CN106571073A - 一种英语单词语根形音记忆方法 - Google Patents

一种英语单词语根形音记忆方法 Download PDF

Info

Publication number
CN106571073A
CN106571073A CN201610596809.4A CN201610596809A CN106571073A CN 106571073 A CN106571073 A CN 106571073A CN 201610596809 A CN201610596809 A CN 201610596809A CN 106571073 A CN106571073 A CN 106571073A
Authority
CN
China
Prior art keywords
word
image
signal
jump
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610596809.4A
Other languages
English (en)
Inventor
张法春
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201610596809.4A priority Critical patent/CN106571073A/zh
Publication of CN106571073A publication Critical patent/CN106571073A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00—Electrically-operated educational appliances
    • G09B5/06—Electrically-operated educational appliances with both visual and audible presentation of the material to be studied
    • G09B5/065—Combinations of audio and video presentations, e.g. videotapes, videodiscs, television systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明涉及一种英语单词语根形音记忆方法，该英语单词语根形音记忆方法有相配合的英语单词语根形音记忆方法的辅助装置，单词辅助记忆装置本体的顶端设有扬声器，扬声器的下端设有显示屏，显示屏的下端左部为字母按键，字母按键的右部为功能按键；扬声器的左部外端设有耳机插孔，通过系统提供的记忆方法能使使用者对单词记忆产生兴趣，并轻松的记忆英语单词。

