Matlab代码实现多层过零率MLZCR

在 MATLAB 中，可以使用函数 x=fzero(h_fun,x0) 或 x=fzero('fun',[x1,x2]) 来计算函数在指定点附近或区间内的过零点或满足某个常数的自变量值。

本存储库包含了我们实现的ROIwiseHMM的Matlab代码。这个模型的详细信息可以在文档中找到。如果您打算在自己的项目中使用此代码，请引用我们的论文： @article{JUN2018, title = \"Modeling regional dynamics in low-frequency fluctuation and its application to Autism spectrum disorder diagnosis\", journal = \"NeuroImage\", year = \"2018\", author = \"Eunji Jun and Eunsong Kang and Jaehun Choi and Heung-Il Suk\" }。您可以在此下载HMM工具箱，它支持混合高斯输出的HMM的推理和学习。

这个 MATLAB 程序提供了一种方法来检测信号波的第一次过零点，即符号从正变负或从负变正的时刻。它处理具有不同采样率的数据，包括可能没有精确零交叉值的情况。该程序通过使用阈值比较技术来识别符号变化，并返回第一个过零点的时间索引。它可以用于各种信号分析和处理应用，例如波形识别、滤波和特征提取。

介绍一种基于过零检测的信号频率提取算法，通过识别信号 y 在时域上的过零点，计算信号频率。该算法适用于分析周期性时间信号。

这段代码利用MATLAB中的newp函数建立了一个两层感知器网络，将第一层的输出作为第二层的输入。代码精简，仅有20行，能够实现解决异或问题的功能，并经过测试达到了100%的正确率。

采样率转换：改变信号采样率，使其与原始信号不同。 应用：减少存储空间、增加细节和精度。 MATLAB实现方法：插值和抽取。

这个项目提供了MATLAB代码，用于复现论文“稀疏超分辨率中的分数导数”的结果。除了MATLAB代码之外，还有一些Python脚本可以用于创建论文表格。 数据集 训练图像位于“数据/培训”文件夹中，来自Yang的网站。 测试数据集是“超分辨率”领域的双极数据集，包括BSD100、漫画109、Set5、Set14和城市100。 程序使用地面真实图像作为输入，自动生成低分辨率图像，然后进行放大。例如，Set5数据集位于“数据/测试/Set5”文件夹中。 代码 程序的核心代码来自J. Yang等人的论文“通过稀疏表示实现图像超分辨率”，发表于IEEE图像处理事务，第19卷，第11期，第2861-2873页，2010年。 运行程序的主要MATLAB文件是： SparseSR_Zooming.m SparseSR_DictionaryTraining.m

利用过零点检测和短时能量计算，提取语音波形。提供自定义数据验证功能。

这个存储库由Timothy J. Gardner和Marcelo O. Magnasco引入Python世界。在标准超声波检查中难以察觉的复杂声音细节在重新分配时变得明显可见。我们探索将新型线性重新分配技术应用于音频分类和无监督机器翻译等下游任务的概念。新的表示形式有望显著提高性能。点击下方图片并放大以观察实现的高分辨率线性重新分配效果。要从GitHub安装，请执行pip install git+git://github.com/earthspecies/spectral_hyperresolution.git。详细讨论该存储库中线性重新分配的使用和参数设置。