School of Electrical Engineering and Computer Science, Gwangju Institute of Science and Technology, Gwangju, 61005, Republic of Korea;
Information and Electronics Research Institute, Korea Advanced Institute of Science and Technology, Daejeon, 34141, Republic of Korea;
Banaras Hindu University, Varanasi, Uttar Pradesh, 221005, India;
Speech enhancement; Noise reduction; Indexes; Entropy; Random variables; Conferences; Speech recognition;
机译:基于DCT-EMD的混合软阈值技术和子带方法用于语音增强
机译:基于DCT-EMD的混合软阈值技术和子带方法用于语音增强
机译:基于DCT-EMD的混合软阈值技术和子带方法用于语音增强
机译:使用自适应均值中值偏差和EMD技术进行语音增强
机译:中心加权中值滤波和相关的非线性滤波技术在图像增强中的应用。
机译:通过使用语音识别中的语言建模技术来增强蛋白质结构域发现
机译:EEG信号在EMD域S. S. Shafiul Alam,S中的非线性动力学使用非线性动力学。 M. Shafiul Alam,Aurangozeb和Syed Tarekshahriar摘要 - 基于EMD Chaos的方法,提出了对应于健康人的EEG信号,癫痫发作期间的癫痫患者和Seizureattacks。脑电图(EEG)首先被凭经上分解为内在模式功能(IMF)。这些IMF的非线性动力学在最大范围的指数(LLE)和相关尺寸(CD)方面是量化的。本域中的混沌分析应用于与健康人相对应的大型脑电图(Asepileptic患者)(两者都有癫痫发作)。因此,所获得的LLE和CD表展的价值可以从EMD领域的其他EEG信号中清晰地区分脑电图的表达展示。本拟议的方法可以帮助研究人员以预测癫痫发作的癫痫发作技术。索引术语 - 脑电图(EEG),仿真态分解(EMD),最大的Lyapunov指数(LLE),相关维度(CD),癫痫发作。作者与电气电子和电子工程公司,孟加拉国工程和技术大学,孟加拉国达卡 - 1000(电子邮件:imamul@eee.buet.ac.bd)pdf cite:s. m. shafiul Alam,s。 M. Shafiul Alam,Aurangozeb和Syed Tarek Shahriar,“EEG信号歧视在EMD领域的非线性动态,”计算机电气工程卷国际杂志。 4,不。 3,pp。326-330,2012,上一篇论文对情绪的看法,使用建设性的学习言论下一篇论文物理层障碍意识到OVPN连接选择机制版权所有©2008-2013。国际计算机科学与信息技术协会出版社(IACSIT Press)