Description

一种英语单词语根形音记忆方法
技术领域
本发明涉及智能记忆方法技术领域，尤其涉及一种英语单词语根形音记忆方法。
背景技术
目前，在英文的学习工程中，英文单词的记忆是最为基础，最为重要的过程，但往往因为其枯燥无比让无数的英文学习者感到困难无比，花了大量时间往往无法达到良好的记忆效果，最终导致英文学习的困难，现在有不少英文单词的词典，记忆卡，记忆贴等及对应的记忆方法，最普通的是将单词及相应的注释按照一定排版印刷，使用者在学习使用过程中感觉十分枯燥，容易疲劳，效果很不好，还有的记忆卡做了一定程度的改进，将单词及注释作分离，迫使使用者在记忆中有一定思考的时间，但在实际使用当中效果也十分有限，因为这些方式都无法充分调动学习者的兴趣，无法在遵循英语单词学习记忆规律的前提下最大程度刺激大脑活动加深英文单词的记忆。
发明内容
本发明为解决公知技术中存在的英语记忆方法十分枯燥，容易疲劳的问题而提供一种结构简单、安装使用方便、提高效率的英语单词语根形音记忆方法。
本发明为解决公知技术中存在的技术问题所采取的技术方案是：所述英语单词语根形音记忆方法包括：使用者通过数据线使英语单词语根形音记忆方法的辅助装置与计算机连接，将所学阶段的备课内容输入进英语单词语根形音记忆方法的辅助装置的内置存储器中，然后可通过功能按键选择英语单词语根形音记忆方法的辅助装置内部所编程好的英语单词记忆方法，在学习的过程中可使用扬声器，也可通过扬声器外部的耳机插孔戴上耳机进行学习；英语单词语根形音记忆方法的辅助装置还设有测试程序，显示屏上显示所学过的单词，使用者有记忆时可通过功能按键点击下一个，当使用者没有记忆时，通过功能按键点击词根词缀的汉语解释进行提醒，还是无法记忆时，点击单词的汉语解释进行加深记忆，同时中央处理器对此单词自动储存，以便在系统测试的时候在进行测试；使用者还可以通过字母按键输入英语单词，英语单词会显示在显示屏上，同时通过功能键可对此单词进行发音、汉语解释、词根词缀的汉语解释的按键操作。
所述辅助装置包括：单词辅助记忆装置本体、显示屏、字母按键、功能按键、扬声器、耳机插孔；
单词辅助记忆装置本体的顶端设有扬声器，扬声器的下端设有显示屏，显示屏的下端左部为字母按键，字母按键的右部为功能按键；扬声器的左部外端设有耳机插孔；
所述单词辅助记忆装置本体的内部设有中央处理器与存储器，中央处理器上设有插孔，可通过数据线与计算机连接，通过计算机可向单词辅助记忆装置输入使用者所学阶段的备课内容，并存储于存储器中；
所述中央处理器有编程好的程序，并相对应的与设有的功能按键相连接；
所述的记忆方法可在单词辅助记忆装置上操作，单词记忆测试的方法步骤为：显示屏上显示出所学过的单词，使用者有记忆时可点击下一个，当使用者忘记此单词时，通过功能按键使显示屏显示词根词缀所对应的汉语解释对使用者进行提醒，还是无法记忆时，还可通过功能按键使显示屏显示单词的汉语解释，此时中央处理器会自动对此单词进行保存，以便在复习的时候对使用者进行测试。
进一步，所述显示屏设置有加密模块和解密模块；
所述加密模块的加密方法包括：
（1）采用龙格库塔法求解新四维超混沌Lorenz系统，生成xi,yi,zi,wi四个序列；
（2）用m(j)=x(i)，m(j+1)=y(i)，m(j+2)=z(i)，m(j+3)=w(i)，i=i+1，j=j+4的方式取序列H个值以后的n（n=M*N）个值，H=10000组成M序列；
（3）m=mod(m*K,256)，；
（4）e=m+x ，混沌序列与原始图像进行相加运算；
（5）while(e>255)e=e-256；保证加密后的各像素值在0～255之间；
所述解密模块的解密方法包括：
（1）解新超混沌Lorenz系统生成xi,yi,zi,wi四个序列；
（2）m(j)=x(i);m(j+1)=y(i);m(j+2)=z(i);m(j+3)=w(i);i=i+1;j=j+4;的方式取序列H=10000个值以后的n（n=M*N）个值，组成mj序列；
