一实验目的1、线性频率—听觉心理尺度的转换：将频谱展示的线性频率横轴，转换为Bark尺度值、ERB尺度值、倍频程序号、1/3倍频程序号；2、频带划分：将0~fs/2的频率范围，划分成一组基于Bark或ERB的感知频带。以整数尺度为中心频率，以对应的Bark或ERB带宽为频带宽度。给出对应的频谱展示。二实验原理1、临界带率尺度（CBRateScale）500Hz以下，临界带宽100Hz左右。之后临界带宽随着频率增加而增大，与0.2f虚线作对比，开始临界带宽增大慢一些，3kHz以后临界带宽增大变得更快。近似表述：即500Hz以下为常量100Hz，500Hz以上则为中心频率的20%。图2.1临界带宽
一实验目的1、线性频率—听觉心理尺度的转换：将频谱展示的线性频率横轴，转换为Bark尺度值、ERB尺度值、倍频程序号、1/3倍频程序号；2、频带划分：将0~fs/2的频率范围，划分成一组基于Bark或ERB的感知频带。以整数尺度为中心频率，以对应的Bark或ERB带宽为频带宽度。给出对应的频谱展示。二实验原理1、临界带率尺度（CBRateScale）500Hz以下，临界带宽100Hz左右。之后临界带宽随着频率增加而增大，与0.2f虚线作对比，开始临界带宽增大慢一些，3kHz以后临界带宽增大变得更快。近似表述：即500Hz以下为常量100Hz，500Hz以上则为中心频率的20%。图2.1临界带宽
本笔记是总结了B站DR_CAN的卡尔曼滤波器的课程，他的B站主页为：DR_CAN的个人空间_哔哩哔哩_bilibiliPS:虽然我不是学自控的，但是老师真的讲的很好！ 目录Lesson1递归算法Lesson2 数学基础_数据融合_协方差矩阵_状态空间方程Lesson3卡尔曼增益的详细推导Lesson4误差的协方差矩阵Pe的数学推导 Lesson5直观理解卡尔曼滤波以及一个实例当计算误差Wk大于测量误差Vk时当计算误差Wk小于测量误差Vk时本例的python代码突然想到一个问题：如何确定卡尔曼滤波要迭代多少次呢？总结一下1.算法迭代的五个步骤2.算法的python代码实现Lesson1递归算法
本笔记是总结了B站DR_CAN的卡尔曼滤波器的课程，他的B站主页为：DR_CAN的个人空间_哔哩哔哩_bilibiliPS:虽然我不是学自控的，但是老师真的讲的很好！ 目录Lesson1递归算法Lesson2 数学基础_数据融合_协方差矩阵_状态空间方程Lesson3卡尔曼增益的详细推导Lesson4误差的协方差矩阵Pe的数学推导 Lesson5直观理解卡尔曼滤波以及一个实例当计算误差Wk大于测量误差Vk时当计算误差Wk小于测量误差Vk时本例的python代码突然想到一个问题：如何确定卡尔曼滤波要迭代多少次呢？总结一下1.算法迭代的五个步骤2.算法的python代码实现Lesson1递归算法
卡尔曼滤波算法是一种经典的状态估计算法，它广泛应用于控制领域和信号处理领域。在电动汽车领域中，卡尔曼滤波算法也被广泛应用于电池管理系统中的电池状态估计。其中，电池的状态包括电池的剩余容量（SOC）、内阻、温度等。并且卡尔曼滤波法也是一种比较精确的SOC估计方法，它通过测量电池的电流和电压来估计电池的SOC。该方法利用卡尔曼滤波算法对电池的状态进行估计，从而得到更准确的SOC估计值。接下来我们将介绍卡尔曼滤波算法的基本原理。一、卡尔曼滤波算法卡尔曼滤波算法是一种递归估计算法，它可以对随时间变化的状态进行估计。该算法的基本思想是将估计值和观测值结合起来，从而得到更准确的状态估计值。卡尔曼滤波算法的
