本发明公开了一种基于谱导数和频率栅栏缝的谐频频率识别及 剔除方法，其特征在于，包括如下步骤:计算振动信号功率谱 G(ω)的一阶导数或二阶导数，得到谱突变度 ab(ω)或捷度 ag(ω);设定谱突 变度或捷度的阈值分别为 ab-max 和 ag-max;找到 ab(ωi)=ab-max 或ag(ωi)=ag-max 处的频率点ωi;找到频率点ωi 后首个谱突变度为负 或频率点ωi 后第三个捷度

AI心理情绪识别系统1.多模态信号采集：人脸动态图像、脑电信号采集、语音情感检测。2.功能模块包含：情绪检测、情绪档案、数据统计、用户管理、系统设置功能模块。3.系统基于情绪心理学相关理论，结合面部表情的二维情感空间分析技术、脑电信号的状态分析、语音的三维情感空间分析三种模态相互融合叠加技术，检测人心理情绪状态，提高其检测准确度。3.    基于摄像头面部情绪识别技术，可以实时分析人体面部所包含的情绪状态。通过非接触式的实时视采用 AI 人工智能学习技术，结合心理学，通过对被测试人员 60秒的测试，能够获取相关心理/心理指标。帮助被测试人员了解自己的心理健康状况，并且引起人们重视心理健康，从而在工作、学习、生活当中提高身心健康。并且通过定期测试，能够获取个体、准确的进行心理危机预警，显示被测人员心理危机测试报告，提醒心理医生重点关注。用户在进行注册登录后，根据语音提示可直接进入测试界面进行情绪识别。点击测试按钮，调整好站立位置，脸部朝向屏幕，人脸录入即可完成测试，测试完成即可生成测试报告并能打印报告。4    基于脑电生物传感器状态检测、实时展示人体脑波原始状态指标以及Delta、Theta、Alpha、Beta、Gamma等8个EEG参数。5.    采用任务态模式进行语音情感分析，测试者按照系统设定的特定语境信息进行朗读来进行情感分析。6.    检测结束后可实时出具“心理生理状态分析结果报告”，其中包括被测试人员信息、检测时间、12维度心理生理情绪数据，包含正面情绪（平衡、自信心、活力、调节水平），负面情绪（攻击性、压力、紧张、可疑），生理参数（抑制、神经质、消沉、幸福指数），以及综合状态指标：专注度、放松度、疲劳指数、焦虑指数、压力指数、抑郁指数等。7.    统计分析：系统自带数据中心的统计功能，可以按单位进行所有检测人员的压力分布图及重点关注人员的信息显示。8.    检测完成后系统自动生成检测报告，检测报告需包含每项参数的检测数据大小、参考范围、异常数据等，以及用情绪参数雷达图、饼状图、直方图、曲线视图等多种表示方法。9.    信息查询功能：管理员可通过多条件查询功能，只需通过任意一项查询条件即可快速查询出与之对应和匹配的测试者信息，以及该测试者的历史测试记录，并可对该测试者的测试记录进行纵向和横向对比，综合分析该名测试者的心理健康状况。9.用户管理端：以管理员身份登录该系统可对用户进行管理。可进行添加用户、删除用户、查询用户、用户信息修改、密码修改、级别权限设置、单位框架搭建、查看用户报告，以及导出、打印用户报告。10.系统具有特定场合模态设置功能，可关闭和开启语音检测功能。11.视频检测时面部框具有信号质量检测功能，通过不能的颜色在面部框进行彩色状态提示，同时具有人脸检测判别功能，比如面部不全、距离较远等识别功能

主要应用于相干光通信通信和光电测量系统。

产品详细介绍13只装音叉组—频率：256Hz、266.6Hz、288Hz、300Hz、320Hz、341.3Hz、355.5Hz、384Hz、400Hz、426.6Hz、444.4Hz、480Hz、512Hz。 The frequencies of the thirteen tuning-fork

产品详细介绍8只装音叉组—频率:256Hz、288Hz、320Hz、341.3Hz、384Hz、426.6Hz、480Hz、512Hz。The frequencies of the eight tuning-fork

产品详细介绍4只装音叉组—频率：128Hz、256Hz、512Hz、1024Hz。 The frequencies of the four tuning-fork

已有样品/n采用自主研发的人脸识别技术，识别率达到国际先进水平。已经在 多个案例中使用。 该项目广泛应用于平安城市、智慧城市、智能安防、门禁、司法鉴 定、公安侦查方面，具有较好的市场前景。

产品详细介绍

本发明公开了一种基于频率相对偏差预估的分段综合单频信号频率估计方法，包括如下步骤：(1)获取待处理的单频信号采样数据序列x(n),n＝0,1,…,N?1；(2)对所述数据序列x(n)做快速傅里叶变换，计算得到数据序列的离散傅里叶变换X(l)和功率谱P(k)；(3)搜索功率谱P(k)最大值所对应的离散频率索引k0，并计算X(l)位于离散频率索引k0?1，k0和k0+1处的模值Al，Am和Ar；(4)预估有向频率相对偏差δR和加权频率相对偏差δW；(5)利用Al，Am，Ar，δR和δW计算综合频率相对偏差δC；(6)将δC带入插值公式估计出单频信号频率本发明的估计方法与现有的Rife插值法相比，可以在不增加计算量的前提下，提高频率估计的精度，工程实用性强，适合对信号进行实时处理。

声纹是对语音中所蕴含的、能唯一表征和标识说话人身份的语音特征参数及基于这些特征参数所建立的语音模型的总称。声纹是人的生物个性特征，很难找到两个声纹完全一样的 人。声纹识别技术属于生物识别技术的一种，是一项根据语音波形中所蕴涵的说话人信息， 自动识别说话人身份的技术。与语音识别不同的是，声纹识别利用的是语音信号中的说话人 信息，而不考虑语音中的字词意思，它强调说话人的个性;而语音识别的目的是识别出语音 信号中的言语内容，并不考虑说话人是谁，它强调共性。声纹识别根据应用的范畴，可分为两类:(1)声纹辨认(说话人辨认):用以判断某段 语音是若干人中的哪一个所说的，是“多选一”问题;(2)声纹确认(说话人确认):用以 确认某段语音是否是指定的某个人所说的，是“一对一判别”问题。截止到 2009 年初，声纹识别产品在生物识别市场的占有率为 15.8%，仅次于指纹识别 和掌形识别。目前，我国生物识别行业内厂商有 200 多家，其中 96%从事指纹识别技术相 关产品的研究和开发，产品趋同化明显。国内声纹识别市场已经启动，其发展空间更为广阔， 在金融、证券、社保、公安、军队及其他民用安全认证等行业和部门有着广泛的需求。