（3）m=mod(m*K,256)；
（4）x=e-m ；
（5）while(x<0)x=x+256。
进一步，所述显示屏设置有图像去燥模块，所述图像去燥模块的图像去噪具体方法为：
步骤一、将含噪图像f(x，y) 进行平稳小波变换邻域系数萎缩的图像去噪，分别获得子带系数：低频系数、水平细节系数、垂直细节系数和对角细节系数；
步骤二、对第一层的低频系数利用PCNN 进行区域分割；
步骤三、将低频系数保持不变，对各层的水平细节系数、垂直细节系数和对角细节系数分别进行邻域阈值处理；
步骤四、采用脉冲耦合神经网络对噪声图像进行处理，得到熵序列En，将En 作为边缘检测算子；
步骤五、进行阈值寻优，得到最优去噪阈值k ；
步骤六、根据求得的边缘检测算子En 和最优去噪阈值k，采用改进的各向异性扩散模型对图像进行去噪。
进一步，所述显示屏的图像迭代模型表示为：
；
其中，X 为所述目标图像，M 为系统矩阵，G 为所述投影数据，i 表示迭代次数，X i 表示第i 次迭代后得到的迭代结果 ；λ 表示收敛系数，且 λ ∈ (0,1)，M T 表示对矩阵 M的转置 ；设置所述目标图像的初始值，并根据预先设置的迭代次数利用所述迭代模型对所述目标图像中的每个像素点进行迭代更新，获取所述目标图像，所述迭代模型中的像素点的当前灰度值与前次迭代的灰度值一致逼近；所述将目标图像中灰度值小于 0 的像素点置零；
图像迭代的目标函数为 ：
；
其中，R i ∈ RM×N ，Δ 表示所述第一非负图像或所述第二非负图像，R
i Δ 表示从 Δ 中提取的图像块，|||| 2 表示 2- 范数，||||1 表示 1- 范数，γ为正则化参数，D 表示过完备字典，α i为第 i 个图像块 R i Δ 对应的稀疏系数，Γ 为所有图像块的稀疏系数集合。
进一步，所述中央处理器设置有同步正交跳频信号盲源分离模块，所述同步正交跳频信号盲源分离模块的同步正交跳频信号盲源分离方法包括以下步骤：
步骤一，利用含有M个阵元的阵列天线接收来自多个同步正交跳频电台的跳频信号，对每一路接收信号进行采样，得到采样后的M路离散时域混合信号 ；
步骤二，对M路离散时域混合信号进行重叠加窗短时傅里叶变换，得到M个混合信号的时频域矩阵，（p，q）表示时频索引，具体的时频值为，这里表示FFT变换的长度，p表示加窗次数，表示采样间隔，表示采样频率，为整数，表示短时傅里叶变换加窗间隔的采样点数，，且为整数，也就是说采用的是重叠加窗的短时傅里叶变换。，其中P表示总的窗数，表示FFT变换长度；
步骤三，对步骤二中得到的跳频混合信号时频域矩阵进行预处理；
步骤四，利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率；
步骤五，根据步骤四估计得到的归一化混合矩阵列向量估计时频域跳频源信号；对所有采样时刻索引p判断该时刻索引属于哪一跳，具体方法为：如果，则表示时刻p属于第l跳；如果，则表示时刻p属于第1跳； 对第l（）跳的所有时刻，估计该跳各跳频源信号的时频域数据，计算公式如下：
；
步骤六，对不同跳频点之间的时频域跳频源信号进行拼接；估计第l跳对应的个入射角度，用表示第l跳第n个源信号对应的入射角度，的计算公式如下：
表示第l跳估计得到的第n个混合矩阵列向量的第m个元素，c表示光速，即米/秒；
判断第l（l=2，3，…）跳估计的源信号与第一跳估计的源信号之间的对应关系，判断公式如下：
其中表示第l跳估计的第个信号与第一跳估计的第n个信号属于同一个源信号；
将不同跳频点估计到的属于同一个源信号的信号拼接在一起，作为最终的时频域源信号估计，用表示第n个源信号在时频点上的时频域估计值，，，即
步骤七，根据源信号时频域估计值，恢复时域跳频源信号。
本发明具有的优点和积极效果是：该英语单词语根形音记忆方法的辅助装置结构简单，设计合理，通过系统提供的记忆方法能使使用者对单词记忆产生兴趣，并轻松的记忆英语单词。