卡尔曼滤波算法是一种经典的状态估计算法，它广泛应用于控制领域和信号处理领域。在电动汽车领域中，卡尔曼滤波算法也被广泛应用于电池管理系统中的电池状态估计。其中，电池的状态包括电池的剩余容量（SOC）、内阻、温度等。并且卡尔曼滤波法也是一种比较精确的SOC估计方法，它通过测量电池的电流和电压来估计电池的SOC。该方法利用卡尔曼滤波算法对电池的状态进行估计，从而得到更准确的SOC估计值。接下来我们将介绍卡尔曼滤波算法的基本原理。一、卡尔曼滤波算法卡尔曼滤波算法是一种递归估计算法，它可以对随时间变化的状态进行估计。该算法的基本思想是将估计值和观测值结合起来，从而得到更准确的状态估计值。卡尔曼滤波算法的
小波阈值去噪的算法是近些年比较流行的一种滤波方法，由于其阈值函数有着众多的改进方式和改进空间，改进阈值函数也往往可以作为创新点和亮点写到论文中，所以对于正在搞相关研究的同学们写论文是比较友好的（轻松水论文方式+1）。本篇将用尽量易懂的方式对小波阈值的原理进行讲解，帮大家梳理几个效果还可以的改进阈值函数，并提供一种非常便捷的MATLAB实现方法，供同学们使用。小波阈值去噪的基础思想还是比较简单的，也就是通过分解+有选择的重构，实现去除噪声成分，留下关键信息的作用。我们从两个角度去理解就可以，谜底就在谜面上，这两个理解角度的关键词就是“小波”和“阈值”。一、先说“小波”需要注意的是，这里提到的小波
小波阈值去噪的算法是近些年比较流行的一种滤波方法，由于其阈值函数有着众多的改进方式和改进空间，改进阈值函数也往往可以作为创新点和亮点写到论文中，所以对于正在搞相关研究的同学们写论文是比较友好的（轻松水论文方式+1）。本篇将用尽量易懂的方式对小波阈值的原理进行讲解，帮大家梳理几个效果还可以的改进阈值函数，并提供一种非常便捷的MATLAB实现方法，供同学们使用。小波阈值去噪的基础思想还是比较简单的，也就是通过分解+有选择的重构，实现去除噪声成分，留下关键信息的作用。我们从两个角度去理解就可以，谜底就在谜面上，这两个理解角度的关键词就是“小波”和“阈值”。一、先说“小波”需要注意的是，这里提到的小波
一、原理1.将连续输入的9个灰度值存入移位寄存器，并通过抽头形成3×3矩阵，而后通过组合逻辑输出9个数的中值。2.抽头原理 因为数据存入shiftreg需要一拍的时间，若选用5、2抽头需要对input单独延迟一拍，本例选用6、3抽头以及input作为滤波矩阵的列输入，避免对input的单独延迟处理。每个时钟上升沿到来时，矩阵左列为抽头输入，其他列依次右移，如图所示。3.求中值算法①将9个数分成3组，每组3个数。求每一组的最大值、中值、最小值②对3个最大值求最小值，对3个最小值求最大值，对3个中值求中值，得到3个数③对这三个数求中值，这个数也是9个像素的中值二、verilog实现顶层模块：//M
一、原理1.将连续输入的9个灰度值存入移位寄存器，并通过抽头形成3×3矩阵，而后通过组合逻辑输出9个数的中值。2.抽头原理 因为数据存入shiftreg需要一拍的时间，若选用5、2抽头需要对input单独延迟一拍，本例选用6、3抽头以及input作为滤波矩阵的列输入，避免对input的单独延迟处理。每个时钟上升沿到来时，矩阵左列为抽头输入，其他列依次右移，如图所示。3.求中值算法①将9个数分成3组，每组3个数。求每一组的最大值、中值、最小值②对3个最大值求最小值，对3个最小值求最大值，对3个中值求中值，得到3个数③对这三个数求中值，这个数也是9个像素的中值二、verilog实现顶层模块：//M
