短时帧直方图的平均能量值，然后使用双阈值来检测（inspection）包含有用信息的帧。最后，将检测到的帧的端点灰度值视为窗口端点，通过比较和搜索图像对比度的最大值，遍历（traversed）并确定最合适的帧长度和帧偏移。通过一系列对比实验，定性和定量地分析了该算法的有效性（validity）和实用性。结果表明灰度箱之间的距离被自动拉伸,并且在不改变像素之间关系的情况下图像的对比度得到增强。此外, 还删除了冗余背景信息。

语音信号的短时分析包括短时过零率-短时能量-短时自相关等，matlab2013b仿真测试。

短时能量matlab代码超维计算项目的集合 在这里，我们旨在使用超维计算提供全面的项目集合。 如果您有任何相关的项目，请。 超维计算导论 大脑的工作方式表明，与使用我们习惯的数字进行运算相比，使用称为“超向量”的超维（HD）向量进行计算更加有效。 使用超向量进行计算可提供一种通用且可扩展的计算模型，以及定义明确的一组算术运算，可以实现快速且一次性的学习（无需反向传播）。 此外，它以内存为中心，执行令人尴尬的并行操作，并且对于大多数故障机制和噪声具有极强的鲁棒性。 超向量是高维（例如10,000位），（伪）随机性，具有独立的相同分布的分量，从而导致全息表示（即未进行微编码）。 超向量可以使用各种编码：密集或稀疏，双极，二进制，实数，复数。 可以使用算术运算（例如乘法，加法和置换）将它们组合在一起，并使用距离量度对它们的相似性进行比较。 有用的阅读 将基于事件的动态视觉传感器与稀疏超维计算相集成，以进行在线学习 项目规范：开发嵌入以将在346×260差分像素上生成的事件压缩为稀疏的8160位向量，这不仅可以简化推理，还可以使用相同的内存占用空间进行在线学习，以解决回归任务。 输入：从基于事

短时能量，短时过零率，基音周期，清浊音分析。

完整代码，可直接运行

短时能量matlab代码光伏系统的概率预测-P3 欢迎使用P3系统 PV的概率预测系统（P3系统）是用于预测PV系统的短期功率输出的工具。 它可以作为： Matlab源代码。 具有图形用户界面（GUI）的可执行软件，您只需将其下载并安装在PC上即可。 想要查询更多的信息， 。 Python代码，将在Raspberry Pi上实现。 想要查询更多的信息， 。 资料下载 访问有关P3系统的所有MATLAB代码。 可以通过运行Main.m获得预测。 所有其他功能也必须存在。 要获取天气预报，请运行AcquireWeather.m 。 您必须提供API密钥才能获得10天的天气预报。 关于守则 下图突出显示了MATLAB代码的输入和输出。 输入数据 为了预测光伏系统的发电功率，必须提供三个输入： （1）天气预报：这是从在线服务提供商处获得的（例如，Weather Underground）。 在此模型中，使用了1天分辨率的10天预测。 预测必须涵盖训练和预测期。 温度和阴天是代码的关键天气参数。 （2）光伏系统参数：包括位置，方向和技术参数。 （3）历史光伏系统的发电：通过连接到光伏模块的能源监控

基于短时能量和平均过零率的语音信号的特征参数提取的算法介绍

VAD基于短时能量的端点检测函数，AudioVAD函数包括两个参数：short*的数据，long的数据长度。返回值为int类型的1或者0，表示该段数据是voice还是silence。 并附上用于测试的pcm数据。

利用matlab对语音信号短时时域处理，计算信号短时能量和短时平均幅度