附图说明
图1是本发明实施例提供的英语单词语根形音记忆方法的辅助装置的结构示意图；
图中：1、单词辅助记忆装置本体；2、显示屏；3、字母按键；4、功能按键；5、扬声器；6、耳机插孔。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下：
请参阅图1所示：该英语单词语根形音记忆方法的辅助装置包括：单词辅助记忆装置本体1、显示屏2、字母按键3、功能按键4、扬声器5、耳机插孔6；
单词辅助记忆装置本体1的顶端设有扬声器5，扬声器5的下端设有显示屏2，显示屏2的下端左部为字母按键3，字母按键3的右部为功能按键4；扬声器5的左部外端设有耳机插孔6。
所述的单词辅助记忆装置本体1的内部设有中央处理器与存储器，中央处理器上设有插孔，可通过数据线与计算机连接，通过计算机可向单词辅助记忆装置输入使用者所学阶段的备课内容，并存储与存储器中。
所述的中央处理器有编程好的程序，并相对应的与设有的功能按键4相连接。
所述的记忆方法可在单词辅助记忆装置上操作，单词记忆测试的方法步骤为：显示屏2上显示出所学过的单词，使用者有记忆时可点击下一个，当使用者忘记此单词时，通过功能按键4使显示屏2显示词根词缀所对应的汉语解释对使用者进行提醒，还是无法记忆时，还可通过功能按键4使显示屏2显示单词的汉语解释，此时中央处理器会自动对此单词进行保存，以便在复习的时候对使用者进行测试。
所述的英语单词语根形音记忆方法辅助装置内的中央处理器还设有单词快速记忆法，该快速记忆法的步骤为:a、巧妙的利用英语字母的象形与熟词结合记忆英语单词；b、巧妙拟出字母读音与熟词结合记忆英语单词；c、巧妙利用字母的读音与拟音记忆英语单词；d、巧妙利用英语单词部分字母组合的拟音与汉语拼音字母组合记忆英语单词；e、巧妙利用英语单词的整体构成记忆英语单词；f、拟出英语单词整体发音记忆英语单词；g、巧妙利用英语单词的起源时期的拟音特点记忆英语单词。
使用者可通过数据线使英语单词语根形音记忆方法的辅助装置与计算机连接，将所学阶段的备课内容输入进英语单词语根形音记忆方法的辅助装置的内置存储器中，然后可通过功能按键4选择英语单词语根形音记忆方法的辅助装置内部所编程好的英语单词记忆方法，在学习的过程中可使用扬声器5，也可通过扬声器5外部的耳机插孔6戴上耳机进行学习；英语单词语根形音记忆方法的辅助装置还设有测试程序，显示屏2上显示所学过的单词，使用者有记忆时可通过功能按键4点击下一个，当使用者没有记忆时，可以通过功能按键4点击词根词缀的汉语解释进行提醒，还是无法记忆时，点击单词的汉语解释进行加深记忆，同时中央处理器对此单词自动储存，以便在系统测试的时候在进行测试；使用者还可以通过字母按键3输入英语单词，英语单词会显示在显示屏2上，同时通过功能键可对此单词进行发音、汉语解释、词根词缀的汉语解释等的按键操作。进一步，所述显示屏设置有加密模块和解密模块；
所述加密模块的加密方法包括：
（1）采用龙格库塔法求解新四维超混沌Lorenz系统，生成xi,yi,zi,wi四个序列；
（2）用m(j)=x(i)，m(j+1)=y(i)，m(j+2)=z(i)，m(j+3)=w(i)，i=i+1，j=j+4的方式取序列H个值以后的n（n=M*N）个值，H=10000组成M序列；
（3）m=mod(m*K,256)， ；
（4）e=m+x ，混沌序列与原始图像进行相加运算；
（5）while(e>255)e=e-256；保证加密后的各像素值在0～255之间；
所述解密模块的解密方法包括：
（1）解新超混沌Lorenz系统生成xi,yi,zi,wi四个序列；
（2）m(j)=x(i);m(j+1)=y(i);m(j+2)=z(i);m(j+3)=w(i);i=i+1;j=j+4;的方式取序列H=10000个值以后的n（n=M*N）个值，组成mj序列；
（3）m=mod(m*K,256)；
（4）x=e-m ；
（5）while(x<0)x=x+256。
进一步，所述显示屏设置有图像去燥模块，所述图像去燥模块的图像去噪具体方法为：
步骤一、将含噪图像f(x，y) 进行平稳小波变换邻域系数萎缩的图像去噪，分别获得子带系数：低频系数、水平细节系数、垂直细节系数和对角细节系数；
步骤二、对第一层的低频系数利用PCNN 进行区域分割；
步骤三、将低频系数保持不变，对各层的水平细节系数、垂直细节系数和对角细节系数分别进行邻域阈值处理；
步骤四、采用脉冲耦合神经网络对噪声图像进行处理，得到熵序列En，将En 作为边缘检测算子；
步骤五、进行阈值寻优，得到最优去噪阈值k ；
步骤六、根据求得的边缘检测算子En 和最优去噪阈值k，采用改进的各向异性扩散模型对图像进行去噪。
进一步，所述显示屏的图像迭代模型表示为：
；
其中，X 为所述目标图像，M 为系统矩阵，G 为所述投影数据，i 表示迭代次数，X i 表示第i 次迭代后得到的迭代结果 ；λ 表示收敛系数，且 λ ∈ (0,1)，M T 表示对矩阵 M的转置 ；设置所述目标图像的初始值，并根据预先设置的迭代次数利用所述迭代模型对所述目标图像中的每个像素点进行迭代更新，获取所述目标图像，所述迭代模型中的像素点的当前灰度值与前次迭代的灰度值一致逼近；所述将目标图像中灰度值小于 0 的像素点置零；
图像迭代的目标函数为 ：
；
其中，R i ∈ RM×N ，Δ 表示所述第一非负图像或所述第二非负图像，R
i Δ 表示从 Δ 中提取的图像块，|||| 2 表示 2- 范数，||||1 表示 1- 范数，γ为正则化参数，D 表示过完备字典，α i为第 i 个图像块 R i Δ 对应的稀疏系数，Γ 为所有图像块的稀疏系数集合。
进一步，所述中央处理器设置有同步正交跳频信号盲源分离模块，所述同步正交跳频信号盲源分离模块的同步正交跳频信号盲源分离方法包括以下步骤：
步骤一，利用含有M个阵元的阵列天线接收来自多个同步正交跳频电台的跳频信号，对每一路接收信号进行采样，得到采样后的M路离散时域混合信号 ；
步骤二，对M路离散时域混合信号进行重叠加窗短时傅里叶变换，得到M个混合信号的时频域矩阵，（p，q）表示时频索引，具体的时频值为，这里表示FFT变换的长度，p表示加窗次数，表示采样间隔，表示采样频率，为整数，表示短时傅里叶变换加窗间隔的采样点数，，且为整数，也就是说采用的是重叠加窗的短时傅里叶变换。，其中P表示总的窗数，表示FFT变换长度；
步骤三，对步骤二中得到的跳频混合信号时频域矩阵进行预处理；
步骤四，利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率；
步骤五，根据步骤四估计得到的归一化混合矩阵列向量估计时频域跳频源信号；对所有采样时刻索引p判断该时刻索引属于哪一跳，具体方法为：如果，则表示时刻p属于第l跳；如果，则表示时刻p属于第1跳； 对第l（）跳的所有时刻，估计该跳各跳频源信号的时频域数据，计算公式如下：
；
步骤六，对不同跳频点之间的时频域跳频源信号进行拼接；估计第l跳对应的个入射角度，用表示第l跳第n个源信号对应的入射角度，的计算公式如下：
表示第l跳估计得到的第n个混合矩阵列向量的第m个元素，c表示光速，即米/秒；
判断第l（l=2，3，…）跳估计的源信号与第一跳估计的源信号之间的对应关系，判断公式如下：
其中表示第l跳估计的第个信号与第一跳估计的第n个信号属于同一个源信号；
将不同跳频点估计到的属于同一个源信号的信号拼接在一起，作为最终的时频域源信号估计，用表示第n个源信号在时频点上的时频域估计值，，，即
步骤七，根据源信号时频域估计值，恢复时域跳频源信号。
以上所述仅是对本发明较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (5)

1.一种英语单词语根形音记忆方法，其特征在于，所述英语单词语根形音记忆方法包括：使用者通过数据线使英语单词语根形音记忆方法的辅助装置与计算机连接，将所学阶段的备课内容输入进英语单词语根形音记忆方法的辅助装置的内置存储器中，然后可通过功能按键选择英语单词语根形音记忆方法的辅助装置内部所编程好的英语单词记忆方法，在学习的过程中可使用扬声器，也可通过扬声器外部的耳机插孔戴上耳机进行学习；英语单词语根形音记忆方法的辅助装置还设有测试程序，显示屏上显示所学过的单词，使用者有记忆时可通过功能按键点击下一个，当使用者没有记忆时，通过功能按键点击词根词缀的汉语解释进行提醒，还是无法记忆时，点击单词的汉语解释进行加深记忆，同时中央处理器对此单词自动储存，以便在系统测试的时候在进行测试；使用者还可以通过字母按键输入英语单词，英语单词会显示在显示屏上，同时通过功能键可对此单词进行发音、汉语解释、词根词缀的汉语解释的按键操作；
所述辅助装置包括：单词辅助记忆装置本体、显示屏、字母按键、功能按键、扬声器、耳机插孔；
单词辅助记忆装置本体的顶端设有扬声器，扬声器的下端设有显示屏，显示屏的下端左部为字母按键，字母按键的右部为功能按键；扬声器的左部外端设有耳机插孔；
所述单词辅助记忆装置本体的内部设有中央处理器，与存储器，中央处理器上设有插孔，可通过数据线与计算机连接，通过计算机可向单词辅助记忆装置输入使用者所学阶段的备课内容，并存储与存储器中；
所述中央处理器有编程好的程序，并相对应的与设有的功能按键相连接；
所述的记忆方法可在单词辅助记忆装置上操作，单词记忆测试的方法步骤为：显示屏上显示出所学过的单词，使用者有记忆时可点击下一个，当使用者忘记此单词时，通过功能按键使显示屏显示词根词缀所对应的汉语解释对使用者进行提醒，还是无法记忆时，还可通过功能按键使显示屏显示单词的汉语解释，此时中央处理器会自动对此单词进行保存，以便在复习的时候对使用者进行测试。
2.如权利要求1所述英语单词语根形音记忆方法，其特征在于，所述显示屏设置有加密模块和解密模块；
所述加密模块的加密方法包括：
（1）采用龙格库塔法求解新四维超混沌Lorenz系统，生成xi,yi,zi,wi四个序列；
（2）用m(j)=x(i)，m(j+1)=y(i)，m(j+2)=z(i)，m(j+3)=w(i)，i=i+1，j=j+4的方式取序列H个值以后的n（n=M*N）个值，H=10000组成M序列；
（3）m=mod(m*K,256)， ；
（4）e=m+x ，混沌序列与原始图像进行相加运算；
（5）while(e>255)e=e-256；保证加密后的各像素值在0～255之间；
所述解密模块的解密方法包括：
（1）解新超混沌Lorenz系统生成xi,yi,zi,wi四个序列；
（2）m(j)=x(i);m(j+1)=y(i);m(j+2)=z(i);m(j+3)=w(i);i=i+1;j=j+4;的方式取序列H=10000个值以后的n（n=M*N）个值，组成mj序列；
（3）m=mod(m*K,256)；
（4）x=e-m ；
（5）while(x<0)x=x+256。
3.如权利要求1所述英语单词语根形音记忆方法，其特征在于，所述显示屏设置有图像去燥模块，所述图像去燥模块的图像去噪具体方法为：
步骤一、将含噪图像f(x，y) 进行平稳小波变换邻域系数萎缩的图像去噪，分别获得子带系数：低频系数、水平细节系数、垂直细节系数和对角细节系数；
步骤二、对第一层的低频系数利用PCNN 进行区域分割；
步骤三、将低频系数保持不变，对各层的水平细节系数、垂直细节系数和对角细节系数分别进行邻域阈值处理；
步骤四、采用脉冲耦合神经网络对噪声图像进行处理，得到熵序列En，将En 作为边缘检测算子；
步骤五、进行阈值寻优，得到最优去噪阈值k ；
步骤六、根据求得的边缘检测算子En 和最优去噪阈值k，采用改进的各向异性扩散模型对图像进行去噪。
4.如权利要求1所述英语单词语根形音记忆方法，其特征在于，所述显示屏的图像迭代模型表示为：
；
其中，X 为所述目标图像，M 为系统矩阵，G 为所述投影数据，i 表示迭代次数，X i 表示第i 次迭代后得到的迭代结果 ；λ 表示收敛系数，且 λ ∈ (0,1)，M T 表示对矩阵 M的转置 ；设置所述目标图像的初始值，并根据预先设置的迭代次数利用所述迭代模型对所述目标图像中的每个像素点进行迭代更新，获取所述目标图像，所述迭代模型中的像素点的当前灰度值与前次迭代的灰度值一致逼近；所述将目标图像中灰度值小于 0 的像素点置零；
图像迭代的目标函数为 ：
；
其中，R i ∈ RM×N ，Δ 表示所述第一非负图像或所述第二非负图像，R
i Δ 表示从 Δ 中提取的图像块，|||| 2 表示 2- 范数，||||1 表示 1- 范数，γ 为正则化参数，D 表示过完备字典，α i为第 i 个图像块 R i Δ 对应的稀疏系数，Γ 为所有图像块的稀疏系数集合。
5.如权利要求1所述英语单词语根形音记忆方法，其特征在于，所述中央处理器设置有同步正交跳频信号盲源分离模块，所述同步正交跳频信号盲源分离模块的同步正交跳频信号盲源分离方法包括以下步骤：
步骤一，利用含有M个阵元的阵列天线接收来自多个同步正交跳频电台的跳频信号，对每一路接收信号进行采样，得到采样后的M路离散时域混合信号；
步骤二，对M路离散时域混合信号进行重叠加窗短时傅里叶变换，得到M个混合信号的时频域矩阵，（p，q）表示时频索引，具体的时频值为，这里表示FFT变换的长度，p表示加窗次数，表示采样间隔，表示采样频率，为整数，表示短时傅里叶变换加窗间隔的采样点数，，且为整数，也就是说采用的是重叠加窗的短时傅里叶变换；，其中P表示总的窗数，表示FFT变换长度；
步骤三，对步骤二中得到的跳频混合信号时频域矩阵进行预处理；
步骤四，利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率；
步骤五，根据步骤四估计得到的归一化混合矩阵列向量估计时频域跳频源信号；对所有采样时刻索引p判断该时刻索引属于哪一跳，具体方法为：如果，则表示时刻p属于第l跳；如果，则表示时刻p属于第1跳； 对第l（）跳的所有时刻，估计该跳各跳频源信号的时频域数据，计算公式如下：
；
步骤六，对不同跳频点之间的时频域跳频源信号进行拼接；估计第l跳对应的个入射角度，用表示第l跳第n个源信号对应的入射角度，的计算公式如下：
表示第l跳估计得到的第n个混合矩阵列向量的第m个元素，c表示光速，即米/秒；
判断第l（l=2，3，…）跳估计的源信号与第一跳估计的源信号之间的对应关系，判断公式如下：
其中表示第l跳估计的第个信号与第一跳估计的第n个信号属于同一个源信号；
将不同跳频点估计到的属于同一个源信号的信号拼接在一起，作为最终的时频域源信号估计，用表示第n个源信号在时频点上的时频域估计值，，，即；
步骤七，根据源信号时频域估计值，恢复时域跳频源信号。
CN201610596809.4A 2016-07-27 2016-07-27 一种英语单词语根形音记忆方法 Pending CN106571073A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610596809.4A CN106571073A (zh) 2016-07-27 2016-07-27 一种英语单词语根形音记忆方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610596809.4A CN106571073A (zh) 2016-07-27 2016-07-27 一种英语单词语根形音记忆方法

Publications (1)

Publication Number Publication Date
CN106571073A true CN106571073A (zh) 2017-04-19

Family

ID=58532206

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610596809.4A Pending CN106571073A (zh) 2016-07-27 2016-07-27 一种英语单词语根形音记忆方法

Country Status (1)

Country Link
CN (1) CN106571073A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108630039A (zh) * 2018-05-17 2018-10-09 王维 一种新型古诗词记忆方法
CN111861373A (zh) * 2020-06-19 2020-10-30 北京国音红杉树教育科技有限公司 一种智能默写中的复习时间计算方法及电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101667286A (zh) * 2009-09-29 2010-03-10 天津大学 基于pcnn区域分割的图像去噪方法
CN103051367A (zh) * 2012-11-27 2013-04-17 西安电子科技大学 一种基于聚类的同步正交跳频信号盲源分离方法
CN104933744A (zh) * 2015-06-19 2015-09-23 深圳先进技术研究院 Ct图像重建方法和系统
CN105005975A (zh) * 2015-07-08 2015-10-28 南京信息工程大学 基于pcnn和图像熵的各向异性扩散的图像去噪方法
JP2016114757A (ja) * 2014-12-15 2016-06-23 カシオ計算機株式会社 音声画像出力制御装置およびプログラム
CN205375878U (zh) * 2016-01-08 2016-07-06 欧阳璟 一种英语单词记忆装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101667286A (zh) * 2009-09-29 2010-03-10 天津大学 基于pcnn区域分割的图像去噪方法
CN103051367A (zh) * 2012-11-27 2013-04-17 西安电子科技大学 一种基于聚类的同步正交跳频信号盲源分离方法
JP2016114757A (ja) * 2014-12-15 2016-06-23 カシオ計算機株式会社 音声画像出力制御装置およびプログラム
CN104933744A (zh) * 2015-06-19 2015-09-23 深圳先进技术研究院 Ct图像重建方法和系统
CN105005975A (zh) * 2015-07-08 2015-10-28 南京信息工程大学 基于pcnn和图像熵的各向异性扩散的图像去噪方法
CN205375878U (zh) * 2016-01-08 2016-07-06 欧阳璟 一种英语单词记忆装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
章秀君，吴志强，方正: "一种基于四维超混沌系统的数字图像加密算法", 《计算机工程》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108630039A (zh) * 2018-05-17 2018-10-09 王维 一种新型古诗词记忆方法
CN111861373A (zh) * 2020-06-19 2020-10-30 北京国音红杉树教育科技有限公司 一种智能默写中的复习时间计算方法及电子设备
CN111861373B (zh) * 2020-06-19 2024-02-23 北京国音红杉树教育科技有限公司 一种智能默写中的复习时间计算方法及电子设备

Similar Documents

Publication Publication Date Title
US20220180882A1 (en) Training method and device for audio separation network, audio separation method and device, and medium
CN108986835B (zh) 基于改进gan网络的语音去噪方法、装置、设备及介质
CN107273872B (zh) 用于图像或视频中行人重识别的深度判别网络模型方法
CN104268603B (zh) 用于文字性客观题的智能阅卷方法及系统
CN110148400A (zh) 发音类型的识别方法、模型的训练方法、装置及设备
CN107220235A (zh) 基于人工智能的语音识别纠错方法、装置及存储介质
CN107203953A (zh) 一种基于互联网、表情识别和语音识别的教学系统及其实现方法
CN109155006A (zh) 使用神经网络进行基于频率的音频分析
CN108962229B (zh) 一种基于单通道、无监督式的目标说话人语音提取方法
CN103985381B (zh) 一种基于参数融合优化决策的音频索引方法
CN108986798B (zh) 语音数据的处理方法、装置及设备
CN107343223A (zh) 视频片段的识别方法和装置
CN110134863B (zh) 应用程序推荐的方法及装置
CN105930846A (zh) 基于邻域信息和svgdl的极化sar图像分类方法
CN110827793A (zh) 一种语种识别方法
CN106921749A (zh) 用于推送信息的方法和装置
CN110600033A (zh) 学习情况的评估方法、装置、存储介质及电子设备
CN110197183A (zh) 一种图像盲去噪的方法、装置和计算机设备
CN109064389A (zh) 一种手绘线条画生成现实感图像的深度学习方法
CN108417207A (zh) 一种深度混合生成网络自适应方法及系统
CN110046941A (zh) 一种人脸识别方法、系统及电子设备和存储介质
CN103745423A (zh) 一种口型示教系统与示教方法
CN106571073A (zh) 一种英语单词语根形音记忆方法
JP6099032B2 (ja) 信号処理装置、信号処理方法及びコンピュータプログラム
CN110033034A (zh) 一种非均匀纹理的图片处理方法、装置和计算机设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170419